فایل‌های مرتبط با هر مورد در پیوند Links هریک قرار داده شده است.
پسوند presentation مشخصه اسلاید مربوطه می‌باشد.
بیشتر پرونده‌های مقالات با جستجو در اینترنت یا از آدرس http://mamintoosi.ir/dl/pubs/ قابل دسترس می‌باشند. در صورتی که لازم داشتید و پیدا نکردید، با من تماس بگیرید: m.amintoosi در جیمیل.
تالیفات فارسی
1401 |
|
 | امین‌طوسی, محمود تمام متصل به تمام پیچشی: پلی به گذشته Journal Article رایانش نرم و فناوری اطلاعات, 1401. @article{FC2FC_2022, title = {تمام متصل به تمام پیچشی: پلی به گذشته}, author = {محمود امین‌طوسی}, url = {https://github.com/mamintoosi/FC2FC http://www.jscit.nit.ac.ir/article_149453.html}, year = {1401}, date = {1401-04-01}, journal = {رایانش نرم و فناوری اطلاعات}, publisher = {دانشگاه صنعتی نوشیروانی بابل}, keywords = {}, pubstate = {published}, tppubtype = {article} } |
 | امین‌طوسی, محمود ترکیب روش منظم سازی تُنُک و آسیب مغزی بهینه درکوچک سازی یک مدل یادگیری عمیق Journal Article مجله ماشین بینایی و پردازش تصویر, 9 (1), pp. 31-45, 1401. @article{14010117, title = {ترکیب روش منظم سازی تُنُک و آسیب مغزی بهینه درکوچک سازی یک مدل یادگیری عمیق}, author = {محمود امین‌طوسی}, url = {https://github.com/mamintoosi/Reg-OBD-for-VGG-Pruning http://jmvip.sinaweb.net/article_136180.html}, year = {1401}, date = {1401-01-01}, journal = {مجله ماشین بینایی و پردازش تصویر}, volume = {9}, number = {1}, pages = {31-45}, abstract = {یکی از چالشهای شبکههای عصبی پیچشی، به عنوان ابزار اصلی یادگیری عمیق، حجم زیاد برخی از مدلهای مربوطه است. یـک شبکهی عصبی پیچشی به مثابه مدلی از مغز، متشکل از میلیونها اتصال است. کاهش حجم ایـن مـدلها از طریـق حـذف )هـرس( اتصالات اضافی مدل انجام میشودکه همانند یک آسیب مغـزی اسـت. دو روش منظمسـازی تُنُـک و آسـیب مغـزی بهینـه از جملـه مشهورترین شیوههای هرس مدل هستند. در این نوشتار با ترکیـب ایـن دو شـیوه نتـایج بهتـری در کـاهش حجـم مـدل حاصـل شـده است. ابتدا با استفاده از روش انتقال یادگیری، یک مدل بزرگ شبکههای عصـبی پیچشـی بـرای شناسـایی طبقـات هـدف، آمـوزش داده شد؛ سپس با روشهای منظمسازی تُنُک و آسیب مغزی بهینه، اتصالات اضـافی آن هـرس شـدند. نتـایج آزمایشـات نشـان داده استکه در بیشتر مجموعه دادگان مورد بررسی، اعمال شیوهی ترکیبی منظمسازی تُنُک و آسیب مغـزی بهینـه نسـبت بـه اعمـال هـر یک از آنها به صورت جداگانهکاراتر است. برای یکی از مجموعه دادگان مورد بررسی، با روش ترکیبی پیشنهادی تعـداد اتصـالات مدل ۷۶درصد کاهش داده شد، بدون آنکهکارایی آنکاهش یابد. اینکاهش حجم مدل، زمان پردازشی را بـه یـک سـوم تقلیـل داده اسـت. کـاهش حجـم مـدل میتوانـد امکـان اسـتفاده از آن در مرورگرهـا و سـختافزارهای ضـعیفتر و همـهگیرتر را تسـهیل سـازد. }, keywords = {}, pubstate = {published}, tppubtype = {article} } یکی از چالشهای شبکههای عصبی پیچشی، به عنوان ابزار اصلی یادگیری عمیق، حجم زیاد برخی از مدلهای مربوطه است. یـک شبکهی عصبی پیچشی به مثابه مدلی از مغز، متشکل از میلیونها اتصال است. کاهش حجم ایـن مـدلها از طریـق حـذف )هـرس( اتصالات اضافی مدل انجام میشودکه همانند یک آسیب مغـزی اسـت. دو روش منظمسـازی تُنُـک و آسـیب مغـزی بهینـه از جملـه مشهورترین شیوههای هرس مدل هستند. در این نوشتار با ترکیـب ایـن دو شـیوه نتـایج بهتـری در کـاهش حجـم مـدل حاصـل شـده است. ابتدا با استفاده از روش انتقال یادگیری، یک مدل بزرگ شبکههای عصـبی پیچشـی بـرای شناسـایی طبقـات هـدف، آمـوزش داده شد؛ سپس با روشهای منظمسازی تُنُک و آسیب مغزی بهینه، اتصالات اضـافی آن هـرس شـدند. نتـایج آزمایشـات نشـان داده استکه در بیشتر مجموعه دادگان مورد بررسی، اعمال شیوهی ترکیبی منظمسازی تُنُک و آسیب مغـزی بهینـه نسـبت بـه اعمـال هـر یک از آنها به صورت جداگانهکاراتر است. برای یکی از مجموعه دادگان مورد بررسی، با روش ترکیبی پیشنهادی تعـداد اتصـالات مدل ۷۶درصد کاهش داده شد، بدون آنکهکارایی آنکاهش یابد. اینکاهش حجم مدل، زمان پردازشی را بـه یـک سـوم تقلیـل داده اسـت. کـاهش حجـم مـدل میتوانـد امکـان اسـتفاده از آن در مرورگرهـا و سـختافزارهای ضـعیفتر و همـهگیرتر را تسـهیل سـازد. |
 | امین‌طوسی, محمود انتقال سبک برای افزایش داده های آموزشی شبکه های کانولوشنی در شناسایی شعلۀ آتش Journal Article هوش محاسباتی در مهندسی برق, 1401. @article{1i, title = {انتقال سبک برای افزایش داده های آموزشی شبکه های کانولوشنی در شناسایی شعلۀ آتش}, author = {محمود امین‌طوسی}, url = {https://github.com/mamintoosi/ST-for-DA-in-FD http://hcloud.hsu.ac.ir/index.php/s/0dwWsSyrmOab2NA?path=%2F3-1}, year = {1401}, date = {1401-01-01}, journal = {هوش محاسباتی در مهندسی برق}, abstract = {وجود دادههای آموزشی کافی، امری اساسی در همۀ سیستمهای یادگیری با نظارت و منجمله در حوزۀ یادگیری عمیق و بینایی ماشین است. یکی از روشهای استفادهشده برای افزایش تعداد نمونههای آموزشی در یادگیری عمیق، شیوۀ «دادهافزایی» است. این شیوه، متضمن تبدیلهای دوران، انتقال و برش روی تصاویر آموزشی است که به افزایش تعداد نمونههای آموزشیِ نسبتاً متفاوت از دادههای اولیه منجر میشود. در این نوشتار از الگوریتم «انتقال سَبْک» مبتنی بر شبکههای مولد رقابتی برای افزایش تعداد نمونههای آموزشی استفاده شده است. هدف در انتقال سبک، اِعمال ظاهر یا سبک بصری یک تصویر روی تصویری دیگر است که جنبۀ هنری آن بیشتر دیده شده است. در این نوشتار از این شیوه برای تولید نمونههای جدید آموزشی استفاده شده و بهمنزلۀ یک کاربرد، روش پیشنهادی بر روی مسئلۀ شناسایی شعلۀ آتش اعمال شده است. با این فرض که تصاویر آموزشی ثبتشده در طی شب، کمتر از نمونههای اخذشده در روزند، با اعمال یک روش انتقال سبک، تصاویر روز به تصاویر شب، تبدیل و بهعنوان دادۀ آموزشی به مجموعه دادگان اضافه میشوند. نتایج آزمایشات انجامشده، کارایی شیوۀ پیشنهادی را نشان داده است. شیوۀ پیشنهادی بهصورت میانگین، ۷درصد نرخ تشخیص درست را نسبت به استفادهنکردن از آن افزایش داده است. }, keywords = {}, pubstate = {published}, tppubtype = {article} } وجود دادههای آموزشی کافی، امری اساسی در همۀ سیستمهای یادگیری با نظارت و منجمله در حوزۀ یادگیری عمیق و بینایی ماشین است. یکی از روشهای استفادهشده برای افزایش تعداد نمونههای آموزشی در یادگیری عمیق، شیوۀ «دادهافزایی» است. این شیوه، متضمن تبدیلهای دوران، انتقال و برش روی تصاویر آموزشی است که به افزایش تعداد نمونههای آموزشیِ نسبتاً متفاوت از دادههای اولیه منجر میشود. در این نوشتار از الگوریتم «انتقال سَبْک» مبتنی بر شبکههای مولد رقابتی برای افزایش تعداد نمونههای آموزشی استفاده شده است. هدف در انتقال سبک، اِعمال ظاهر یا سبک بصری یک تصویر روی تصویری دیگر است که جنبۀ هنری آن بیشتر دیده شده است. در این نوشتار از این شیوه برای تولید نمونههای جدید آموزشی استفاده شده و بهمنزلۀ یک کاربرد، روش پیشنهادی بر روی مسئلۀ شناسایی شعلۀ آتش اعمال شده است. با این فرض که تصاویر آموزشی ثبتشده در طی شب، کمتر از نمونههای اخذشده در روزند، با اعمال یک روش انتقال سبک، تصاویر روز به تصاویر شب، تبدیل و بهعنوان دادۀ آموزشی به مجموعه دادگان اضافه میشوند. نتایج آزمایشات انجامشده، کارایی شیوۀ پیشنهادی را نشان داده است. شیوۀ پیشنهادی بهصورت میانگین، ۷درصد نرخ تشخیص درست را نسبت به استفادهنکردن از آن افزایش داده است. |
1400 |
|
 | امین‌طوسی, محمود کارگاه یادگیری عمیق با پای‌تورچ Workshop دانشگاه حکیم سبزواری یازدهمین سمینار بین المللی جبرخطی و کاربردهای آن, 1400. @workshop{ESLA2022, title = {کارگاه یادگیری عمیق با پای‌تورچ}, author = {محمود امین‌طوسی}, url = {https://mamintoosi.github.io/slides/topics/DL-HSU/DeepLearning-Workshop-ESLA2022.html https://github.com/mamintoosi-cs/pytorch-workshop}, year = {1400}, date = {1400-11-15}, publisher = {یازدهمین سمینار بین المللی جبرخطی و کاربردهای آن}, organization = {دانشگاه حکیم سبزواری}, keywords = {}, pubstate = {published}, tppubtype = {workshop} } |
 | صالحی‌ساداتی, سیده‌افسانه; امین‌طوسی, محمود; زعفرانیه, مهدی فاصله ی وسراستین و کاربرد آن در شبکه مولد رقابتی Inproceedings سیزدهمین سمینار احتمال و فرایندهای تصادفی دانشگاه حکیم سبزواری, 1400. @inproceedings{1p, title = {فاصله ی وسراستین و کاربرد آن در شبکه مولد رقابتی}, author = {سیده‌افسانه صالحی‌ساداتی and محمود امین‌طوسی and مهدی زعفرانیه}, year = {1400}, date = {1400-06-10}, booktitle = {سیزدهمین سمینار احتمال و فرایندهای تصادفی دانشگاه حکیم سبزواری}, journal = {سیزدهمین سمینار احتمال و فرایندهای تصادفی دانشگاه حکیم سبزواری}, abstract = {شبکه های مولد رقابتی، گونه ای از شبکه های عصبی هستند که برای تولید نمونه های جدید از داده ها بکار می روند، وقتی که تابع توزیع داده ها دردسترس نیست. تولید تصاویر جعلی از کاربردهای این شبکه هاست. یک مسأله ی اساسی در این شبکه ها محاسبه ی میزان تفاوت نمونه ی تولیدی توسط شبکه با نمونه های واقعی در قالب یک تابع هدف است. در این مقاله فاصله ی وسراستین مورد بررسی قرار گرفته و نتیجه ی استفاده از آن در تولید تصاویر جعلی نشان داده می شود. برخلاف تابع هدف معمول شبکه های عصبی که هدف کمینه کردن خروجی با داده ی آموزشی است، در فاصله ی وسراستین، هدف کمینه کردن اختلاف خروجی شبکه با داده های آموزشی است. واژه های کلیدی: شبکه های عصبی، یادگیری عمیق، فاصله ی توزیع های آماری، فاصله ی وسراستین، شبکه مولد رقابتی، جعل تصویر، بهینه سازی}, keywords = {}, pubstate = {published}, tppubtype = {inproceedings} } شبکه های مولد رقابتی، گونه ای از شبکه های عصبی هستند که برای تولید نمونه های جدید از داده ها بکار می روند، وقتی که تابع توزیع داده ها دردسترس نیست. تولید تصاویر جعلی از کاربردهای این شبکه هاست. یک مسأله ی اساسی در این شبکه ها محاسبه ی میزان تفاوت نمونه ی تولیدی توسط شبکه با نمونه های واقعی در قالب یک تابع هدف است. در این مقاله فاصله ی وسراستین مورد بررسی قرار گرفته و نتیجه ی استفاده از آن در تولید تصاویر جعلی نشان داده می شود. برخلاف تابع هدف معمول شبکه های عصبی که هدف کمینه کردن خروجی با داده ی آموزشی است، در فاصله ی وسراستین، هدف کمینه کردن اختلاف خروجی شبکه با داده های آموزشی است. واژه های کلیدی: شبکه های عصبی، یادگیری عمیق، فاصله ی توزیع های آماری، فاصله ی وسراستین، شبکه مولد رقابتی، جعل تصویر، بهینه سازی |
 | کیخسروی, سیدسعید; نژادکورکی, فرهاد; امین‌طوسی, محمود مدل سازی پخش آلاینده های SO2 ،CO ،NOxو PMناشی از کارخانه سیمان سبزوار با استفاده از نرم افزار SCREEN Inproceedings فصلنامه علمی- تخصصی طب کار, pp. ۲۴-۳۷, دانشگاه علوم پزشکی و خدمات بهداشتی درمانی شهید صدوقی یزد, 1400. @inproceedings{3i, title = {مدل سازی پخش آلاینده های SO2 ،CO ،NOxو PMناشی از کارخانه سیمان سبزوار با استفاده از نرم افزار SCREEN}, author = {سیدسعید کیخسروی and فرهاد نژادکورکی and محمود امین‌طوسی}, url = {https://tkj.ssu.ac.ir/article-1-1129-fa.html}, year = {1400}, date = {1400-04-27}, booktitle = {فصلنامه علمی- تخصصی طب کار}, journal = {دانشگاه علوم پزشکی و خدمات بهداشتی درمانی شهید صدوقی یزد}, volume = {۱۳}, number = {۳}, pages = {۲۴-۳۷}, publisher = {دانشگاه علوم پزشکی و خدمات بهداشتی درمانی شهید صدوقی یزد}, abstract = {امروزه صنعت سيمان به عنوان يكي از مهمترين صنايع آلوده كننده هوا در دنيا به شمار ميرود. هدف از انجاا اين مطالعه، شبيهسازی انتشار آلايندههای SO2 ،CO ،NOxو PMناشي از دودكش كارخانه سيمان سبزوار، توسط نر افزار SCREEN3است. }, keywords = {}, pubstate = {published}, tppubtype = {inproceedings} } امروزه صنعت سيمان به عنوان يكي از مهمترين صنايع آلوده كننده هوا در دنيا به شمار ميرود. هدف از انجاا اين مطالعه، شبيهسازی انتشار آلايندههای SO2 ،CO ،NOxو PMناشي از دودكش كارخانه سيمان سبزوار، توسط نر افزار SCREEN3است. |
1399 |
|
 | امین‌طوسی, محمود; عزتی, هاشم الگوریتم ژنتیکِ آگاه از بهترین عضو با کاربرد در رنگ آمیزي و بعد متریک گراف Journal Article نشریه فناوری اطلاعات و ارتباطات ایران, ۴۳ (۱۲), pp. ۱۴۳-۱۵۴, 1399. @article{1k, title = {الگوریتم ژنتیکِ آگاه از بهترین عضو با کاربرد در رنگ آمیزي و بعد متریک گراف}, author = {محمود امین‌طوسی and هاشم عزتی }, url = {http://jour.aicti.ir/Article/13601}, year = {1399}, date = {1399-08-03}, journal = {نشریه فناوری اطلاعات و ارتباطات ایران}, volume = {۴۳}, number = {۱۲}, pages = {۱۴۳-۱۵۴}, abstract = {الگوریتم ژنتیک از معروف ترین روش هاي حل مسائل بهینه سازي ترکیبیاتی است که کاربردهاي متعددي در حوزه هاي گوناگونی همچون برق، کامپیوتر و ریاضی داشته و دارد. نسل بعد در این الگوریتم با انتخاب اعضاي جمعیت بر اساس میزان برازندگی آنها صورت می پذیرد. ارتباط اعضا از طریق عملگر ترکیب می باشد و برخی از بهترین اعضا مستقیماً به نسل بعد منتقل می شوند. به صورت معمول اعضاي ضعیف جمعیت نیز امکان مشارکت در ایجاد نسل بعد را دارند و حذف نمی شوند. در این مقاله، عملگرهاي تولید فرزند، از بهترین عضو نسل جاري آگاه هستند و تنها فرزندانی مرتبط با بهترین عضو، تولید شده و در نسل بعد قرار می گیرند. شیوه ي پیشنهادي در دو کاربرد رنگ آمیزي و بعدمتریک گراف با روش معمول الگوریتم ژنتیک مورد مقایسه قرار گرفته و برتري آن در حالت متوسط هم از نظر کیفیت و هم سرعت اجرا نسبت به الگوریتم ژنتیک مرسوم، نشان داده شده است.}, keywords = {}, pubstate = {published}, tppubtype = {article} } الگوریتم ژنتیک از معروف ترین روش هاي حل مسائل بهینه سازي ترکیبیاتی است که کاربردهاي متعددي در حوزه هاي گوناگونی همچون برق، کامپیوتر و ریاضی داشته و دارد. نسل بعد در این الگوریتم با انتخاب اعضاي جمعیت بر اساس میزان برازندگی آنها صورت می پذیرد. ارتباط اعضا از طریق عملگر ترکیب می باشد و برخی از بهترین اعضا مستقیماً به نسل بعد منتقل می شوند. به صورت معمول اعضاي ضعیف جمعیت نیز امکان مشارکت در ایجاد نسل بعد را دارند و حذف نمی شوند. در این مقاله، عملگرهاي تولید فرزند، از بهترین عضو نسل جاري آگاه هستند و تنها فرزندانی مرتبط با بهترین عضو، تولید شده و در نسل بعد قرار می گیرند. شیوه ي پیشنهادي در دو کاربرد رنگ آمیزي و بعدمتریک گراف با روش معمول الگوریتم ژنتیک مورد مقایسه قرار گرفته و برتري آن در حالت متوسط هم از نظر کیفیت و هم سرعت اجرا نسبت به الگوریتم ژنتیک مرسوم، نشان داده شده است. |
 | کیخسروی, سید سعید; کیخسروی, سید سعید; نژادکورکی, فرهاد; امین‌طوسی, محمود شبیه سازی و برآورد میزان گردوغبار صنایع با مدل شبکه عصبی چند لایه پرسپترون (مطالعه موردی: کارخانه سیمان سبزوار) Journal Article مجله سلامت کار ایران, 17 (12), 1399. @article{1l, title = {شبیه سازی و برآورد میزان گردوغبار صنایع با مدل شبکه عصبی چند لایه پرسپترون (مطالعه موردی: کارخانه سیمان سبزوار)}, author = {سید سعید کیخسروی and سید سعید کیخسروی and فرهاد نژادکورکی and محمود امین‌طوسی }, url = {http://ioh.iums.ac.ir/browse.php?a_code=A-10-2537-1&slc_lang=fa&sid=1 http://hcloud.hsu.ac.ir/index.php/s/ddKNMwgpOFObzVc}, year = {1399}, date = {1399-03-10}, booktitle = {مجله سلامت کار ایران}, journal = {مجله سلامت کار ایران}, volume = {17}, number = {12}, publisher = {دانشگاه علوم پزشکی و خدمات بهداشتی درمانی ایران}, abstract = {امروزه صنعت سیمان به عنوان یکی از مهمترین صنایع آلوده کننده هوا در دنیا به شمار میرود. فرآیند تولید سيیمان هير سياله باعث تولید میلیونها تن، آلاینده از جمله گردوغبار، گازهاى سمى و فلزات سنگین شده که خطرات بهداشتى- تنفسى و آلودگى زیست محیطيى را به دنبال خواهد داشت لذا آگاهی از غلظت آلایندهها میتواند به عنوان اطلاعات کلیدی در برنامههای کنترل آلودگی مورد استفاده قيرار گیيرد. کارخانه سیمان سبزوار به عنوان یکی از منابع انتشار ذرات معلق در جنوب غربی سبزوار قرار دارد. روشهای متعيددی بيرای شيی بینيی غلظيت آلایندهها هوا وجود دارد در این میان، در سالهای اخیر شیشرفت قابل تيوجهی در توسيعه ميدل شيبکههيای عبيبی بيرای شيی بینيی غلظيت آلایندههای هوا صورت گرفته است، که میتواند به عنوان یک ابزار مناسب برای شی بینی کیفیت هوا در آینده و تعیيین اسيترات یهيای کنتيرل انتشار آلایندهها تلقی شود. هدف از انجام این مطالعه، شی بینی میزان غلظت گردوغبار خروجی از دودکي اصيلی کارخانيه سيیمان سيبزوار بيا استفاده از مدل شبکه عببی شرسپترون است}, keywords = {}, pubstate = {published}, tppubtype = {article} } امروزه صنعت سیمان به عنوان یکی از مهمترین صنایع آلوده کننده هوا در دنیا به شمار میرود. فرآیند تولید سيیمان هير سياله باعث تولید میلیونها تن، آلاینده از جمله گردوغبار، گازهاى سمى و فلزات سنگین شده که خطرات بهداشتى- تنفسى و آلودگى زیست محیطيى را به دنبال خواهد داشت لذا آگاهی از غلظت آلایندهها میتواند به عنوان اطلاعات کلیدی در برنامههای کنترل آلودگی مورد استفاده قيرار گیيرد. کارخانه سیمان سبزوار به عنوان یکی از منابع انتشار ذرات معلق در جنوب غربی سبزوار قرار دارد. روشهای متعيددی بيرای شيی بینيی غلظيت آلایندهها هوا وجود دارد در این میان، در سالهای اخیر شیشرفت قابل تيوجهی در توسيعه ميدل شيبکههيای عبيبی بيرای شيی بینيی غلظيت آلایندههای هوا صورت گرفته است، که میتواند به عنوان یک ابزار مناسب برای شی بینی کیفیت هوا در آینده و تعیيین اسيترات یهيای کنتيرل انتشار آلایندهها تلقی شود. هدف از انجام این مطالعه، شی بینی میزان غلظت گردوغبار خروجی از دودکي اصيلی کارخانيه سيیمان سيبزوار بيا استفاده از مدل شبکه عببی شرسپترون است |
 | فرهادی, راضیه; هادوی‌فر, مجتبی; معین‌الدینی, مظاهر; امین‌طوسی, محمود پیش بینی غلظت آلاینده های هوای تهران بر اساس متغیرهای هواشناسی با استفاده از شبکه عصبی مصنوعی و رگرسیون خطی در فصول گرم و سرد Journal Article محیط زیست طبیعی، منابع طبیعی ایران, 1399. @article{22, title = {پیش بینی غلظت آلاینده های هوای تهران بر اساس متغیرهای هواشناسی با استفاده از شبکه عصبی مصنوعی و رگرسیون خطی در فصول گرم و سرد}, author = {راضیه فرهادی and مجتبی هادوی‌فر and مظاهر معین‌الدینی and محمود امین‌طوسی }, url = {http://hcloud.hsu.ac.ir/index.php/s/0dwWsSyrmOab2NA?path=%2F3-1}, year = {1399}, date = {1399-01-09}, journal = {محیط زیست طبیعی، منابع طبیعی ایران}, abstract = {تهران آلودهترین شهر کشور محسوب میشود که این آلودگی میتواند آثار دراز مدت و کوتاه مدتی بر سلامت انسان داشته باشد. از اینرو پیشبینی غلظت آلایندهها میتواند در برنامهریزیهای پیشگیری و کنترل مفید واقع شود. روشهای متفاوتی برای پیشبینی وجود دارد و دراین میان سالها، روشهای شبکهی عصبی پیشرفت قابل توجهی در پیشبینی آلودگی هوا داشته است. در این مطالعه، از شبکهی عصبی مصنوعی پرسپترون سهلایه بهمنظور پیشبینی غلظت آلایندههای CO ،PM10و شاخص کیفیت هوا ( )AQIدر هوای شهر تهران استفاده شد. دادههای غلظت آلایندهها از ادارهی کنترل کیفیت هوای تهران جمعآوری شد و دادههای هواشناسی از ادارهی کل سازمان هواشناسی کشور طی سالهای 1712و 1717جمعآوری شد. بیشترین ضریب همبستگی ( )R2برای آلاینده PM10با مقدار 0.83در فصول گرم بود و بیشترین ضریب همبستگی آلاینده COمربوط به فصول سرد بود ( .)R2=0.74در نهایت بیشترین ضریب همبستگی AQIدر فصل سرد ( )R2=0.57بود. در مدل رگرسیون خطی بیشترین ضریب همبستگی با مقدار 0.58برای آلاینده PM10در فصول گرم بود. بیشترین ضریب همبستگی در این مدل برای آلاینده COبا مقدار 0.33در فصل سرد بود. درنهایت بیشترین ضریب همبستگی )R2=0.31( AOIدر فصل گرم بود. این به این معنی است که با تغییرات متغیرهای هواشناسی، غلظت COو ذرات معلق و مقادیر شاخص AQIتغییر میکند به گونهای که افزایش باد باعث پراکنش آلاینده و کاهش غلظت آن میشود و افزایش درجه حرارت باعث افزایش غلظت آلاینده میشود. بنابراین بین آنها ارتباط وجود دارد. }, keywords = {}, pubstate = {published}, tppubtype = {article} } تهران آلودهترین شهر کشور محسوب میشود که این آلودگی میتواند آثار دراز مدت و کوتاه مدتی بر سلامت انسان داشته باشد. از اینرو پیشبینی غلظت آلایندهها میتواند در برنامهریزیهای پیشگیری و کنترل مفید واقع شود. روشهای متفاوتی برای پیشبینی وجود دارد و دراین میان سالها، روشهای شبکهی عصبی پیشرفت قابل توجهی در پیشبینی آلودگی هوا داشته است. در این مطالعه، از شبکهی عصبی مصنوعی پرسپترون سهلایه بهمنظور پیشبینی غلظت آلایندههای CO ،PM10و شاخص کیفیت هوا ( )AQIدر هوای شهر تهران استفاده شد. دادههای غلظت آلایندهها از ادارهی کنترل کیفیت هوای تهران جمعآوری شد و دادههای هواشناسی از ادارهی کل سازمان هواشناسی کشور طی سالهای 1712و 1717جمعآوری شد. بیشترین ضریب همبستگی ( )R2برای آلاینده PM10با مقدار 0.83در فصول گرم بود و بیشترین ضریب همبستگی آلاینده COمربوط به فصول سرد بود ( .)R2=0.74در نهایت بیشترین ضریب همبستگی AQIدر فصل سرد ( )R2=0.57بود. در مدل رگرسیون خطی بیشترین ضریب همبستگی با مقدار 0.58برای آلاینده PM10در فصول گرم بود. بیشترین ضریب همبستگی در این مدل برای آلاینده COبا مقدار 0.33در فصل سرد بود. درنهایت بیشترین ضریب همبستگی )R2=0.31( AOIدر فصل گرم بود. این به این معنی است که با تغییرات متغیرهای هواشناسی، غلظت COو ذرات معلق و مقادیر شاخص AQIتغییر میکند به گونهای که افزایش باد باعث پراکنش آلاینده و کاهش غلظت آن میشود و افزایش درجه حرارت باعث افزایش غلظت آلاینده میشود. بنابراین بین آنها ارتباط وجود دارد. |
1398 |
|
 | جوکار, فاطمه; امین‌طوسی, محمود; صالحی‌ساداتی, سیده‌افسانه شبکه مولد رقابتی، انواع و کاربرد آنها Inproceedings سومین سمینار ملی کنترل و بهینه سازی, 1398. @inproceedings{22b, title = {شبکه مولد رقابتی، انواع و کاربرد آنها}, author = {فاطمه جوکار and محمود امین‌طوسی and سیده‌افسانه صالحی‌ساداتی }, year = {1398}, date = {1398-08-22}, booktitle = {سومین سمینار ملی کنترل و بهینه سازی}, journal = {سومین سمینار ملی کنترل و بهینه سازی دانشگاه حکیم سبزواری}, abstract = {شبکههای مولد رقابتی (متخاصم) کلاسی از سیستمهای یادگیر هستند که هدف آن تولید نمونههای جدید از دادههای آموزشی است، وقتی که توزیع دادهها در دسترس نیست. در این روش دو شبکه عصبی برای تولید نمونههای جدید با یکدیگر به رقابت میپردازند. این شبکهها در ویرایش تصاویر (همچون پیر کردن یک فرد) و تولید تصاویر جعلی، عملکرد بسیار درخشانی داشتهاند. دو شبکه عصبی مورد استفاده در این مدل، مولد و متمایزکننده نامیده میشوند. شبکه مولد تبدیل از یک بردار نویز به توزیع موردنظر را فرامیگیرد و شبکه متمایزکننده، نمونههای تولیدی توسط شبکه مولد را از توزیع واقعی دادهها تفکیک میکند. آموزش شبکه مولد با این هدف انجام میشود که نمونههایی تولید کند که شبکه متمایز کننده را بفریبد. فرآیند یادگیری تا زمانی که سیستم در تعادل نش قرار گیرد ادامه مییابد. تابع هدف مسئله، یک مسئله کمینهبیشینه (مینیماکس) در بازیهای دو نفرهی مجموع صفر است. از انواع شبکه مولد رقابتی میتوان به شبکه مولد کانولوشنی، شبکه مولد رقابتی شرطی، شبکه مولد رقابتی شرطی معکوس، شبکه مولد رقابتی وازراستین و... اشاره کرد. در این مقاله به معرفی شبکه مولد رقابتی و برخی از انواع آنها پرداخته خواهد شد.}, keywords = {}, pubstate = {published}, tppubtype = {inproceedings} } شبکههای مولد رقابتی (متخاصم) کلاسی از سیستمهای یادگیر هستند که هدف آن تولید نمونههای جدید از دادههای آموزشی است، وقتی که توزیع دادهها در دسترس نیست. در این روش دو شبکه عصبی برای تولید نمونههای جدید با یکدیگر به رقابت میپردازند. این شبکهها در ویرایش تصاویر (همچون پیر کردن یک فرد) و تولید تصاویر جعلی، عملکرد بسیار درخشانی داشتهاند. دو شبکه عصبی مورد استفاده در این مدل، مولد و متمایزکننده نامیده میشوند. شبکه مولد تبدیل از یک بردار نویز به توزیع موردنظر را فرامیگیرد و شبکه متمایزکننده، نمونههای تولیدی توسط شبکه مولد را از توزیع واقعی دادهها تفکیک میکند. آموزش شبکه مولد با این هدف انجام میشود که نمونههایی تولید کند که شبکه متمایز کننده را بفریبد. فرآیند یادگیری تا زمانی که سیستم در تعادل نش قرار گیرد ادامه مییابد. تابع هدف مسئله، یک مسئله کمینهبیشینه (مینیماکس) در بازیهای دو نفرهی مجموع صفر است. از انواع شبکه مولد رقابتی میتوان به شبکه مولد کانولوشنی، شبکه مولد رقابتی شرطی، شبکه مولد رقابتی شرطی معکوس، شبکه مولد رقابتی وازراستین و... اشاره کرد. در این مقاله به معرفی شبکه مولد رقابتی و برخی از انواع آنها پرداخته خواهد شد. |
 | امین‌طوسی, محمود کارگاه یادگیری عمیق با تنسورفلو Workshop دانشگاه حکیم سبزواری سومین سمینار ملی کنترل و بهینه سازی, 1398. @workshop{DL-Workshop-TSCO2019, title = {کارگاه یادگیری عمیق با تنسورفلو}, author = {محمود امین‌طوسی}, url = {https://mamintoosi.github.io/slides/topics/DL-HSU/DeepLearning-Workshop-TSCO2019#/}, year = {1398}, date = {1398-08-22}, publisher = {سومین سمینار ملی کنترل و بهینه سازی}, organization = {دانشگاه حکیم سبزواری}, keywords = {}, pubstate = {published}, tppubtype = {workshop} } |
 | کیخسروی, سیدسعید; نژادکورکی, فرهاد; امین‌طوسی, محمود ارزیابی دقت شبکه های عصبی مصنوعی (MLP و RBF) در پیش بینی گرد و غبار کارخانه سیمان سبزوار Journal Article فصلنامه پژوهش در بهداشت محیط, (235-245), pp. 4, 1398. @article{KeykhosraviMLP98, title = {ارزیابی دقت شبکه های عصبی مصنوعی (MLP و RBF) در پیش بینی گرد و غبار کارخانه سیمان سبزوار}, author = {سیدسعید کیخسروی and فرهاد نژادکورکی and محمود امین‌طوسی }, url = {http://jreh.mums.ac.ir/article_13290_fb43edc4ba686cbf46c6318dcfcc2475.pdf}, year = {1398}, date = {1398-04-22}, booktitle = {فصلنامه پژوهش در بهداشت محیط}, journal = {فصلنامه پژوهش در بهداشت محیط}, number = {235-245}, pages = {4}, publisher = {پژوهش در بهداشت محیط}, abstract = {زمینه و هدف: مدلسازی گردوغبار میتواند به عنوان یک ابزار مناسب برای پیشبینی گردوغبار صنایع در آینده و تعیین استراتژیهای کنترل انتشار آلایندهها تلقی شود. در این مطالعه از شبکههای عصبی پرسپترون (MLP) و پایه شعاعی (RBF) به عنوان ابزاری برای پیشبینی گردوغبار خروجی از دودکش اصلی کارخانه سیمان سبزوار واقع در استان خراسان رضوی استفاده شد. مواد و روش‌ها: در محدوده مطالعاتی مورد نظر، ابتدا میزان غلظت گردوغبار خروجی از دودکش اصلی کارخانه سیمان به وسیله اندازهگیریهای میدانی به‌دست آمد. سپس با به‌کارگیری پارامترهای خط تولید (درجه حرارت، سرعت گاز خروجی، ولتاژ، سوخت، مواد خام و مدت زمان نمونهبرداری)، به عنوان دادههای ورودی به شبکههای عصبی، جهت پیشبینی میزان غلظت گردوغبار استفاده شد. مقادیر حاصل از اجرای مدلها، با نتایج اندازهگیریهای میدانی بهعنوان انتخاب مدل برتر، مورد مقایسه قرار گرفت. یافتهها: دربررسی نمودارها و پارامترهای آماری، مقادیر میانگین مربعات خطا برای دو مدل شبکههای عصبی پرسپترون و پایه شعاعی به‌ترتیب برابر 1/787 و 21/263 و مقادیر ضریب همبستگی به‌ترتیب برابر 0/99693 و 0/95811 بود که نشانگر خطای کمتر و همبستگی بیشتر مدل شبکههای عصبی پرسپترون نسبت به مدل پایه شعاعی در پیشبینی میزان غلظت گردوغبار بود. نتیجهگیری: به دلیل قابلیت بالای شبکه عصبی پرسپترون در پیشبینی میزان غلظت گردوغبار، این مدل میتواند یک راه‌حل مناسب و سریع در پیشبینی میزان گردوغبار صنایع باشد.}, keywords = {}, pubstate = {published}, tppubtype = {article} } زمینه و هدف: مدلسازی گردوغبار میتواند به عنوان یک ابزار مناسب برای پیشبینی گردوغبار صنایع در آینده و تعیین استراتژیهای کنترل انتشار آلایندهها تلقی شود. در این مطالعه از شبکههای عصبی پرسپترون (MLP) و پایه شعاعی (RBF) به عنوان ابزاری برای پیشبینی گردوغبار خروجی از دودکش اصلی کارخانه سیمان سبزوار واقع در استان خراسان رضوی استفاده شد. مواد و روش‌ها: در محدوده مطالعاتی مورد نظر، ابتدا میزان غلظت گردوغبار خروجی از دودکش اصلی کارخانه سیمان به وسیله اندازهگیریهای میدانی به‌دست آمد. سپس با به‌کارگیری پارامترهای خط تولید (درجه حرارت، سرعت گاز خروجی، ولتاژ، سوخت، مواد خام و مدت زمان نمونهبرداری)، به عنوان دادههای ورودی به شبکههای عصبی، جهت پیشبینی میزان غلظت گردوغبار استفاده شد. مقادیر حاصل از اجرای مدلها، با نتایج اندازهگیریهای میدانی بهعنوان انتخاب مدل برتر، مورد مقایسه قرار گرفت. یافتهها: دربررسی نمودارها و پارامترهای آماری، مقادیر میانگین مربعات خطا برای دو مدل شبکههای عصبی پرسپترون و پایه شعاعی به‌ترتیب برابر 1/787 و 21/263 و مقادیر ضریب همبستگی به‌ترتیب برابر 0/99693 و 0/95811 بود که نشانگر خطای کمتر و همبستگی بیشتر مدل شبکههای عصبی پرسپترون نسبت به مدل پایه شعاعی در پیشبینی میزان غلظت گردوغبار بود. نتیجهگیری: به دلیل قابلیت بالای شبکه عصبی پرسپترون در پیشبینی میزان غلظت گردوغبار، این مدل میتواند یک راه‌حل مناسب و سریع در پیشبینی میزان گردوغبار صنایع باشد. |
 | امین‌طوسی, محمود بهبود روش درهم‌تنیدگی تصویر مبتنی بر یادگیری با درنظر‌گرفتن وزن‌های مختلف برای زمینه و پیش‌زمینه Journal Article فصل نامه علمی-پژوهشی پردازش علائم و داده ها , 1398. @article{mattingJSDP98, title = {بهبود روش درهم‌تنیدگی تصویر مبتنی بر یادگیری با درنظر‌گرفتن وزن‌های مختلف برای زمینه و پیش‌زمینه}, author = {محمود امین‌طوسی }, url = {http://jsdp.rcisp.ac.ir/article-1-797-fa.pdf}, year = {1398}, date = {1398-04-22}, booktitle = {فصلنامه علمی-پژوهشی پردازش علائم و دادهها}, journal = {فصل نامه علمی-پژوهشی پردازش علائم و داده ها }, publisher = {پردازش علائم و دادهها}, abstract = {استخراج دقیق پیش زمینه در تصویر، درهم‌تنیدگی تصویر نامیده میشود. از جمله روشهای معروف در این حوزه روش درهم‌تنیدگی مبتنی بر یادگیری است. در این شیوه دادههای آموزشیِ دو طبقه در قالب یک نقشه سه‌گانه که شامل نقاط آموزشی برچسب‌دار (زمینه و پیش‌زمینه) و نقاط بدون برچسب هستند، به سامانه داده میشوند. میزان تعلق هر پیکسل به زمینه یا پیش‌زمینه بر اساس دادههای آموزشی و کمینه‌سازی یک تابع هدف مشخص میشود. در تابع هدف تمامی کارهای منتشر‌شده، میزان جریمه تخطی از مقادیر درست برای دادههای آموزشی -خواه متعلق به زمینه باشند یا پیش‌زمینه- یکسان در نظر گرفته شده است. در این مقاله با درنظر‌گرفتن وزن متفاوت برای دادههای آموزشی دو طبقه، این شیوه بهبود داده شده و کارایی آن در دو کاربرد متفاوت، نشان داده شده است. کاربرد نخست، دقیق‌تر‌کردن جداسازی متن از تصویر و کاربرد دوم، دقیق‌تر‌کردن خروجی روشهای استخراج رگ‌های خونی شبکیه چشم در کناره‌های رگ‌های شناسایی‌شده است. در کاربرد نخست، متنی فارسی که بر روی زمینه دارای بافت ناهموار درج شده با یک روش معمول آستانه‌گذاری استخراج شده و سپس خروجی قطعه‌بندی‌شده با روش پیشنهادی دقیق‌تر شده است. در کاربرد دوم، ابتدا با یک روش موجود شناسایی رگ، قسمتهایی از تصویر که به‌احتمال زیاد متعلق به دو دسته رگ و غیر رگ هستند، برچسب‌گذاری میشوند. تعیین دقیق‌تر تعلق پیکسل‌های مرز رگ‌های استخراج‌شده به هر یک از دو دسته رگ یا غیر آن توسط روش پیشنهادی انجام میشود. نتایج کمّی و دیداری، کارایی شیوه پیشنهادی را نشان داده است.}, keywords = {}, pubstate = {published}, tppubtype = {article} } استخراج دقیق پیش زمینه در تصویر، درهم‌تنیدگی تصویر نامیده میشود. از جمله روشهای معروف در این حوزه روش درهم‌تنیدگی مبتنی بر یادگیری است. در این شیوه دادههای آموزشیِ دو طبقه در قالب یک نقشه سه‌گانه که شامل نقاط آموزشی برچسب‌دار (زمینه و پیش‌زمینه) و نقاط بدون برچسب هستند، به سامانه داده میشوند. میزان تعلق هر پیکسل به زمینه یا پیش‌زمینه بر اساس دادههای آموزشی و کمینه‌سازی یک تابع هدف مشخص میشود. در تابع هدف تمامی کارهای منتشر‌شده، میزان جریمه تخطی از مقادیر درست برای دادههای آموزشی -خواه متعلق به زمینه باشند یا پیش‌زمینه- یکسان در نظر گرفته شده است. در این مقاله با درنظر‌گرفتن وزن متفاوت برای دادههای آموزشی دو طبقه، این شیوه بهبود داده شده و کارایی آن در دو کاربرد متفاوت، نشان داده شده است. کاربرد نخست، دقیق‌تر‌کردن جداسازی متن از تصویر و کاربرد دوم، دقیق‌تر‌کردن خروجی روشهای استخراج رگ‌های خونی شبکیه چشم در کناره‌های رگ‌های شناسایی‌شده است. در کاربرد نخست، متنی فارسی که بر روی زمینه دارای بافت ناهموار درج شده با یک روش معمول آستانه‌گذاری استخراج شده و سپس خروجی قطعه‌بندی‌شده با روش پیشنهادی دقیق‌تر شده است. در کاربرد دوم، ابتدا با یک روش موجود شناسایی رگ، قسمتهایی از تصویر که به‌احتمال زیاد متعلق به دو دسته رگ و غیر رگ هستند، برچسب‌گذاری میشوند. تعیین دقیق‌تر تعلق پیکسل‌های مرز رگ‌های استخراج‌شده به هر یک از دو دسته رگ یا غیر آن توسط روش پیشنهادی انجام میشود. نتایج کمّی و دیداری، کارایی شیوه پیشنهادی را نشان داده است. |
1397 |
|
 | امین‌طوسی, محمود; خوشنویس, بابک افزایش سرعت بهینه‌سازی تُنُک با پردازش موازی روی GPU Inproceedings دومین سمینار کنترل و بهینه‌سازی, دانشگاه صنعتی شاهرود, 1397. @inproceedings{Khoshnevis97sparseOptWithGPU, title = {افزایش سرعت بهینه‌سازی تُنُک با پردازش موازی روی GPU}, author = {محمود امین‌طوسی and بابک خوشنویس}, url = {http://mamintoosi.ir/dl/pubs/1397-sco2-parallel-sparse-Khoshnevis.pdf http://mamintoosi.ir/dl/pubs/1397-sco2-parallel-sparse-Khoshnevis-presentation.pdf}, year = {1397}, date = {1397-08-25}, booktitle = {دومین سمینار کنترل و بهینه‌سازی}, address = {دانشگاه صنعتی شاهرود}, abstract = {امروزه بهینه‌سازی تُنک به عنوان یک مدل جدید و کارآمد در اکثر مسائل و مدل‌سازی‌ها مورد استفاده وسیع قرار می‌گیرد. اغلب حل این مسائل خصوصا در مورد دادههای حجیم با پیچیدگی محاسباتی بالا و کندی عملکرد همراه است. در چنین شرایطی موازی‌سازی راه‌کاری موثر تلقی می‌گردد. یکی از جدیدترین و موثرترین روشهای موازی‌سازی استفاده از پردازنده گرافیکی است. در این مقاله پیاده‌سازی الگوریتم جستجوی تطابقی روی پردازنده مرکزی با پیاده‌سازی آن روی پردازنده گرافیکی مورد مقایسه قرار گرفته است. این مقایسه توان محاسباتی بالا و عملکرد فوق‌العاده پردازنده گرافیکی را نشان می‌دهد.}, key = {139708}, keywords = {}, pubstate = {published}, tppubtype = {inproceedings} } امروزه بهینه‌سازی تُنک به عنوان یک مدل جدید و کارآمد در اکثر مسائل و مدل‌سازی‌ها مورد استفاده وسیع قرار می‌گیرد. اغلب حل این مسائل خصوصا در مورد دادههای حجیم با پیچیدگی محاسباتی بالا و کندی عملکرد همراه است. در چنین شرایطی موازی‌سازی راه‌کاری موثر تلقی می‌گردد. یکی از جدیدترین و موثرترین روشهای موازی‌سازی استفاده از پردازنده گرافیکی است. در این مقاله پیاده‌سازی الگوریتم جستجوی تطابقی روی پردازنده مرکزی با پیاده‌سازی آن روی پردازنده گرافیکی مورد مقایسه قرار گرفته است. این مقایسه توان محاسباتی بالا و عملکرد فوق‌العاده پردازنده گرافیکی را نشان می‌دهد. |
 | امین‌طوسی, محمود; بختی, پروین طبقه‌بندی دادهها با درهم‌تنیدگی تصویر Inproceedings دومین سمینار کنترل و بهینه‌سازی, دانشگاه صنعتی شاهرود, 1397. @inproceedings{Bakhti97knn, title = {طبقه‌بندی دادهها با درهم‌تنیدگی تصویر}, author = {محمود امین‌طوسی and پروین بختی}, year = {1397}, date = {1397-08-25}, booktitle = {دومین سمینار کنترل و بهینه‌سازی}, address = {دانشگاه صنعتی شاهرود}, key = {139708}, keywords = {}, pubstate = {published}, tppubtype = {inproceedings} } |
 | نعمتی, مهدی; امین‌طوسی, محمود; زعفرانیه, مهدی مقدار دهی اولیه گرادیان مزدوج در خوشه بندی طیفی با الگوریتم ژنتیک Inproceedings ششمین سمینار آنالیز هارمونیک و کاربردها, دانشگاه حکیم سبزواری, 1397. @inproceedings{Nemati96GA, title = {مقدار دهی اولیه گرادیان مزدوج در خوشه بندی طیفی با الگوریتم ژنتیک}, author = {مهدی نعمتی and محمود امین‌طوسی and مهدی زعفرانیه}, year = {1397}, date = {1397-08-25}, booktitle = {ششمین سمینار آنالیز هارمونیک و کاربردها}, address = {دانشگاه حکیم سبزواری}, key = {139611}, keywords = {}, pubstate = {published}, tppubtype = {inproceedings} } |
 | امین‌طوسی, محمود آشکار سازی رگ های خونی شیکیه چشم با روش های در هم تنیدگی تصویر Technical Report دانشگاه حکیم سبزواری 1397. @techreport{MAminToosi1396, title = {آشکار سازی رگ های خونی شیکیه چشم با روش های در هم تنیدگی تصویر}, author = {محمود امین‌طوسی}, url = {http://mamintoosi.ir/dl/pubs/1397-RetinaMattingReport-437.pdf}, year = {1397}, date = {1397-07-14}, institution = {دانشگاه حکیم سبزواری }, keywords = {}, pubstate = {published}, tppubtype = {techreport} } |
1396 |
|
 | عزتی, هاشم; امین‌طوسی, محمود; طبسی, هاشم یک حد بالا برای حداقل تعداد تطابقات درست در مسئله تطابق گراف با روشهای مبتنی بر جستجوی تصادفی Inproceedings چهل و هشتمین کنفرانس ریاضی ایران, همدان, 1396. @inproceedings{Ezzati96graph, title = {یک حد بالا برای حداقل تعداد تطابقات درست در مسئله تطابق گراف با روشهای مبتنی بر جستجوی تصادفی}, author = {هاشم عزتی and محمود امین‌طوسی and هاشم طبسی}, year = {1396}, date = {1396-06-03}, booktitle = {چهل و هشتمین کنفرانس ریاضی ایران}, address = {همدان}, key = {139606}, keywords = {}, pubstate = {published}, tppubtype = {inproceedings} } |
عصاران, آلاله; حامدی, راضیه; امین‌طوسی, محمود بهبود فراتفکیک پذیری با نمایش تنک Inproceedings چهارمین کنفرانس ملی فناوری اطلاعات،کامپیوتر و مخابرات, تربت حیدیریه, 1396. @inproceedings{Assaran96KSVD, title = {بهبود فراتفکیک پذیری با نمایش تنک}, author = {آلاله عصاران and راضیه حامدی and محمود امین‌طوسی}, year = {1396}, date = {1396-03-04}, booktitle = {چهارمین کنفرانس ملی فناوری اطلاعات،کامپیوتر و مخابرات}, address = {تربت حیدیریه}, keywords = {}, pubstate = {published}, tppubtype = {inproceedings} } | |
 | رضویان, سیدمحمدجواد; امین‌طوسی, محمود; طیبی, اکبر مقدمه‌ای بر زی‌پرشین و ریاضی‌نویسی در لاتک Book دانشگاه حکیم سبزواری, 1396. @book{xepersianBookRAT, title = {مقدمه‌ای بر زی‌پرشین و ریاضی‌نویسی در لاتک}, author = {سیدمحمدجواد رضویان and محمود امین‌طوسی and اکبر طیبی}, url = {http://parsilatex.com/site/product/xepersian-and-mathematical-writing-in-latex/ http://parsilatex.com/download/mmalbook.pdf}, year = {1396}, date = {1396-02-20}, publisher = {دانشگاه حکیم سبزواری}, abstract = {قشر دانشگاهی ایران برای نگارش متون علمی خود عموماً از نرم‌افزار میکروسافت ورد استفاده می‌کنند. تِک/لاتِک، یک سیستم بسیار قوی برای حروف‌چینی اسناد است که در ایران نسبت به ورد کمتر شناخته شده است. سیستم حروف‌چینی تِک، به عنوان یک نمونهٔ عالی، کم‌نقص و حتّی بی‌نظیر در سیستمهای نگارشی، به دلیل قدرت و زیبایی خاص آن در ریاضی‌نویسی در گروه‌های ریاضی کاملاً شناخته شده و مورد استفاده قرار گرفته و می‌گیرد. نسخه‌های فارسی شده‌ای از این سیستم تا قبل از سال ۱۳۸۷ موجود بودند که برخی نقطه ضعف‌های آنها موجب توقف گسترش آنها در یک دهه شده است. در راستای غلبه بر مشکلات سیستمهای فارسی موجود «زی‌پرشین»، در سال ۱۳۸۷ توسط وفا خلیقی به عنوان یک بسته لاتک پایه‌ریزی شد. قابلیت‌های فراوان زی‌پرشین موجب شد که به سرعت در جامعه دانشگاهی فراگیر شده و در حوزه‌های مختلف دانشگاهی همچون ریاضی، کامپیوتر، برق و فیزیک مورد استفاده محققین و دانشجویان قرار گیرد. در چند سال اخیر آثار پراکنده‌ای در خصوص نحوه استفاده از این سیستم منتشر شده‌اند، اما کمبود یک منبع فارسی یکپارچه که جوابگوی کاربران تازه‌کار و علاقمندان استفاده از زی‌پرشین باشد مشهود می‌نمود. مشوق نگارندگان -- که از جمله کاربران قدیمی زی‌پرشین هستند -- در نگارش این کتاب، پاسخ به این نیاز جامعه علمی و انتقال تجارب خود در استفاده از زی‌پرشین بود. در کتاب حاضر، پس از ارائه مقدماتی درخصوص سیستم تِک/لاتِک و بیان دستورات پایه‌ای لاتک، نحوه استفاده عملی از این سیستم آمده است. آشنایی با دستورات اصلی بسته زی‌پرشین، نحوه درست ریاضی‌نویسی، فرمول‌نویسی، چگونگی درج تصویر، نمودار، الگوریتم و مدیریت مراجع، مطالب بعدی کتاب می‌باشند. در راستای جوابگویی به نیازهای کاربران دانشگاهی، فصولی به نحوه نگارش متون ریاضی، مقاله‌نویسی، پایان‌نامه‌نویسی، تولید اسلاید و پوستر در لاتک و زی‌پرشین اختصاص یافته است. چگونگی نصب زی‌پرشین، مروری بر تاریخچه پیدایش زی‌پرشین، مقایسه آن با سایر سیستمهای فارسی شده لاتک و بررسی چند ویرایشگر معروف نیز از نظر دور نمانده است. درج مثال‌های متنوع، کتاب را کاربردی کرده است. علاوه بر مثال‌های ساده، در جای جای کتاب نمونه مثال‌های جالبی تحت عنوان «قدرت لاتک» گنجانده شده است. گرچه که توضیح برخی از این مثال‌ها از سطح کتاب حاضر فراترند، اما خواننده را با قابلیت‌هایی از لاتک آشنا میکند که عموماً کاربران فارسی‌زبان آگاه از این توانمندیها نیستند. کدمنبع این مثال‌ها در انتهای کتاب برای استفاده خواننده علاقمند آمده است. امیدورایم بتوانیم در فرصتی دیگر به شرح مفصل این امکانات پیشرفته بپردازیم. در حال حاضر در برخی دانشگاه‌ها نحوه حروف‌چینی با لاتک و زی‌پرشین در کنار درس‌هایی همچون «شیوه ارائه مطالب علمی و فنی»، «روش تحقیق» و «نرم‌افزار ریاضی» آموزش داده میشود. به جز موضوعات مرتبط با حروف‌چینی متن که مبحث اصلی کتاب است، نگاهی به چگونگی استخراج و درج اطلاعات کتاب‌شناختی در اسناد لاتک، بیان نسبتاً تفصیلی ریاضی‌نویسی، ذکر مبانی نگارش مقاله و پایان‌نامه از جمله دیگر مواردی است که کتاب حاضر را میتواند در جایگاه یک کتاب آموزشی در دروس فوق قرار دهد. زحمات فراوان وفا خلیقی در نوشتن و نگهداری از بسته زی‌پرشین بس ستودنی و شایسته تقدیر است. سپاس ویژه از ایشان داریم که با کار سترگ خود امکان فارسی‌نویسی در لاتک را به کاربران پارسی‌زبان هدیه نمودند. همچنین در راستای تالیف این کتاب از مطالب و مثال‌هایی که دوستانمان در گروه پارسی‌لاتک آماده کرده‌اند استفاده شده است؛ بدینوسیله از همه این دوستان سپاس‌گزاری می‌کنیم. با وجود سعی و تلاشی که در جهت تکمیل این کتاب به عمل آمده است، همانند هر تألیف جدیدی، عاری از اشتباه و نقصان نخواهد بود. لذا از کلیه پیشنهادهایی که در راستای رفع نواقص و تکمیل این کتاب ارائه شود استقبال خواهیم نمود. }, keywords = {}, pubstate = {published}, tppubtype = {book} } قشر دانشگاهی ایران برای نگارش متون علمی خود عموماً از نرم‌افزار میکروسافت ورد استفاده می‌کنند. تِک/لاتِک، یک سیستم بسیار قوی برای حروف‌چینی اسناد است که در ایران نسبت به ورد کمتر شناخته شده است. سیستم حروف‌چینی تِک، به عنوان یک نمونهٔ عالی، کم‌نقص و حتّی بی‌نظیر در سیستمهای نگارشی، به دلیل قدرت و زیبایی خاص آن در ریاضی‌نویسی در گروه‌های ریاضی کاملاً شناخته شده و مورد استفاده قرار گرفته و می‌گیرد. نسخه‌های فارسی شده‌ای از این سیستم تا قبل از سال ۱۳۸۷ موجود بودند که برخی نقطه ضعف‌های آنها موجب توقف گسترش آنها در یک دهه شده است. در راستای غلبه بر مشکلات سیستمهای فارسی موجود «زی‌پرشین»، در سال ۱۳۸۷ توسط وفا خلیقی به عنوان یک بسته لاتک پایه‌ریزی شد. قابلیت‌های فراوان زی‌پرشین موجب شد که به سرعت در جامعه دانشگاهی فراگیر شده و در حوزه‌های مختلف دانشگاهی همچون ریاضی، کامپیوتر، برق و فیزیک مورد استفاده محققین و دانشجویان قرار گیرد. در چند سال اخیر آثار پراکنده‌ای در خصوص نحوه استفاده از این سیستم منتشر شده‌اند، اما کمبود یک منبع فارسی یکپارچه که جوابگوی کاربران تازه‌کار و علاقمندان استفاده از زی‌پرشین باشد مشهود می‌نمود. مشوق نگارندگان -- که از جمله کاربران قدیمی زی‌پرشین هستند -- در نگارش این کتاب، پاسخ به این نیاز جامعه علمی و انتقال تجارب خود در استفاده از زی‌پرشین بود. در کتاب حاضر، پس از ارائه مقدماتی درخصوص سیستم تِک/لاتِک و بیان دستورات پایه‌ای لاتک، نحوه استفاده عملی از این سیستم آمده است. آشنایی با دستورات اصلی بسته زی‌پرشین، نحوه درست ریاضی‌نویسی، فرمول‌نویسی، چگونگی درج تصویر، نمودار، الگوریتم و مدیریت مراجع، مطالب بعدی کتاب می‌باشند. در راستای جوابگویی به نیازهای کاربران دانشگاهی، فصولی به نحوه نگارش متون ریاضی، مقاله‌نویسی، پایان‌نامه‌نویسی، تولید اسلاید و پوستر در لاتک و زی‌پرشین اختصاص یافته است. چگونگی نصب زی‌پرشین، مروری بر تاریخچه پیدایش زی‌پرشین، مقایسه آن با سایر سیستمهای فارسی شده لاتک و بررسی چند ویرایشگر معروف نیز از نظر دور نمانده است. درج مثال‌های متنوع، کتاب را کاربردی کرده است. علاوه بر مثال‌های ساده، در جای جای کتاب نمونه مثال‌های جالبی تحت عنوان «قدرت لاتک» گنجانده شده است. گرچه که توضیح برخی از این مثال‌ها از سطح کتاب حاضر فراترند، اما خواننده را با قابلیت‌هایی از لاتک آشنا میکند که عموماً کاربران فارسی‌زبان آگاه از این توانمندیها نیستند. کدمنبع این مثال‌ها در انتهای کتاب برای استفاده خواننده علاقمند آمده است. امیدورایم بتوانیم در فرصتی دیگر به شرح مفصل این امکانات پیشرفته بپردازیم. در حال حاضر در برخی دانشگاه‌ها نحوه حروف‌چینی با لاتک و زی‌پرشین در کنار درس‌هایی همچون «شیوه ارائه مطالب علمی و فنی»، «روش تحقیق» و «نرم‌افزار ریاضی» آموزش داده میشود. به جز موضوعات مرتبط با حروف‌چینی متن که مبحث اصلی کتاب است، نگاهی به چگونگی استخراج و درج اطلاعات کتاب‌شناختی در اسناد لاتک، بیان نسبتاً تفصیلی ریاضی‌نویسی، ذکر مبانی نگارش مقاله و پایان‌نامه از جمله دیگر مواردی است که کتاب حاضر را میتواند در جایگاه یک کتاب آموزشی در دروس فوق قرار دهد. زحمات فراوان وفا خلیقی در نوشتن و نگهداری از بسته زی‌پرشین بس ستودنی و شایسته تقدیر است. سپاس ویژه از ایشان داریم که با کار سترگ خود امکان فارسی‌نویسی در لاتک را به کاربران پارسی‌زبان هدیه نمودند. همچنین در راستای تالیف این کتاب از مطالب و مثال‌هایی که دوستانمان در گروه پارسی‌لاتک آماده کرده‌اند استفاده شده است؛ بدینوسیله از همه این دوستان سپاس‌گزاری می‌کنیم. با وجود سعی و تلاشی که در جهت تکمیل این کتاب به عمل آمده است، همانند هر تألیف جدیدی، عاری از اشتباه و نقصان نخواهد بود. لذا از کلیه پیشنهادهایی که در راستای رفع نواقص و تکمیل این کتاب ارائه شود استقبال خواهیم نمود. |
امین‌طوسی, محمود دقیق‌تر کردن استخراج رگ‌های خونی شبکیه چشم با روش درهم‌تنیدگی تصویر مبتنی بر نزدیک‌ترین همسایگی Inproceedings سومین کنفرانس بین المللی بازشناسی الگو و تحلیل تصویر ایران, دانشگاه شهرکرد, 1396. @inproceedings{Amintoosi96IPRIA-Matting, title = {دقیق‌تر کردن استخراج رگ‌های خونی شبکیه چشم با روش درهم‌تنیدگی تصویر مبتنی بر نزدیک‌ترین همسایگی}, author = {محمود امین‌طوسی}, year = {1396}, date = {1396-01-31}, booktitle = {سومین کنفرانس بین المللی بازشناسی الگو و تحلیل تصویر ایران}, address = {دانشگاه شهرکرد}, keywords = {}, pubstate = {published}, tppubtype = {inproceedings} } | |
 | حامدی, راضیه; امین‌طوسی, محمود; زعفرانیه, مهدی استفاده از نرم بلوکی در بهینه‌سازی تُنُک با کاربرد در فراتفکیک‌پذیری Inproceedings سومین کنفرانس بین المللی بازشناسی الگو و تحلیل تصویر ایران, دانشگاه شهرکرد, 1396. @inproceedings{Amintoosi96IPRIA-BlockNorm, title = {استفاده از نرم بلوکی در بهینه‌سازی تُنُک با کاربرد در فراتفکیک‌پذیری}, author = {راضیه حامدی and محمود امین‌طوسی and مهدی زعفرانیه}, url = {http://mamintoosi.ir/dl/pubs/1396-IPRIA2017-BlockNorm%20in%20SR.pdf http://mamintoosi.ir/dl/pubs/1396-IPRIA2017-BlockNorm%20in%20SR-Presentation.pdf}, year = {1396}, date = {1396-01-30}, booktitle = {سومین کنفرانس بین المللی بازشناسی الگو و تحلیل تصویر ایران}, address = {دانشگاه شهرکرد}, abstract = {در سالیان اخیر نمایش تنک کاربردهای متنوعی در پردازش سیگنال پیدا کرده است. در این نمایش هر سیگنال از ترکیب خطی تعداد محدودی از اتم های فرهنگ لغت بدست می آید. نتایج موفقیت آمیز نمایش تنک در زمینه های یادگیری ماشین، طبقه بندی تصاویر و فراتفکیک پذیری تصویر سبب شده است تا انواع روش های حل نمایشتنکمورد بررسی قرار گیرد. یکتفاوت اصلی این روش ها در نوع نُرم بکار گرفته شده در فرمول بندی مسئله می باشد. هدف از این نوشتار بررسی نُرم بلوکی برای حل نمایشتُنُکاست. برای این منظور چگونگی بکارگیری نُرم بلوکی در حل بهینه سازی تُنُک بیان شده و شیوه ی پیشنهادی با دو تا از روش های پایه ای بهینه سازی تُنُک مورد مقایسه قرار گرفته است. نتایج آزمایشات روی داده های مصنوعی و در کاربرد فراتفکیک پذیری کارایی روشپیشنهادی را نشان داده است.}, keywords = {}, pubstate = {published}, tppubtype = {inproceedings} } در سالیان اخیر نمایش تنک کاربردهای متنوعی در پردازش سیگنال پیدا کرده است. در این نمایش هر سیگنال از ترکیب خطی تعداد محدودی از اتم های فرهنگ لغت بدست می آید. نتایج موفقیت آمیز نمایش تنک در زمینه های یادگیری ماشین، طبقه بندی تصاویر و فراتفکیک پذیری تصویر سبب شده است تا انواع روش های حل نمایشتنکمورد بررسی قرار گیرد. یکتفاوت اصلی این روش ها در نوع نُرم بکار گرفته شده در فرمول بندی مسئله می باشد. هدف از این نوشتار بررسی نُرم بلوکی برای حل نمایشتُنُکاست. برای این منظور چگونگی بکارگیری نُرم بلوکی در حل بهینه سازی تُنُک بیان شده و شیوه ی پیشنهادی با دو تا از روش های پایه ای بهینه سازی تُنُک مورد مقایسه قرار گرفته است. نتایج آزمایشات روی داده های مصنوعی و در کاربرد فراتفکیک پذیری کارایی روشپیشنهادی را نشان داده است. |
امین‌طوسی, محمود; خورسندی, سکینه; زعفرانیه, مهدی ارزیابی عملکرد ماشین یادگیر نهایی در قطعه‌بندی تصاویر Inproceedings سومین کنفرانس بین المللی بازشناسی الگو و تحلیل تصویر ایران, دانشگاه شهرکرد, 1396. @inproceedings{Amintoosi96IPRIA-ELM, title = {ارزیابی عملکرد ماشین یادگیر نهایی در قطعه‌بندی تصاویر}, author = {محمود امین‌طوسی and سکینه خورسندی and مهدی زعفرانیه}, year = {1396}, date = {1396-01-30}, booktitle = {سومین کنفرانس بین المللی بازشناسی الگو و تحلیل تصویر ایران}, address = {دانشگاه شهرکرد}, keywords = {}, pubstate = {published}, tppubtype = {inproceedings} } | |
امین‌طوسی, محمود زی‌پرشین، فراتر از یک ابزار ریاضی‌نویسی Journal Article نشریه ریاضی و جامعه, ۲ (۲), pp. ۱-۱۷, 1396. @article{xepersianMSCI, title = {زی‌پرشین، فراتر از یک ابزار ریاضی‌نویسی}, author = {محمود امین‌طوسی}, year = {1396}, date = {1396-00-00}, journal = {نشریه ریاضی و جامعه}, volume = {۲}, number = {۲}, pages = {۱-۱۷}, address = {دانشگاه اصفهان}, key = {13960501}, keywords = {}, pubstate = {published}, tppubtype = {article} } | |
خلیقی, وفا; امین‌طوسی, محمود زی‌پرشین (łrXePersian) یک بسته‌ی حروف‌چینی پارسی در łrŁaTeXe (بخش دوم) Incollection خبرنامه انجمن ریاضی ایران, (۱۳۵-۱۳۶), pp. ۴۰۹, انجمن ریاضی ایران, 1396, (بهار و تابستان ۱۳۹۲). @incollection{Xepersian-IMS-1392, title = {زی‌پرشین (łrXePersian) یک بسته‌ی حروف‌چینی پارسی در łrŁaTeXe (بخش دوم)}, author = {وفا خلیقی and محمود امین‌طوسی}, url = {http://profs.hsu.ac.ir/mamintoosi/files/2013/12/Xepersian-IMS.pdf, PDF-Produced_with_XePersian http://hsc.hsu.ac.ir/public.php?service=files&t=461d50373811eab1277328259bdca414&download, PDF-Download-link2 http://www.parsilatex.com/joomla/attachments/article/209/Xepersian-IMS.pdf, PDF-Download-from-ParsiLaTeX-site http://www.ims.ir/files/publications/newsletter/ims_newsletter_134.pdf, IMS_newsletter_134.pdf http://www.ims.ir/files/publications/newsletter/ims_newsletter_135-136.pdf, IMS_newsletter_135-136.pdf}, year = {1396}, date = {1396-00-00}, booktitle = {خبرنامه انجمن ریاضی ایران}, number = {۱۳۵-۱۳۶}, pages = {۴۰۹}, publisher = {انجمن ریاضی ایران}, abstract = {زی‌پرشین دسته‌ای از ماکروهاست که حروف‌چینی پارسی را در لاتک ساده نموده و به عنوان یک بسته‌ی منبع باز از توانایی‌های بالایی برای حروف‌چینی برخوردار می‌باشد. در این نوشتار به معرفی زی‌پرشین، روند پیدایش و گسترش آن و مقایسه‌ی آن با سیستمهای مشابه پرداخته شده است. همچنین تلاش شده است ویژگی‌های اصلی، توانمندیها و ابزارهای وابسته به آن بیان شده و به پرسشهای معمول پیرامون آن پاسخ داده شود. هم‌اکنون افراد بسیاری از این بسته برای حروف‌چینی اسناد پارسی خود در لاتک بهره می‌برند و کاربرد آن در جامعه‌ی علمی ایران رو به گسترش است.}, note = {بهار و تابستان ۱۳۹۲}, keywords = {}, pubstate = {published}, tppubtype = {incollection} } زی‌پرشین دسته‌ای از ماکروهاست که حروف‌چینی پارسی را در لاتک ساده نموده و به عنوان یک بسته‌ی منبع باز از توانایی‌های بالایی برای حروف‌چینی برخوردار می‌باشد. در این نوشتار به معرفی زی‌پرشین، روند پیدایش و گسترش آن و مقایسه‌ی آن با سیستمهای مشابه پرداخته شده است. همچنین تلاش شده است ویژگی‌های اصلی، توانمندیها و ابزارهای وابسته به آن بیان شده و به پرسشهای معمول پیرامون آن پاسخ داده شود. هم‌اکنون افراد بسیاری از این بسته برای حروف‌چینی اسناد پارسی خود در لاتک بهره می‌برند و کاربرد آن در جامعه‌ی علمی ایران رو به گسترش است. | |
خلیقی, وفا; امین‌طوسی, محمود زی‌پرشین (łrXePersian) یک بسته‌ی حروف‌چینی پارسی در łrŁaTeXe (بخش اول) Incollection خبرنامه انجمن ریاضی ایران, (۱۳۴), pp. ۱۹-۲۳, انجمن ریاضی ایران, 1396, (زمستان ۱۳۹۱). @incollection{Xepersian-IMS-1391, title = {زی‌پرشین (łrXePersian) یک بسته‌ی حروف‌چینی پارسی در łrŁaTeXe (بخش اول)}, author = {وفا خلیقی and محمود امین‌طوسی}, url = {http://profs.hsu.ac.ir/mamintoosi/files/2013/12/Xepersian-IMS.pdf, PDF-Produced_with_XePersian http://hsc.hsu.ac.ir/public.php?service=files&t=461d50373811eab1277328259bdca414&download, PDF-Download-link2 http://www.parsilatex.com/joomla/attachments/article/209/Xepersian-IMS.pdf, PDF-Download-from-ParsiLaTeX-site http://www.ims.ir/files/publications/newsletter/ims_newsletter_134.pdf, IMS_newsletter_134.pdf http://www.ims.ir/files/publications/newsletter/ims_newsletter_135-136.pdf, IMS_newsletter_135-136.pdf}, year = {1396}, date = {1396-00-00}, booktitle = {خبرنامه انجمن ریاضی ایران}, number = {۱۳۴}, pages = {۱۹-۲۳}, publisher = {انجمن ریاضی ایران}, abstract = {زی‌پرشین دسته‌ای از ماکروهاست که حروف‌چینی پارسی را در لاتک ساده نموده و به عنوان یک بسته‌ی منبع باز از توانایی‌های بالایی برای حروف‌چینی برخوردار می‌باشد. در این نوشتار به معرفی زی‌پرشین، روند پیدایش و گسترش آن و مقایسه‌ی آن با سیستمهای مشابه پرداخته شده است. همچنین تلاش شده است ویژگی‌های اصلی، توانمندیها و ابزارهای وابسته به آن بیان شده و به پرسشهای معمول پیرامون آن پاسخ داده شود. هم‌اکنون افراد بسیاری از این بسته برای حروف‌چینی اسناد پارسی خود در لاتک بهره می‌برند و کاربرد آن در جامعه‌ی علمی ایران رو به گسترش است.}, note = {زمستان ۱۳۹۱}, keywords = {}, pubstate = {published}, tppubtype = {incollection} } زی‌پرشین دسته‌ای از ماکروهاست که حروف‌چینی پارسی را در لاتک ساده نموده و به عنوان یک بسته‌ی منبع باز از توانایی‌های بالایی برای حروف‌چینی برخوردار می‌باشد. در این نوشتار به معرفی زی‌پرشین، روند پیدایش و گسترش آن و مقایسه‌ی آن با سیستمهای مشابه پرداخته شده است. همچنین تلاش شده است ویژگی‌های اصلی، توانمندیها و ابزارهای وابسته به آن بیان شده و به پرسشهای معمول پیرامون آن پاسخ داده شود. هم‌اکنون افراد بسیاری از این بسته برای حروف‌چینی اسناد پارسی خود در لاتک بهره می‌برند و کاربرد آن در جامعه‌ی علمی ایران رو به گسترش است. | |
1395 |
|
فرهادی, راضیه; فر, مجتبي هادوي; الدینی, مظاهر معین; امین‌طوسی, محمود پیش بینی غلظت آلاینده های هوای شهر تهران بر اساس عوامل اقلیمی با استفاده از شبکه عصبی مصنوعی Inproceedings سومین همایش یافته های نوین در محیط زیست و اکوسیستم های کشاورزی, دانشگاه تهران, 1395. @inproceedings{Farhadi95ANN, title = {پیش بینی غلظت آلاینده های هوای شهر تهران بر اساس عوامل اقلیمی با استفاده از شبکه عصبی مصنوعی}, author = {راضیه فرهادی and مجتبي هادوي فر and مظاهر معین الدینی and محمود امین‌طوسی}, year = {1395}, date = {1395-02-01}, booktitle = {سومین همایش یافته های نوین در محیط زیست و اکوسیستم های کشاورزی}, address = {دانشگاه تهران}, keywords = {}, pubstate = {published}, tppubtype = {inproceedings} } | |
1394 |
|
 | امین‌طوسی, محمود; رشیدآبادی, فرزانه آشکارسازی بهتر شریان‌های کرونری قلب با یادگیری نیمه‌نظارتی‌خودکار Inproceedings هشتمین کنفرانس بین‌المللی انجمن ایرانی تحقیق در عملیات, دانشگاه فردوسی مشهد, 1394. @inproceedings{Amintoosi94matting, title = {آشکارسازی بهتر شریان‌های کرونری قلب با یادگیری نیمه‌نظارتی‌خودکار}, author = {محمود امین‌طوسی and فرزانه رشیدآبادی}, year = {1394}, date = {1394-08-25}, booktitle = {هشتمین کنفرانس بین‌المللی انجمن ایرانی تحقیق در عملیات}, address = {دانشگاه فردوسی مشهد}, abstract = {تخمین درست میزان گرفتگی شریان‌های کرونری اهمیت به سزایی در تشخیص و درمان بیماریهای قلبی دارد. تصاویر آنژیوگرافی مرتبط با این شریان‌ها عموماً به نحوی هستند که در برخی نواحی رگ‌ها به خوبی مشهود نیستند. در این مقاله با استفاده از رگرسیون ریج در یک فرآیند یادگیری نیمه‌نظارتی، آشکارسازی بهتر شریان‌ها انجام شده است. به این منظور ابتدا قسمتهایی از تصویر که به احتمال زیاد متعلق به شریان‌های قلب هستند و همچنین آن نواحی که به احتمال زیاد متعلق به شریان‌های قلب نیستند با یک روش خودکار شناسایی میشوند. تعیین تعلق نواحی باقیمانده تصویر به هر یک از دو دسته شریان یا غیر آن با استفاده از نواحی شناسایی شده مرحله قبل -به عنوان دادههای آموزشی- به عهده یک تابع هدف است که کمینه‌سازی آن با استفاده از رگرسیون ریج انجام شده است. نتایج آزمایشان انجام شده کارایی روش مورد استفاده را نشان داده است.}, keywords = {}, pubstate = {published}, tppubtype = {inproceedings} } تخمین درست میزان گرفتگی شریان‌های کرونری اهمیت به سزایی در تشخیص و درمان بیماریهای قلبی دارد. تصاویر آنژیوگرافی مرتبط با این شریان‌ها عموماً به نحوی هستند که در برخی نواحی رگ‌ها به خوبی مشهود نیستند. در این مقاله با استفاده از رگرسیون ریج در یک فرآیند یادگیری نیمه‌نظارتی، آشکارسازی بهتر شریان‌ها انجام شده است. به این منظور ابتدا قسمتهایی از تصویر که به احتمال زیاد متعلق به شریان‌های قلب هستند و همچنین آن نواحی که به احتمال زیاد متعلق به شریان‌های قلب نیستند با یک روش خودکار شناسایی میشوند. تعیین تعلق نواحی باقیمانده تصویر به هر یک از دو دسته شریان یا غیر آن با استفاده از نواحی شناسایی شده مرحله قبل -به عنوان دادههای آموزشی- به عهده یک تابع هدف است که کمینه‌سازی آن با استفاده از رگرسیون ریج انجام شده است. نتایج آزمایشان انجام شده کارایی روش مورد استفاده را نشان داده است. |
 | امین‌طوسی, محمود طراحی و پیاده سازی کلاس پایان نامه دانشگاه حکیم سبزواری در زی پرشین Technical Report دانشگاه حکیم سبزواری 1394. @techreport{MAminToosi96, title = {طراحی و پیاده سازی کلاس پایان نامه دانشگاه حکیم سبزواری در زی پرشین}, author = {محمود امین‌طوسی }, url = {http://mamintoosi.ir/dl/pubs/1394-HSUThesisReport.pdf}, year = {1394}, date = {1394-06-18}, institution = {دانشگاه حکیم سبزواری }, abstract = {ایجاد یک کلاس لاتک برای حروف چینی پایان نامه های دانشگاه حکیم سبزواری، هدف اصلی این طرح است.}, keywords = {}, pubstate = {published}, tppubtype = {techreport} } ایجاد یک کلاس لاتک برای حروف چینی پایان نامه های دانشگاه حکیم سبزواری، هدف اصلی این طرح است. |
امین‌طوسی, محمود; فیاض, طیبه محاسبه پارامترهای خوشه‌بندی طیفی در تصاویر łrMRI با الگوریتم ژنتیک Inproceedings هشتمین کنفرانس بین‌المللی انجمن ایرانی تحقیق در عملیات, دانشگاه فردوسی مشهد, 1394. @inproceedings{Amintoosi94spectral, title = {محاسبه پارامترهای خوشه‌بندی طیفی در تصاویر łrMRI با الگوریتم ژنتیک}, author = {محمود امین‌طوسی and طیبه فیاض}, year = {1394}, date = {1394-03-01}, booktitle = {هشتمین کنفرانس بین‌المللی انجمن ایرانی تحقیق در عملیات}, address = {دانشگاه فردوسی مشهد}, keywords = {}, pubstate = {published}, tppubtype = {inproceedings} } | |
1393 |
|
رضازاده, معصومه; امین‌طوسی, محمود; زعفرانیه, مهدی مسئله مکان‌یابی łrp -هاب با ظرفیت نامتناهی در حضور صف łrM/G/1 Inproceedings چهل و پنجمین کنفرانس ریاضی ایران, سمنان, 1393. @inproceedings{Rezazadeh93hub, title = {مسئله مکان‌یابی łrp -هاب با ظرفیت نامتناهی در حضور صف łrM/G/1}, author = {معصومه رضازاده and محمود امین‌طوسی and مهدی زعفرانیه}, url = {http://mamintoosi.ir/dl/pubs/1393-Hub-MG1-Rezazadeh.pdf}, year = {1393}, date = {1393-06-04}, booktitle = {چهل و پنجمین کنفرانس ریاضی ایران}, address = {سمنان}, abstract = {مسئله مکان‌یابی هاب یک تعمیم نسبتاً جدید از مسائل مکان‌یابی است. این مسائل با پیدا کردن مکان‌های هاب و تخصیص نقاط تقاضا به این مکان‌ها سرو کار دارد.ما هاب‌ها را که بخش‌های پر ازدحام شبکه هستند، همانند یک صف M/G/1 مدل‌بندی می‌کنیم. در این مقاله ابتدا یک برنامه‌ریزی غیر خطی با محدودیت‌های خطی برای مسئله نمایش می‌دهیم که زمان کلی حمل و نقل بین گره‌های شبکه را مینیمم میکند، سپس این مسئله را با استفاده از الگوریتم ژنتیک حل می‌کنیم و با الگوریتم جستجوی ممنوعه مقایسه می‌کنیم.}, keywords = {}, pubstate = {published}, tppubtype = {inproceedings} } مسئله مکان‌یابی هاب یک تعمیم نسبتاً جدید از مسائل مکان‌یابی است. این مسائل با پیدا کردن مکان‌های هاب و تخصیص نقاط تقاضا به این مکان‌ها سرو کار دارد.ما هاب‌ها را که بخش‌های پر ازدحام شبکه هستند، همانند یک صف M/G/1 مدل‌بندی می‌کنیم. در این مقاله ابتدا یک برنامه‌ریزی غیر خطی با محدودیت‌های خطی برای مسئله نمایش می‌دهیم که زمان کلی حمل و نقل بین گره‌های شبکه را مینیمم میکند، سپس این مسئله را با استفاده از الگوریتم ژنتیک حل می‌کنیم و با الگوریتم جستجوی ممنوعه مقایسه می‌کنیم. | |
شاهی, سمیرا; امین‌طوسی, محمود; زعفرانیه, مهدی مقایسه سه روش فراابتکاری در حل łrUFLP Inproceedings هفتمین کنفرانس بین‌المللی انجمن ایرانی تحقیق در عملیات, سمنان, 1393. @inproceedings{Shahi93UFLP, title = {مقایسه سه روش فراابتکاری در حل łrUFLP}, author = {سمیرا شاهی and محمود امین‌طوسی and مهدی زعفرانیه}, year = {1393}, date = {1393-03-25}, booktitle = {هفتمین کنفرانس بین‌المللی انجمن ایرانی تحقیق در عملیات}, address = {سمنان}, abstract = {در مسأله مکان‌یابی مراکز سرویس‌دهنده با ظرفیت نامحدود، هدف کمینه کردن هزینه‌های سرویس‌دهی می‌باشد. این مسأله از نوع łrNP-hard بوده و روشهای فراابتکاری راه‌حل‌های خوبی، در زمان معقول برای این مسائل ارائه می‌نمایند. در این مقاله، سه روش جست‌وجوی تابو، الگوریتم ژنتیک و الگوریتم انبوه‌سازی(ازدحام) ذرات تحت شرایط یکسان پیاده‌سازی شده و نتایج به‌دست آمده با شیوهی جدیدی مورد مقایسه قرار گرفته‌اند. نتایج آزمایشات نشان داده است که به طور کلی الگوریتم ژنتیک روش بهتری برای حل این مسأله است.}, keywords = {}, pubstate = {published}, tppubtype = {inproceedings} } در مسأله مکان‌یابی مراکز سرویس‌دهنده با ظرفیت نامحدود، هدف کمینه کردن هزینه‌های سرویس‌دهی می‌باشد. این مسأله از نوع łrNP-hard بوده و روشهای فراابتکاری راه‌حل‌های خوبی، در زمان معقول برای این مسائل ارائه می‌نمایند. در این مقاله، سه روش جست‌وجوی تابو، الگوریتم ژنتیک و الگوریتم انبوه‌سازی(ازدحام) ذرات تحت شرایط یکسان پیاده‌سازی شده و نتایج به‌دست آمده با شیوهی جدیدی مورد مقایسه قرار گرفته‌اند. نتایج آزمایشات نشان داده است که به طور کلی الگوریتم ژنتیک روش بهتری برای حل این مسأله است. | |
 | حسینی, فاطمه‌سادات; امین‌طوسی, محمود برش کمینه‌ی گراف با شبیه‌سازی تبریدی Inproceedings هفتمین کنفرانس بین‌المللی انجمن ایرانی تحقیق در عملیات, pp. ۲, دانشگاه سمنان سمنان, 1393. @inproceedings{Hoseini93mincutSA, title = {برش کمینه‌ی گراف با شبیه‌سازی تبریدی}, author = {فاطمه‌سادات حسینی and محمود امین‌طوسی}, url = {http://mamintoosi.ir/dl/pubs/1393-mincut-sa-fsh.pdf}, year = {1393}, date = {1393-03-25}, booktitle = {هفتمین کنفرانس بین‌المللی انجمن ایرانی تحقیق در عملیات}, pages = {۲}, address = {سمنان}, organization = {دانشگاه سمنان}, abstract = {در مسئله برش مینیمم هدف مینیمم کردن ظرفیت یالهای برش است. از روشهای تقریبی حل این مسائل میتوان به الگوریتم کارگِر اشاره کرد. که از تلفیق لبه ها به صورت تصادفی استفاده میکند .در این مقاله از شبیه‌سازی تبریدی برای حل این مسئله استفاده شده است و نتایج آن با روش کارگِر مقایسه شده است. نتایج آزمایشات برتری روش پیشنهادی را نسبت به روش کارگِر از منظر سرعت اجرا، نرخ همگرایی و میانگین خطا نشان داده است.}, keywords = {}, pubstate = {published}, tppubtype = {inproceedings} } در مسئله برش مینیمم هدف مینیمم کردن ظرفیت یالهای برش است. از روشهای تقریبی حل این مسائل میتوان به الگوریتم کارگِر اشاره کرد. که از تلفیق لبه ها به صورت تصادفی استفاده میکند .در این مقاله از شبیه‌سازی تبریدی برای حل این مسئله استفاده شده است و نتایج آن با روش کارگِر مقایسه شده است. نتایج آزمایشات برتری روش پیشنهادی را نسبت به روش کارگِر از منظر سرعت اجرا، نرخ همگرایی و میانگین خطا نشان داده است. |
 | حسینی, فاطمه‌سادات; امین‌طوسی, محمود برش کمینه‌ی گراف باجستجوی ممنوعه Inproceedings هفتمین کنفرانس بین‌المللی انجمن ایرانی تحقیق در عملیات, سمنان, 1393. @inproceedings{Hoseini93mincutTS, title = {برش کمینه‌ی گراف باجستجوی ممنوعه}, author = {فاطمه‌سادات حسینی and محمود امین‌طوسی}, year = {1393}, date = {1393-03-25}, booktitle = {هفتمین کنفرانس بین‌المللی انجمن ایرانی تحقیق در عملیات}, address = {سمنان}, abstract = {در مسئله برش مینیمم هدف مینیمم کردن ظرفیت یالهای برش است. از روشهای تقریبی حل این مسائل میتوان به الگوریتم کارگِر اشاره کرد. که از تلفیق لبه ها به صورت تصادفی استفاده میکند .در این مقاله از جستجوی ممنوعه برای حل این مسئله استفاده شده است و نتایج آن با روش کارگِر مقایسه شده است. نتایج آزمایشات برتری روش پیشنهادی را نسبت به روش کارگِر از منظر سرعت اجرا، نرخ همگرایی و میانگین خطا نشان داده است.}, keywords = {}, pubstate = {published}, tppubtype = {inproceedings} } در مسئله برش مینیمم هدف مینیمم کردن ظرفیت یالهای برش است. از روشهای تقریبی حل این مسائل میتوان به الگوریتم کارگِر اشاره کرد. که از تلفیق لبه ها به صورت تصادفی استفاده میکند .در این مقاله از جستجوی ممنوعه برای حل این مسئله استفاده شده است و نتایج آن با روش کارگِر مقایسه شده است. نتایج آزمایشات برتری روش پیشنهادی را نسبت به روش کارگِر از منظر سرعت اجرا، نرخ همگرایی و میانگین خطا نشان داده است. |
1392 |
|
مقیمی, مهدی; امین‌طوسی, محمود تشخیص ناحیه چربی در تصاویر łrMRI با استفاده از شبكه عصبی با كوپلاژ پالسی Inproceedings پنجمین کنفرانس ملی مهندسی برق و الکترونیک ایران, گناباد, 1392. @inproceedings{Moghimi92MRIPCNN, title = {تشخیص ناحیه چربی در تصاویر łrMRI با استفاده از شبكه عصبی با كوپلاژ پالسی}, author = {مهدی مقیمی and محمود امین‌طوسی}, year = {1392}, date = {1392-05-30}, booktitle = {پنجمین کنفرانس ملی مهندسی برق و الکترونیک ایران}, address = {گناباد}, abstract = {شناسایی ناحیه مرتبط با یک بافت خاص اهمیت زیادی در پزشکی و فیزیولوژی دارد. در این مقاله راهكاری برای تشخیص و جداسازی ناحیه چربی در تصاویر MRI ران پا مبتنی بر شبکه عصبی با کوپلاژ پالسی ارائه شده است . هدف اصلی سنجش میزان تاثیر ورزشهای خاص در کاهش یا افزایش حجم چربی ران بوده است. الگوریتمهای متفاوتی برای این كار پیاده‌سازی و مورد استفاده قرار گرفت. نتایج آزمایشات انجام شده نشان داد که برای این کاربرد خاص، شبكه عصبی با كوپلاژ پالسی، بهترین نتیجه قطعه‌بندی را بدست می‌دهد.}, keywords = {}, pubstate = {published}, tppubtype = {inproceedings} } شناسایی ناحیه مرتبط با یک بافت خاص اهمیت زیادی در پزشکی و فیزیولوژی دارد. در این مقاله راهكاری برای تشخیص و جداسازی ناحیه چربی در تصاویر MRI ران پا مبتنی بر شبکه عصبی با کوپلاژ پالسی ارائه شده است . هدف اصلی سنجش میزان تاثیر ورزشهای خاص در کاهش یا افزایش حجم چربی ران بوده است. الگوریتمهای متفاوتی برای این كار پیاده‌سازی و مورد استفاده قرار گرفت. نتایج آزمایشات انجام شده نشان داد که برای این کاربرد خاص، شبكه عصبی با كوپلاژ پالسی، بهترین نتیجه قطعه‌بندی را بدست می‌دهد. | |
1391 |
|
تیرانداز, حامد; امین‌طوسی, محمود بهینه سازی الگوریتم łrBoyer Moore Inproceedings اولین همایش ملی کاربرد سیستمهای هوشمند (محاسبات نرم) در علوم و صنایع, قوچان, 1391. @inproceedings{Tirandaz92Boyer, title = {بهینه سازی الگوریتم łrBoyer Moore}, author = {حامد تیرانداز and محمود امین‌طوسی}, year = {1391}, date = {1391-12-15}, booktitle = {اولین همایش ملی کاربرد سیستمهای هوشمند (محاسبات نرم) در علوم و صنایع}, address = {قوچان}, abstract = {تطبیق رشته در واقع همان جستجوی یک عبارت دلخواه در یک متن می باشد که یک مسئله اساسی درعلوم کامپیوتر می باشد و الگوریتم های زیادی در این زمینه ارائه شده و مورد استفاده قرار گرفته اند. یک الگوریتم اساسی در این زمینه می باشد در این مقاله ما با BoyerMoore از آنجایی که الگوریتم بسط مرتبه دوم این الگوریتم و استفاده کردن از بخش تطابق یافته در جستجوی مرحله قبلی الگوریتمی را ارائه نموده ایم که با دارا بودن شرایط خاصی دارای پیچیدگی زمانی بسیار کمتری نسبت به الگوریتم های جستجوی متن قبلی می باشد}, keywords = {}, pubstate = {published}, tppubtype = {inproceedings} } تطبیق رشته در واقع همان جستجوی یک عبارت دلخواه در یک متن می باشد که یک مسئله اساسی درعلوم کامپیوتر می باشد و الگوریتم های زیادی در این زمینه ارائه شده و مورد استفاده قرار گرفته اند. یک الگوریتم اساسی در این زمینه می باشد در این مقاله ما با BoyerMoore از آنجایی که الگوریتم بسط مرتبه دوم این الگوریتم و استفاده کردن از بخش تطابق یافته در جستجوی مرحله قبلی الگوریتمی را ارائه نموده ایم که با دارا بودن شرایط خاصی دارای پیچیدگی زمانی بسیار کمتری نسبت به الگوریتم های جستجوی متن قبلی می باشد | |
1390 |
|
 | شیدا, مهدی; اختیار, حسام; امین‌طوسی, محمود الگوریتمی واحد برای ناحیه بندی انواع تصاویر پزشکی Inproceedings دومین كنفرانس ملی محاسبات نرم و فن آوری اطلاعات, ماهشهر, 1390. @inproceedings{Sheida90Unified, title = {الگوریتمی واحد برای ناحیه بندی انواع تصاویر پزشکی}, author = {مهدی شیدا and حسام اختیار and محمود امین‌طوسی}, year = {1390}, date = {1390-12-10}, booktitle = {دومین كنفرانس ملی محاسبات نرم و فن آوری اطلاعات}, address = {ماهشهر}, abstract = {تصاویر تشدید مغناطیسی و ماموگرافی ابزارهای تشخیصی قدرتمندی برای آشکارسازی انواع ضایعات و سرطانها در مراحل اولیه بیماری هستند. در این مقاله یک روش ترکیبی جدید برای استخراج این نواحی با استفاده از الگوریتم Saliency معرفی می‌کنیم. الگوریتم مطرح شده نحوه درمان را برای پزشک تسهیل میکند. ما برخی از روشهای ناحیه بندی تصویر را با الگوریتم Saliency ترکیب نموده‌ایم که از میان آنان* ترکیب الگوریتم ناحیه بندی PCNN و روش پیشنهادی دارای بهترین تشخیص می‌باشد.}, keywords = {}, pubstate = {published}, tppubtype = {inproceedings} } تصاویر تشدید مغناطیسی و ماموگرافی ابزارهای تشخیصی قدرتمندی برای آشکارسازی انواع ضایعات و سرطانها در مراحل اولیه بیماری هستند. در این مقاله یک روش ترکیبی جدید برای استخراج این نواحی با استفاده از الگوریتم Saliency معرفی می‌کنیم. الگوریتم مطرح شده نحوه درمان را برای پزشک تسهیل میکند. ما برخی از روشهای ناحیه بندی تصویر را با الگوریتم Saliency ترکیب نموده‌ایم که از میان آنان* ترکیب الگوریتم ناحیه بندی PCNN و روش پیشنهادی دارای بهترین تشخیص می‌باشد. |
1388 |
|
 | امین‌طوسی, م; فتحی, م; مزینی, ن آمیختن بدون درزِ تصاویر، مبتنی بر همرنگ‌سازی چند بانده و تبدیل موجک Inproceedings پانزدهمین کنفرانس ملی سالانه انجمن کامپیوتر ایران, مرکز توسعه فناوری نیرو تهران، ایران, 1388. @inproceedings{Amintoosi88amikhtan, title = {آمیختن بدون درزِ تصاویر، مبتنی بر همرنگ‌سازی چند بانده و تبدیل موجک}, author = {م امین‌طوسی and م فتحی and ن مزینی}, year = {1388}, date = {1388-12-03}, booktitle = {پانزدهمین کنفرانس ملی سالانه انجمن کامپیوتر ایران}, address = {تهران، ایران}, organization = {مرکز توسعه فناوری نیرو}, keywords = {}, pubstate = {published}, tppubtype = {inproceedings} } |
امین‌طوسی, م; فتحی, م; مزینی, ن افزایش وضوح ناحیه‌ای Inproceedings چهاردهمین کنفرانس ملی سالانه انجمن کامپیوتر ایران, دانشگاه امیرکبیر تهران، ایران, 1388. @inproceedings{Amintoosi87afzayesh, title = {افزایش وضوح ناحیه‌ای}, author = {م امین‌طوسی and م فتحی and ن مزینی}, year = {1388}, date = {1388-08-12}, booktitle = {چهاردهمین کنفرانس ملی سالانه انجمن کامپیوتر ایران}, address = {تهران، ایران}, organization = {دانشگاه امیرکبیر}, keywords = {}, pubstate = {published}, tppubtype = {inproceedings} } | |
امین‌طوسی, م; فتحی, م; مزینی, ن ثبت تصویر مبتنی بر شباهت ساختاری تصاویر با کاربرد در وضوح برتر Inproceedings هفدهمین کنفرانس مهندسی برق ایران, pp. ۴۰۱-۴۰۶, دانشگاه علم و صنعت ایران تهران، ایران, 1388. @inproceedings{Amintoosi88sabtetasvir, title = {ثبت تصویر مبتنی بر شباهت ساختاری تصاویر با کاربرد در وضوح برتر}, author = {م امین‌طوسی and م فتحی and ن مزینی}, year = {1388}, date = {1388-02-24}, booktitle = {هفدهمین کنفرانس مهندسی برق ایران}, pages = {۴۰۱-۴۰۶}, address = {تهران، ایران}, organization = {دانشگاه علم و صنعت ایران}, keywords = {}, pubstate = {published}, tppubtype = {inproceedings} } | |
1387 |
|
امین‌طوسی, م; others, استفاده از تجزیه ماتریس در وضوح برتر برای مواجهه با اشیاء متحرک Inproceedings پنجمین کنفرانس پردازش تصویر و بینائی ماشین, pp. ۱۷۲-۱۷۸, دانشگاه تبریز تبریز، ایران, 1387. @inproceedings{Amintoosi08using, title = {استفاده از تجزیه ماتریس در وضوح برتر برای مواجهه با اشیاء متحرک}, author = {م امین‌طوسی and others}, year = {1387}, date = {1387-08-16}, booktitle = {پنجمین کنفرانس پردازش تصویر و بینائی ماشین}, pages = {۱۷۲-۱۷۸}, address = {تبریز، ایران}, organization = {دانشگاه تبریز}, keywords = {}, pubstate = {published}, tppubtype = {inproceedings} } | |
1385 |
|
صدوقی‌یزدی, هchar"200D.; امین‌طوسی, م; فتحی, م شناسایی حالت چهره با استفاده از پایگاه دادهٔ مكانی- زمانی łrQIM و łrITMI Inproceedings چهارمین کنفرانس بینائی ماشین و پردازش تصویر ایران, دانشگاه فردوسی مشهد مشهد، ایران, 1385. @inproceedings{Sadoghi07facial, title = {شناسایی حالت چهره با استفاده از پایگاه دادهٔ مكانی- زمانی łrQIM و łrITMI}, author = {هchar"200D. صدوقی‌یزدی and م امین‌طوسی and م فتحی}, year = {1385}, date = {1385-12-08}, booktitle = {چهارمین کنفرانس بینائی ماشین و پردازش تصویر ایران}, address = {مشهد، ایران}, organization = {دانشگاه فردوسی مشهد}, keywords = {}, pubstate = {published}, tppubtype = {inproceedings} } | |
فتحی, م; others, مروری بر تحقیقات انجام شده در زمینه ی پیشگیری از تصادف Inproceedings هفتمین كنفرانس مهندسی حمل و نقل و ترافیك ایران, سازمان حمل و نقل و ترافیك تهران تهران، ایران, 1385. @inproceedings{Fathy07TTC7a, title = {مروری بر تحقیقات انجام شده در زمینه ی پیشگیری از تصادف}, author = {م فتحی and others}, url = {\"http://www.civilica.com/Paper-TTC07-TTC07_061.html\"}, year = {1385}, date = {1385-12-07}, booktitle = {هفتمین كنفرانس مهندسی حمل و نقل و ترافیك ایران}, address = {تهران، ایران}, organization = {سازمان حمل و نقل و ترافیك تهران}, keywords = {}, pubstate = {published}, tppubtype = {inproceedings} } | |
فتحی, م; others, مروری بر کاربردهای بینائی ماشین و سیستمهای پیاده سازی شده در حمل ونقل و ترافیک Inproceedings هفتمین كنفرانس مهندسی حمل و نقل و ترافیك ایران, سازمان حمل و نقل و ترافیك تهران تهران, 1385. @inproceedings{Fathy07TTC7b, title = {مروری بر کاربردهای بینائی ماشین و سیستمهای پیاده سازی شده در حمل ونقل و ترافیک}, author = {م فتحی and others}, url = {\"http://www.civilica.com/Paper-TTC07-TTC07_060.html\"}, year = {1385}, date = {1385-12-07}, booktitle = {هفتمین كنفرانس مهندسی حمل و نقل و ترافیك ایران}, address = {تهران}, organization = {سازمان حمل و نقل و ترافیك تهران}, keywords = {}, pubstate = {published}, tppubtype = {inproceedings} } | |
صدوقی‌یزدی, هchar"200D.; امین‌طوسی, م; فتحی, م روشِ جدیدِ پشته‌سازیِ مكانی-زمانیِ حركت در تصاویر ویدیویی و استفاده از آن در شناسایی حالت چهره Inproceedings اولین کنفرانس ملی مهندسی برق, دانشگاه آزاد اسلامی واحد گناباد گناباد، ایران, 1385. @inproceedings{Sadoghi06anew, title = {روشِ جدیدِ پشته‌سازیِ مكانی-زمانیِ حركت در تصاویر ویدیویی و استفاده از آن در شناسایی حالت چهره}, author = {هchar"200D. صدوقی‌یزدی and م امین‌طوسی and م فتحی}, year = {1385}, date = {1385-04-04}, booktitle = {اولین کنفرانس ملی مهندسی برق}, address = {گناباد، ایران}, organization = {دانشگاه آزاد اسلامی واحد گناباد}, keywords = {}, pubstate = {published}, tppubtype = {inproceedings} } | |
1382 |
|
امین‌طوسی, م; صدوقی‌یزدی, هchar"200D. کلاسه‌بندی فازی بهینه دانشجویان با استفاده از یک تابع فازی در حل مسئله برنامه‌ریزی ژنتیکی دروس هفتگی دانشگاه Inproceedings نهمین كنفرانس سالانه انجمن كامپیوتر ایران, pp. 345-352, دانشگاه صنعتی شریف تهران، ایران, 1382. @inproceedings{Amintoosi04optimum, title = {کلاسه‌بندی فازی بهینه دانشجویان با استفاده از یک تابع فازی در حل مسئله برنامه‌ریزی ژنتیکی دروس هفتگی دانشگاه}, author = {م امین‌طوسی and هchar"200D. صدوقی‌یزدی}, year = {1382}, date = {1382-12-07}, booktitle = {نهمین كنفرانس سالانه انجمن كامپیوتر ایران}, pages = {345-352}, address = {تهران، ایران}, organization = {دانشگاه صنعتی شریف}, keywords = {}, pubstate = {published}, tppubtype = {inproceedings} } | |
1379 |
|
منصفی, ر; امین‌طوسی, م جورچینی قطعات راست گوشه با استفاده از شبكه های عصبی و الگوریتم ژنتیك Inproceedings پنجمین کنفرانس سالانه انجمن کامپیوتر ایران, pp. ۲۹۸-۳۰۴, دانشگاه شهید بهشتی تهران، ایران, 1379. @inproceedings{Monsefi00agenetic, title = {جورچینی قطعات راست گوشه با استفاده از شبكه های عصبی و الگوریتم ژنتیك}, author = {ر منصفی and م امین‌طوسی}, year = {1379}, date = {1379-05-24}, booktitle = {پنجمین کنفرانس سالانه انجمن کامپیوتر ایران}, pages = {۲۹۸-۳۰۴}, address = {تهران، ایران}, organization = {دانشگاه شهید بهشتی}, keywords = {}, pubstate = {published}, tppubtype = {inproceedings} } | |
امین‌طوسی, م مروری بر مسائل łrNP-Hard و łrNP-Complete Incollection مجله صفر و یک, pp. ۲۵-۳۳, گروه کامپیوتر، دانشگاه فردوسی مشهد, مشهد، ایران, 1379, (شماره سوم). @incollection{امین‌طوسی۷۹مروری, title = {مروری بر مسائل łrNP-Hard و łrNP-Complete}, author = {م امین‌طوسی}, year = {1379}, date = {1379-02-01}, booktitle = {مجله صفر و یک}, pages = {۲۵-۳۳}, publisher = {گروه کامپیوتر، دانشگاه فردوسی مشهد}, address = {مشهد، ایران}, note = {شماره سوم}, keywords = {}, pubstate = {published}, tppubtype = {incollection} } | |
تالیفات
Latin Publications
2022 |
|
 | Mortazavi, Mina; Gachpazan, Morteza; Amintoosi, Mahmood Improving Canny Edge Detection Algorithm Using Fractional-Order Derivatives Journal Article Journal of Mathematical Modeling, 2022. @article{JMM-2022, title = {Improving Canny Edge Detection Algorithm Using Fractional-Order Derivatives}, author = {Mina Mortazavi and Morteza Gachpazan and Mahmood Amintoosi}, year = {2022}, date = {2022-06-30}, journal = {Journal of Mathematical Modeling}, abstract = {One of the purposes of edge detection is to use methods that be able to process visual information according to human needs. Therefore, an edge detector is reliable when evaluated by measurement criteria before use in computer vision tools. These criteria compute the difference between the ground truth edge map (reference image) and the original image. In this study, we proposed an improved Canny edge detection method based on the fractional-order operators to extract the ideal edge map. Then, by changing the hysteresis thresholds, the thin edges are obtained by filtering gradient calculations based on fractional-order masks. In addition, we employed common fractional-order derivative operators to extract the edge strength and enhance image edge contrast. The plotted curves of the edge detection criteria show that the obtained edge map of the proposed edge detection operator, which is considered to be the minimal rating of measurement, is visually and quantitatively closer to ground truth}, keywords = {}, pubstate = {published}, tppubtype = {article} } One of the purposes of edge detection is to use methods that be able to process visual information according to human needs. Therefore, an edge detector is reliable when evaluated by measurement criteria before use in computer vision tools. These criteria compute the difference between the ground truth edge map (reference image) and the original image. In this study, we proposed an improved Canny edge detection method based on the fractional-order operators to extract the ideal edge map. Then, by changing the hysteresis thresholds, the thin edges are obtained by filtering gradient calculations based on fractional-order masks. In addition, we employed common fractional-order derivative operators to extract the edge strength and enhance image edge contrast. The plotted curves of the edge detection criteria show that the obtained edge map of the proposed edge detection operator, which is considered to be the minimal rating of measurement, is visually and quantitatively closer to ground truth |
 | Mortazavi, Mina; Gachpazan, Morteza; Amintoosi, Mahmood; Salashour, Soheil Fractional Derivative Approach to Sparse Super Resolution Journal Article The Visual Computer, pp. 18, 2022. @article{FD-in-SR-2022, title = {Fractional Derivative Approach to Sparse Super Resolution}, author = {Mina Mortazavi and Morteza Gachpazan and Mahmood Amintoosi and Soheil Salashour }, url = {https://trebuchet.public.springernature.app/get_content/df691bef-0173-4fb5-90e3-2a33b8b4a0e0}, doi = {10.1007/s00371-022-02509-y}, year = {2022}, date = {2022-05-30}, journal = {The Visual Computer}, pages = {18}, keywords = {}, pubstate = {published}, tppubtype = {article} } |
 | Amintoosi, Mahmood; Farbiz, Farzam Eigenbackground Revisited: Can We Model the Background with Eigenvectors? Journal Article journal of mathematical imaging and vision, 2022. @article{1h, title = {Eigenbackground Revisited: Can We Model the Background with Eigenvectors?}, author = {Mahmood Amintoosi and Farzam Farbiz }, url = {http://hcloud.hsu.ac.ir/index.php/s/0dwWsSyrmOab2NA?path=%2F3-1}, year = {2022}, date = {2022-02-24}, journal = {journal of mathematical imaging and vision}, abstract = {Using dominant eigenvectors for background modeling (usually known as Eigenbackground) is a common technique in the literature. However, its results suffer from noticeable artifacts. Thus, there have been many attempts to reduce the artifacts by making some improvements/enhancements in the Eigenbackground algorithm. In this paper, we show the main problem of the Eigenbackground is at its own core and in fact, it may not be a good idea to use the strongest eigenvectors for modeling the background. Instead, we propose an alternative solution by exploiting the weakest eigenvectors (which are usually thrown away and treated as garbage data) for background modeling. MATLAB codes are available at the GitHub of the paper 1. Keywords| Eigenbackground, Background Modeling, Background Subtraction, Principal Component Analysis, Gaussian Mixture Model, Video Analysis.}, keywords = {}, pubstate = {published}, tppubtype = {article} } Using dominant eigenvectors for background modeling (usually known as Eigenbackground) is a common technique in the literature. However, its results suffer from noticeable artifacts. Thus, there have been many attempts to reduce the artifacts by making some improvements/enhancements in the Eigenbackground algorithm. In this paper, we show the main problem of the Eigenbackground is at its own core and in fact, it may not be a good idea to use the strongest eigenvectors for modeling the background. Instead, we propose an alternative solution by exploiting the weakest eigenvectors (which are usually thrown away and treated as garbage data) for background modeling. MATLAB codes are available at the GitHub of the paper 1. Keywords| Eigenbackground, Background Modeling, Background Subtraction, Principal Component Analysis, Gaussian Mixture Model, Video Analysis. |
 | Farhadi, R; Hadavifar, M; Moeinaddini, M; Amintoosi, M Iranian (Iranica) Journal of Energy & Environment, 13 (1), pp. 71-78, 2022. @article{111, title = {Prediction of CO and PM10 in Cold and Warm Seasons and Survey of the Effect of Instability Indices on Contaminants Using Artificial Neural Network: A Case Study in Tehran City}, author = {R. Farhadi and M. Hadavifar and M. Moeinaddini and M. Amintoosi}, url = {https://www.ijee.net/article_144286.html}, year = {2022}, date = {2022-02-10}, journal = {Iranian (Iranica) Journal of Energy & Environment}, volume = {13}, number = {1}, pages = {71-78}, abstract = {Today, air pollution in urban areas is a major issue that have been affecting human health and the environment. Over the years artificial neural network methods has been used for prediction of pollutants concentration in many metropolitans. In the present study data were obtained from department of environment and air quality controlling stations in city of Tehran from March 2012 to October 2013. Prediction of CO and PM10 contaminations during cold and warm seasons under the influence of instability indices and meteorological parameters was done using the artificial neural network. Results of the modeling process showed that the highest correlation coefficient was obtained 0.84 for PM10 in warm season. On the contrary, the highest correlation coefficient of CO in cold season was 0.78. Also, the effect of instability indices on air pollution was investigated. The highest CO concentration occurred during cold seasons (R2= 0.81), while the lowest concentration was in warm season (R2= 0.72). In case of PM, the highest concentration occurred during warm seasons (R2= 0.84), while the lowest concentration was in cold season (R2=0.75).}, keywords = {}, pubstate = {published}, tppubtype = {article} } Today, air pollution in urban areas is a major issue that have been affecting human health and the environment. Over the years artificial neural network methods has been used for prediction of pollutants concentration in many metropolitans. In the present study data were obtained from department of environment and air quality controlling stations in city of Tehran from March 2012 to October 2013. Prediction of CO and PM10 contaminations during cold and warm seasons under the influence of instability indices and meteorological parameters was done using the artificial neural network. Results of the modeling process showed that the highest correlation coefficient was obtained 0.84 for PM10 in warm season. On the contrary, the highest correlation coefficient of CO in cold season was 0.78. Also, the effect of instability indices on air pollution was investigated. The highest CO concentration occurred during cold seasons (R2= 0.81), while the lowest concentration was in warm season (R2= 0.72). In case of PM, the highest concentration occurred during warm seasons (R2= 0.84), while the lowest concentration was in cold season (R2=0.75). |
2021 |
|
 | Amintoosi, Mahmood Overlapping Clusters in Cluster Convolutional Networks Journal Article Journal of Algorithms and Computation, 2021. @article{2h, title = {Overlapping Clusters in Cluster Convolutional Networks}, author = {Mahmood Amintoosi}, url = {http://hcloud.hsu.ac.ir/index.php/s/0dwWsSyrmOab2NA?path=%2F3-1}, year = {2021}, date = {2021-12-28}, journal = {Journal of Algorithms and Computation}, abstract = {A popular research topic in Graph Convolutional Networks (GCNs) is to speedup the training time of the network. The main bottleneck in training GCN is the exponentially growing of computations. In Cluster-GCN based on this fact that each node and its neighbors are usually grouped in the same cluster, considers the clustering structure of the graph, and expand each node’s neighborhood within each cluster when training GCN. The main assumption of Cluster-GCN is the weak relation between clusters; which is not correct at all graphs. Here we extend their approach by overlapped clustering, instead of crisp clustering which is used in Cluster-GCN. This is achieved by allowing the marginal nodes to contribute to training in more than one cluster. The evaluation of the proposed method is investigated through the experiments on several benchmark datasets. The experimental results show that the proposed method is more efficient than Cluster-GCN, in average.}, keywords = {}, pubstate = {published}, tppubtype = {article} } A popular research topic in Graph Convolutional Networks (GCNs) is to speedup the training time of the network. The main bottleneck in training GCN is the exponentially growing of computations. In Cluster-GCN based on this fact that each node and its neighbors are usually grouped in the same cluster, considers the clustering structure of the graph, and expand each node’s neighborhood within each cluster when training GCN. The main assumption of Cluster-GCN is the weak relation between clusters; which is not correct at all graphs. Here we extend their approach by overlapped clustering, instead of crisp clustering which is used in Cluster-GCN. This is achieved by allowing the marginal nodes to contribute to training in more than one cluster. The evaluation of the proposed method is investigated through the experiments on several benchmark datasets. The experimental results show that the proposed method is more efficient than Cluster-GCN, in average. |
 | Ezzati, Hashem; Amintoosi, Mahmood; Tabasiz, Hashem On the Minimum of True Matches in Exact Graph Matching with Simulated Annealing Journal Article Journal of Algorithms and Computation 53 issue 1, 2021. @article{1j, title = {On the Minimum of True Matches in Exact Graph Matching with Simulated Annealing}, author = {Hashem Ezzati and Mahmood Amintoosi and Hashem Tabasiz}, url = {http://hcloud.hsu.ac.ir/index.php/s/0dwWsSyrmOab2NA?path=%2F3-1}, year = {2021}, date = {2021-01-01}, journal = {Journal of Algorithms and Computation 53 issue 1}, abstract = {Graph matching is one of the most important problems in graph theory and combinatorial optimization, with many applications in various domains. Although meta-heuristic algorithms have had good performance on many NP-Hard and NP-Complete problems, but for graph matching problem, there were not reported superior solutions by these sort of algorithms. The reason of this inefficiency has not been investigated yet. In this paper it has been shown that Simulated Annealing (SA) as an instance of a meta-heuristic method is unlikely to be even close to the optimal solution for this problem. Mathematical and experimental results showed that the chance to reach to a partial solution, is very low, even for small number of true matches.}, keywords = {}, pubstate = {published}, tppubtype = {article} } Graph matching is one of the most important problems in graph theory and combinatorial optimization, with many applications in various domains. Although meta-heuristic algorithms have had good performance on many NP-Hard and NP-Complete problems, but for graph matching problem, there were not reported superior solutions by these sort of algorithms. The reason of this inefficiency has not been investigated yet. In this paper it has been shown that Simulated Annealing (SA) as an instance of a meta-heuristic method is unlikely to be even close to the optimal solution for this problem. Mathematical and experimental results showed that the chance to reach to a partial solution, is very low, even for small number of true matches. |
2020 |
|
 | Farhadi, R; Hadavifar, M; Moeinaddini, M; Amintoosi, M Prediction of the Air Quality by Artificial Neural Network Using Instability Indices in the City of Tehran-Iran Journal Article AUT Journal of Civil Engineering, 2020. @article{11d, title = {Prediction of the Air Quality by Artificial Neural Network Using Instability Indices in the City of Tehran-Iran}, author = {R. Farhadi and M. Hadavifar and M. Moeinaddini and M. Amintoosi }, url = {http://hcloud.hsu.ac.ir/index.php/s/0dwWsSyrmOab2NA?path=%2F3-1}, year = {2020}, date = {2020-12-28}, journal = {AUT Journal of Civil Engineering}, abstract = {Today, air pollution is a serious environmental problem becoming a global concern for human beings Air quality is influenced by emissions, meteorological parameters, and topography. The effect of these parameters can be predicted using statistical methods. In the current study, the data in the period of March 2012 to October 2013 are used. These data have been gathered from the stations of the Department of Environment and Air Quality Control Organization (Azadi and Sharif stations) in Tehran city. The main purpose was to predict the air quality of the next day and emissions of carbon monoxide and suspended particles under the influence of instability indices and meteorological parameters using the Artificial Neural Network. Results of the modeling process showed that the concentration of pollutants is strongly influenced by meteorological parameters. Also, prediction of the PM10 concentration of the next day using meteorological parameters (RMSE=29.03, R=0.76), instability indices and meteorological parameters (RMSE=28.13, R=0.76) were better than those obtained for AQI predicted by meteorological parameters (RMSE=20.81, R=0.50) and instability indices and meteorological parameters (RMSE=19.23, R=0.47). In general, the predicted values of PM10 and CO were better compared to AQI. It can be concluded that an artificial neural network couldn’t load the model properly for AQI compared to PM10.}, keywords = {}, pubstate = {published}, tppubtype = {article} } Today, air pollution is a serious environmental problem becoming a global concern for human beings Air quality is influenced by emissions, meteorological parameters, and topography. The effect of these parameters can be predicted using statistical methods. In the current study, the data in the period of March 2012 to October 2013 are used. These data have been gathered from the stations of the Department of Environment and Air Quality Control Organization (Azadi and Sharif stations) in Tehran city. The main purpose was to predict the air quality of the next day and emissions of carbon monoxide and suspended particles under the influence of instability indices and meteorological parameters using the Artificial Neural Network. Results of the modeling process showed that the concentration of pollutants is strongly influenced by meteorological parameters. Also, prediction of the PM10 concentration of the next day using meteorological parameters (RMSE=29.03, R=0.76), instability indices and meteorological parameters (RMSE=28.13, R=0.76) were better than those obtained for AQI predicted by meteorological parameters (RMSE=20.81, R=0.50) and instability indices and meteorological parameters (RMSE=19.23, R=0.47). In general, the predicted values of PM10 and CO were better compared to AQI. It can be concluded that an artificial neural network couldn’t load the model properly for AQI compared to PM10. |
2019 |
|
 | Farhadi, R; Hadavifar, M; Amintoosi, M; Moeinaddini, M Ecopersia, (91-100), pp. 6, 2019. @article{Hadavifar2018SA, title = {Sensitivity Analysis of Meteorological Parameters and Instability Indices on Concentration of Carbon Monoxide, Particulate Matter, and Air Quality Index in Tehran}, author = {R. Farhadi and M. Hadavifar and M. Amintoosi and M. Moeinaddini}, url = {http://ecopersia.modares.ac.ir/article-24-16537-en.pdf}, year = {2019}, date = {2019-07-12}, booktitle = {Tarbiat Modares University Press}, journal = {Ecopersia}, number = {91-100}, pages = {6}, publisher = {Tarbiat Modares University }, abstract = {Aims: Nowadays, dangerous chemical pollutants by a numerous of natural and synthetic sources are produced and released to the environment. These pollutants have short-term and long-term effects on human health. The purpose of this paper is to examine the impact of climate parameters and instability indices on air pollution in Tehran-Iran. Materials and Methods: To evaluate the impact of meteorological parameters and indices of stability and instability on sensitivity analysis in Tehran-Iran, the Sharif University monitoring station was selected for air sampling and analysis. Sampling was performed from March 2011 to July 2012 in Tehran. Findings: Results of sensitivity analysis showed that average daily change of the concentration of pollutants throughout the year was very different and intensively influenced by meteorological parameters. Results showed that wind direction (WD) (82%) and relative humidity (32%) and temperature (20%) have the most influence on the concentration values of pollutants carbon monoxide (CO), particulate matter (PM10), and air quality index (AQI). The highest concentrations of CO occurred in summer and lowest in winter, and maximum concentration of PM10 was in autumn, and its lowest concentration was in spring. Results revealed that the lowest average of AQI occurred in the spring, while in autumn, winter, and summer have almost equal values, but in winter AQI has slightly higher values. Conclusion: According to the results of this research in Sharif station Tehran, the WD has the highest impact percentage (82%) on the concentration of pollutants. The highest concentrations of CO occurred in summer, and maximum concentration of PM10 was in autumn.}, keywords = {}, pubstate = {published}, tppubtype = {article} } Aims: Nowadays, dangerous chemical pollutants by a numerous of natural and synthetic sources are produced and released to the environment. These pollutants have short-term and long-term effects on human health. The purpose of this paper is to examine the impact of climate parameters and instability indices on air pollution in Tehran-Iran. Materials and Methods: To evaluate the impact of meteorological parameters and indices of stability and instability on sensitivity analysis in Tehran-Iran, the Sharif University monitoring station was selected for air sampling and analysis. Sampling was performed from March 2011 to July 2012 in Tehran. Findings: Results of sensitivity analysis showed that average daily change of the concentration of pollutants throughout the year was very different and intensively influenced by meteorological parameters. Results showed that wind direction (WD) (82%) and relative humidity (32%) and temperature (20%) have the most influence on the concentration values of pollutants carbon monoxide (CO), particulate matter (PM10), and air quality index (AQI). The highest concentrations of CO occurred in summer and lowest in winter, and maximum concentration of PM10 was in autumn, and its lowest concentration was in spring. Results revealed that the lowest average of AQI occurred in the spring, while in autumn, winter, and summer have almost equal values, but in winter AQI has slightly higher values. Conclusion: According to the results of this research in Sharif station Tehran, the WD has the highest impact percentage (82%) on the concentration of pollutants. The highest concentrations of CO occurred in summer, and maximum concentration of PM10 was in autumn. |
2017 |
|
Hokmabadi, Somayye; Amintoosi, Mahmood; Partanian, Mohammad Ali Solving uncapacitated facility location problem by cuckoo optimization algorithm Inproceedings 48th Annual Iranian Mathematics Conference, Hamedan, 2017. @inproceedings{Hokmabadi96Coco, title = {Solving uncapacitated facility location problem by cuckoo optimization algorithm}, author = {Somayye Hokmabadi and Mahmood Amintoosi and Mohammad Ali Partanian}, year = {2017}, date = {2017-09-12}, booktitle = {48th Annual Iranian Mathematics Conference}, address = {Hamedan}, keywords = {}, pubstate = {published}, tppubtype = {inproceedings} } | |
2012 |
|
 | Amintoosi, M; Fathy, M; Mozayani, N A Fast Image Registration Approach based on SIFT Key-points Applied to Super-Resolution Journal Article Imaging Science Journal, 60 (4), pp. 185–201, 2012. @article{Amintoosi09afast, title = {A Fast Image Registration Approach based on SIFT Key-points Applied to Super-Resolution}, author = {M Amintoosi and M Fathy and N Mozayani}, url = {http://mamintoosi.ir/wp/wp-content/uploads/2018/11/churchandcapitol_snr70_0.10_keyIm2_-300x240.jpg http://mamintoosi.ir/wp/wp-content/uploads/2018/11/A-Fast-Image-Registration-Approach-based-on-SIFT-Key-points_page1.pdf}, year = {2012}, date = {2012-01-01}, journal = {Imaging Science Journal}, volume = {60}, number = {4}, pages = {185--201}, abstract = {An accurate image registration is a fundamental stage in many image processing problems. In this paper a new and fast registration approach based on Scale Invariant Feature Transform key-points descriptors, under Euclidean transformation model is proposed. The core idea of the proposed method is estimation of rotation angle and vertical and horizontal shifts using averaging of differences of SIFT key-points pairs descriptors. The method is simple but requires some tuning modules for accurate estimation. Orientation modification and compensation and shift compensation are some of the proposed modules. The proposed method is fast, it is about 5 times faster than RANSAC method for model parameters estimation. The accuracy of the proposed method is compared with some popular registration methods. Various comparisons have been done with LIVE database images with known motion vectors. The experimental results show the high performance of the proposed algorithm in a super-resolution application.}, keywords = {}, pubstate = {published}, tppubtype = {article} } An accurate image registration is a fundamental stage in many image processing problems. In this paper a new and fast registration approach based on Scale Invariant Feature Transform key-points descriptors, under Euclidean transformation model is proposed. The core idea of the proposed method is estimation of rotation angle and vertical and horizontal shifts using averaging of differences of SIFT key-points pairs descriptors. The method is simple but requires some tuning modules for accurate estimation. Orientation modification and compensation and shift compensation are some of the proposed modules. The proposed method is fast, it is about 5 times faster than RANSAC method for model parameters estimation. The accuracy of the proposed method is compared with some popular registration methods. Various comparisons have been done with LIVE database images with known motion vectors. The experimental results show the high performance of the proposed algorithm in a super-resolution application. |
2011 |
|
 | Ekhtiyar, Sheida M H; Amintoosi, M Picture Collage with Genetic Algorithm and Stereo vision Journal Article International Journal of Computer Science Issues, 8 (3), pp. 165–169, 2011, (Indexed by textbfDBLP). @article{Amintoosi2011collage, title = {Picture Collage with Genetic Algorithm and Stereo vision}, author = {Sheida M H. Ekhtiyar and M Amintoosi}, url = {http://hcloud.hsu.ac.ir/index.php/s/0dwWsSyrmOab2NA?path=%2F3-1}, year = {2011}, date = {2011-01-01}, journal = {International Journal of Computer Science Issues}, volume = {8}, number = {3}, pages = {165--169}, abstract = {In this paper, a salient region extraction method for creating picture collage based on stereo vision is proposed. Picture collage is a kind of visual image summary to arrange all input images on a given canvas, allowing overlay, to maximize visible visual information. The salient regions of each image are firstly extracted and represented as a depth map. The output picture collage shows as many visible salient regions (without being overlaid by others) from all images as possible. A very efficient Genetic algorithm is used here for the optimization. The experimental results showed the superior performance of the proposed method.}, note = {Indexed by textbfDBLP}, keywords = {}, pubstate = {published}, tppubtype = {article} } In this paper, a salient region extraction method for creating picture collage based on stereo vision is proposed. Picture collage is a kind of visual image summary to arrange all input images on a given canvas, allowing overlay, to maximize visible visual information. The salient regions of each image are firstly extracted and represented as a depth map. The output picture collage shows as many visible salient regions (without being overlaid by others) from all images as possible. A very efficient Genetic algorithm is used here for the optimization. The experimental results showed the superior performance of the proposed method. |
 | Amintoosi, M; Fathy, M; Mozayani, N Video Enhancement through Image Registration based on Structural Similarity Journal Article Imaging Science Journal, 59 (4), pp. 238–250, 2011. @article{Amintoosi09videoSR, title = {Video Enhancement through Image Registration based on Structural Similarity}, author = {M Amintoosi and M Fathy and N Mozayani}, url = {http://mamintoosi.ir/dl/pubs/ims-59-04-238-Video%20enhancement%20through%20image%20registration%20based%20structural%20similarity-Draft.pdf http://mamintoosi.ir/dl/pubs/ims-59-04-238-Video%20enhancement%20through%20image%20registration%20based%20structural%20similarity.pdf http://mamintoosi.ir/dl/pubs/ims61-A%20fast%20image%20registration%20approach%20based%20on%20SIFT%20key-points%20applied%20to%20super-resolution-page1.pdf http://mamintoosi.ir/dl/pubs/ims61-A%20fast%20image%20registration%20approach%20based%20on%20SIFT%20key-points%20applied%20to%20super-resolution.pdf}, year = {2011}, date = {2011-01-01}, journal = {Imaging Science Journal}, volume = {59}, number = {4}, pages = {238--250}, keywords = {}, pubstate = {published}, tppubtype = {article} }
|
2009 |
|
 | Amintoosi, M; Fathy, M; Mozayani, N Video Resolution Enhancement in the Presence of Moving Objects Inproceedings International InProceedings on Image Processing, Computer Vision, and Pattern Recognition, pp. 456–460, Las Vegas, USA, 2009, (Indexed by textbfDBLP). @inproceedings{Amintoosi09videob, title = {Video Resolution Enhancement in the Presence of Moving Objects}, author = {M Amintoosi and M Fathy and N Mozayani}, url = {http://mamintoosi.ir/dl/pubs/Video%20Resolution%20Enhancement%20in%20the%20Presence%20of%20Moving%20Objects_IPCV09.pdf}, year = {2009}, date = {2009-07-01}, booktitle = {International InProceedings on Image Processing, Computer Vision, and Pattern Recognition}, pages = {456--460}, address = {Las Vegas, USA}, note = {Indexed by textbfDBLP}, keywords = {}, pubstate = {published}, tppubtype = {inproceedings} } |
 | Amintoosi, M; Fathy, M; Mozayani, N Image Registration for Super-Resolution using SIFT Key-points Inproceedings 17th Iranian InProceedings on Electrical Engineering, Iran Univ. of Science and Technology Tehran, Iran, 2009. @inproceedings{Amintoosi09image, title = {Image Registration for Super-Resolution using SIFT Key-points}, author = {M Amintoosi and M Fathy and N Mozayani}, url = {http://mamintoosi.ir/dl/pubs/Image%20Registration%20for%20Super-Resolution%20using%20SIFT%20Key-points-ICEE09_Presentation.pdf http://mamintoosi.ir/dl/pubs/Image%20Registration%20for%20Super-Resolution%20using%20SIFT%20Key-points-ICEE09.pdf}, year = {2009}, date = {2009-05-01}, booktitle = {17th Iranian InProceedings on Electrical Engineering}, address = {Tehran, Iran}, organization = {Iran Univ. of Science and Technology}, abstract = {Super-Resolution algorithms reconstruct a highresolution image from a set of low resolution images of ascene. An accurate image registration is a fundamentalstage in all Super-Resolution methods. In this paper a newrestriction criteria for matching SIFT key points, for regis-tration under the condition of Super-Resolution problemsisproposed. Thisisbasedontheassumptionofnormaldis-tribution for location and orientation differences of correct matches under global translational motion model. The ac-curacy of the proposed method is compared with some fa-mous registration methods. A quantitative comparison hasbeen done with a collective of images with known motionvectors. Also a subjective comparison has been done withthe results of various registration methods including the proposed method for Super-Resolution. The experimentalresults show the better performance of the proposed algo-rithm in compare with some other registration methods.}, keywords = {}, pubstate = {published}, tppubtype = {inproceedings} } Super-Resolution algorithms reconstruct a highresolution image from a set of low resolution images of ascene. An accurate image registration is a fundamentalstage in all Super-Resolution methods. In this paper a newrestriction criteria for matching SIFT key points, for regis-tration under the condition of Super-Resolution problemsisproposed. Thisisbasedontheassumptionofnormaldis-tribution for location and orientation differences of correct matches under global translational motion model. The ac-curacy of the proposed method is compared with some fa-mous registration methods. A quantitative comparison hasbeen done with a collective of images with known motionvectors. Also a subjective comparison has been done withthe results of various registration methods including the proposed method for Super-Resolution. The experimentalresults show the better performance of the proposed algo-rithm in compare with some other registration methods. |
 | Amintoosi, M; Fathy, M; Mozayani, N Regional Varying Image Super-Resolution Inproceedings IEEE International Joint InProceedings on Computational Sciences and Optimization, pp. 913-917, Sanya, China, 2009, (Indexed by textbfIEEE Computer Society, textbfACM and textbfDBLP). @inproceedings{Amintoosi09regional, title = {Regional Varying Image Super-Resolution}, author = {M Amintoosi and M Fathy and N Mozayani}, url = {http://mamintoosi.ir/dl/pubs/Regional%20Varying%20Image%20Super-Resolution.pdf}, year = {2009}, date = {2009-04-01}, booktitle = {IEEE International Joint InProceedings on Computational Sciences and Optimization}, volume = {1}, pages = {913-917}, address = {Sanya, China}, abstract = {In this paper a new method for single image super-resolution using some high resolution images is proposed. It is assumed that each high resolution image shows a region of the low resolution image, with some differences about illumination or view point. These differences may be due to taking photos in different times, camera motion or unequal zooming. In the proposed method each high resolution image is mapped to a resized version of the given low resolution image using homography matrix and RANSAC method, which are known in computer vision context. The mapped image is fused with the LR image for producing a synthesized image. The mentioned method is repeated for each of the HR images. The resulting image has higher resolution only on its regions corresponding to HR images. The experimental results show the superior performance of the proposed method against some other methods in term of final perceived quality.}, note = {Indexed by textbfIEEE Computer Society, textbfACM and textbfDBLP}, keywords = {}, pubstate = {published}, tppubtype = {inproceedings} } In this paper a new method for single image super-resolution using some high resolution images is proposed. It is assumed that each high resolution image shows a region of the low resolution image, with some differences about illumination or view point. These differences may be due to taking photos in different times, camera motion or unequal zooming. In the proposed method each high resolution image is mapped to a resized version of the given low resolution image using homography matrix and RANSAC method, which are known in computer vision context. The mapped image is fused with the LR image for producing a synthesized image. The mentioned method is repeated for each of the HR images. The resulting image has higher resolution only on its regions corresponding to HR images. The experimental results show the superior performance of the proposed method against some other methods in term of final perceived quality. |
 | Amintoosi, M; Fathy, M; Mozayani, N Precise Image Registration with Structural Similarity Error Measurement Applied to Super-Resolution Journal Article EURASIP Journal on Advances in Signal Processing, 2009 , pp. 7 pages, 2009, (Article ID 305479, Indexed by textbfACM and textbfDBLP). @article{Amintoosi09precise, title = {Precise Image Registration with Structural Similarity Error Measurement Applied to Super-Resolution}, author = {M Amintoosi and M Fathy and N Mozayani}, url = {http://mamintoosi.ir/dl/pubs/Precise%20Image%20Registration%20with%20Structural%20Similarity%20Error%20Measurement%20Applied%20to%20Super-Resolution.pdf http://mamintoosi.ir/dl/pubs/Precise%20Image%20Registration%20with%20Structural%20Similarity%20Error%20Measurement%20Applied%20to%20Super-Resolution_page1.pdf}, year = {2009}, date = {2009-01-01}, journal = {EURASIP Journal on Advances in Signal Processing}, volume = {2009}, pages = {7 pages}, abstract = {Precise image registration is a fundamental task in many computer vision algorithms including superresolution methods. The well known Lucas-Kanade (LK) algorithm is a very popular and efficient method among the various registration techniques. In this paper a modified version of it, based on the Structural Similarity (SSIM) image quality assessment is proposed. The core of the proposed method is contributing the SSIM in the sum of squared difference, which minimized by LK algorithm. Mathematical derivation of the proposed method is based on the unified framework of Baker et al. (2004). Experimental results over 1000 runs on synthesized data validate the better performance of the proposed modification of LK-algorithm, with respect to the original algorithm in terms of the rate and speed of convergence, where the signal-to-noise ratio is low. In addition the result of using the proposed approach in a superresolution application is given. © 2009 Mahmood Amintoosi et al.}, note = {Article ID 305479, Indexed by textbfACM and textbfDBLP}, keywords = {}, pubstate = {published}, tppubtype = {article} } Precise image registration is a fundamental task in many computer vision algorithms including superresolution methods. The well known Lucas-Kanade (LK) algorithm is a very popular and efficient method among the various registration techniques. In this paper a modified version of it, based on the Structural Similarity (SSIM) image quality assessment is proposed. The core of the proposed method is contributing the SSIM in the sum of squared difference, which minimized by LK algorithm. Mathematical derivation of the proposed method is based on the unified framework of Baker et al. (2004). Experimental results over 1000 runs on synthesized data validate the better performance of the proposed modification of LK-algorithm, with respect to the original algorithm in terms of the rate and speed of convergence, where the signal-to-noise ratio is low. In addition the result of using the proposed approach in a superresolution application is given. © 2009 Mahmood Amintoosi et al. |
2008 |
|
 | Fathy, M; Mozayani, N; Amintoosi, M Outlier Removal for Super-Resolution Problem Using QR-Decomposition Inproceedings Proceedings of the International InProceedings on Image Processing, Computer Vision, and Pattern Recognition, pp. 271-277, USA, 2008, (Indexed by textbfDBLP). @inproceedings{Fathy08outlier, title = {Outlier Removal for Super-Resolution Problem Using QR-Decomposition}, author = {M Fathy and N Mozayani and M Amintoosi}, url = {http://mamintoosi.ir/dl/pubs/Outlier%20Removal%20for%20Super-Resolution%20Problem%20Using%20QR%20Decomposition__MVIP05.pdf http://mamintoosi.ir/dl/pubs/Outlier%20Removal%20for%20Super-Resolution%20Problem%20Using%20QR%20Decomposition_IPCV08.pdf}, year = {2008}, date = {2008-07-01}, booktitle = {Proceedings of the International InProceedings on Image Processing, Computer Vision, and Pattern Recognition}, pages = {271-277}, address = {USA}, abstract = {Super-resolution algorithms reconstruct a high resolution image from a set of low resolution images of a scene. Recent advances in Super-Resolution techniques show trends towards robustness against outliers. Even under normal lighting condition, images may have motion outliers due to independent moving objects. In this article a new method for dealing moving objects is proposed, which those frames containing moving objects are identified using QR-Decomposition, a known method in Linear Algebra. This detection procedure comes between the registration and the reconstruction steps of super-resolution techniques. The detected frames as outlier frames will be dropped and hence the reconstruction step only works on other frames. The simulation results show the better performance of the proposed algorithm in compare with some other super-resolution methods.}, note = {Indexed by textbfDBLP}, keywords = {}, pubstate = {published}, tppubtype = {inproceedings} } Super-resolution algorithms reconstruct a high resolution image from a set of low resolution images of a scene. Recent advances in Super-Resolution techniques show trends towards robustness against outliers. Even under normal lighting condition, images may have motion outliers due to independent moving objects. In this article a new method for dealing moving objects is proposed, which those frames containing moving objects are identified using QR-Decomposition, a known method in Linear Algebra. This detection procedure comes between the registration and the reconstruction steps of super-resolution techniques. The detected frames as outlier frames will be dropped and hence the reconstruction step only works on other frames. The simulation results show the better performance of the proposed algorithm in compare with some other super-resolution methods. |
 | Amiri, A; Fathy, M; M.Amintoosi, ; Sadoghi, H A New Quantized Input RLS,QI-RLS, Algorithm. Inproceedings Gervasi, Osvaldo; Gavrilova, Marina L (Ed.): ICCSA (3), pp. 495-506, Springer, 2008, (Indexed by textbfDBLP and textbfSCOPUS). @inproceedings{AmiriFAS07, title = {A New Quantized Input RLS,QI-RLS, Algorithm.}, author = {A Amiri and M Fathy and M.Amintoosi and H Sadoghi}, editor = {Osvaldo Gervasi and Marina L Gavrilova}, url = {http://mamintoosi.ir/dl/pubs/A%20New%20Quantized%20Input%20RLS%2C%20QI-RLS%2C%20Algorithm_.pdf http://mamintoosi.ir/dl/pubs/A%20New%20Quantized%20Input%20RLS%2C%20QI-RLS%2C%20Algorithm.pdf}, year = {2008}, date = {2008-06-14}, booktitle = {ICCSA (3)}, volume = {4707}, pages = {495-506}, publisher = {Springer}, series = {Lecture Notes in Computer Science}, abstract = {Several modified RLS algorithms are studied in order to improve the rate of convergence, increase the tracking performance and reduce the computational cost of the regular RLS algorithm. . In this paper a new quantized input RLS, QI-RLS algorithm is introduced. The proposed algorithm is a modification of an existing method, namely, CRLS, and uses a new quantization function for clipping the input signal. We showed mathematically the convergence of the QI-RLS filter weights to the optimum Wiener filter weights. Also, we proved that the proposed algorithm has better tracking than the conventional RLS algorithm. We discuss the conditions which one have to consider so that he can get better performance of QI-RLS against the CRLS and standard RLS algorithms. The results of simulations confirm the presented analysis.}, note = {Indexed by textbfDBLP and textbfSCOPUS}, keywords = {}, pubstate = {published}, tppubtype = {inproceedings} } Several modified RLS algorithms are studied in order to improve the rate of convergence, increase the tracking performance and reduce the computational cost of the regular RLS algorithm. . In this paper a new quantized input RLS, QI-RLS algorithm is introduced. The proposed algorithm is a modification of an existing method, namely, CRLS, and uses a new quantization function for clipping the input signal. We showed mathematically the convergence of the QI-RLS filter weights to the optimum Wiener filter weights. Also, we proved that the proposed algorithm has better tracking than the conventional RLS algorithm. We discuss the conditions which one have to consider so that he can get better performance of QI-RLS against the CRLS and standard RLS algorithms. The results of simulations confirm the presented analysis. |
 | Amintoosi, M; Fathy, M; Mozayani, N Reconstruction+Synthesis: A Hybrid Method for Multi-Frame Super-Resolution Inproceedings (MVIP08) 2008 Iranian InProceedings on Machine Vision and Image Processing, pp. 179–184, Tabriz University Tabriz, Iran, 2008. @inproceedings{Amintoosi08reconstruction, title = {Reconstruction+Synthesis: A Hybrid Method for Multi-Frame Super-Resolution}, author = {M Amintoosi and M Fathy and N Mozayani}, year = {2008}, date = {2008-01-01}, booktitle = {(MVIP08) 2008 Iranian InProceedings on Machine Vision and Image Processing}, pages = {179--184}, address = {Tabriz, Iran}, organization = {Tabriz University}, abstract = {In this paper a new method for multi-frame Super-Resolution is proposed. Having a low resolution(LR) video and a few high resolution(HR) images from a specific scene is frequently occurred. In addition it is usual that between images and video frames there is some differences, because of different of exposure time, moving objects, camera movement and so on. In the proposed method a Super-Resolution reconstruction method, applies on low-resolution frames for producing a reconstructed HR image. After that a synthesized image with mapping the high resolution training image to the reconstruction result, is produced using a proper transformation model. Fusion of the synthesized image with the reconstruction result makes the final desired HR image of the given LR frames. Experimental results show that our approach is competitive both for quality and quantity with some famous super-resolution methods.}, keywords = {}, pubstate = {published}, tppubtype = {inproceedings} } In this paper a new method for multi-frame Super-Resolution is proposed. Having a low resolution(LR) video and a few high resolution(HR) images from a specific scene is frequently occurred. In addition it is usual that between images and video frames there is some differences, because of different of exposure time, moving objects, camera movement and so on. In the proposed method a Super-Resolution reconstruction method, applies on low-resolution frames for producing a reconstructed HR image. After that a synthesized image with mapping the high resolution training image to the reconstruction result, is produced using a proper transformation model. Fusion of the synthesized image with the reconstruction result makes the final desired HR image of the given LR frames. Experimental results show that our approach is competitive both for quality and quantity with some famous super-resolution methods. |
2007 |
|
 | Amintoosi, M; Fathy, M; Mozayani, N; Rahmani, A T A Fish School Clustering Algorithm: Applied to Student Sectioning Problem Journal Article Dynamics of Continuous Discrete & Impulse Systems, series B: Applications and Algorithms, 2 , pp. 696-699, 2007, (Post Proceeding of LSMS2007, Life System Modeling and Simulation 2007, China). @article{Amintoosi07afishschool, title = {A Fish School Clustering Algorithm: Applied to Student Sectioning Problem}, author = {M Amintoosi and M Fathy and N Mozayani and A T Rahmani}, url = {http://mamintoosi.ir/dl/pubs/A%20Fish%20School%20Clustering%20Algorithm%20Applied%20to%20Student%20Sectioning%20Problem.pdf http://mamintoosi.ir/dl/pubs/A%20Fish%20School%20Clustering%20Algorithm%20Applied%20to%20Student%20Sectioning%20Problem-LSMS2007_Presentation.pdf}, year = {2007}, date = {2007-12-01}, journal = {Dynamics of Continuous Discrete & Impulse Systems, series B: Applications and Algorithms}, volume = {2}, pages = {696-699}, abstract = {In this paper a new clustering algorithm based on the fish school behavior is proposed. The algorithm is an extension of the classical flock model of Reynolds with a new characteristic. We have different kinds of fishes: leader fish and follower fish. In addition it is supposed that our artificial fishes live in some predefined caves. The school is a set of groups, which every group has a leader and lie in a cave in every time. Other members of the group are leader followers. Regarding the concepts of joining and splitting of the groups, a clustering algorithm which is almost similar to hierarchical clustering algorithms is proposed. The proposed algorithm is applied to student sectioning problem, a sub problem of timetabling problem. Simulation results show the applicability of the proposed algorithm. }, note = {Post Proceeding of LSMS2007, Life System Modeling and Simulation 2007, China}, keywords = {}, pubstate = {published}, tppubtype = {article} } In this paper a new clustering algorithm based on the fish school behavior is proposed. The algorithm is an extension of the classical flock model of Reynolds with a new characteristic. We have different kinds of fishes: leader fish and follower fish. In addition it is supposed that our artificial fishes live in some predefined caves. The school is a set of groups, which every group has a leader and lie in a cave in every time. Other members of the group are leader followers. Regarding the concepts of joining and splitting of the groups, a clustering algorithm which is almost similar to hierarchical clustering algorithms is proposed. The proposed algorithm is applied to student sectioning problem, a sub problem of timetabling problem. Simulation results show the applicability of the proposed algorithm. |
 | Amintoosi, M; Farbiz, F; Fathy, M A QR Decomposition Based Mixture Model Algorithm for Background Modeling Inproceedings ICICS2007, Sixth International InProceedings on Information, Communication and Signal Processing, pp. 1–5, Singapore, 2007, (Indexed by textbfIEEE and textbfSCOPUS). @inproceedings{Amintoosi07icics, title = {A QR Decomposition Based Mixture Model Algorithm for Background Modeling}, author = {M Amintoosi and F Farbiz and M Fathy}, url = {http://mamintoosi.ir/dl/pubs/A%20QR%20decomposition%20based%20mixture%20model%20algorithm%20for%20background%20modeling.pdf}, year = {2007}, date = {2007-12-01}, booktitle = {ICICS2007, Sixth International InProceedings on Information, Communication and Signal Processing}, pages = {1--5}, address = {Singapore}, abstract = {This paper presents a new algorithm for background modeling in a sequence of images, even if there are foreground objects in each frame. We develop a QR decomposition based algorithm to remove foreground pixels from the image and then we construct the background model using Mixture of Gaussian algorithm, MoG. We split the image into small blocks and construct the background blocks using R-values taken from QR decomposition which indicate the degree of significance of the decomposed parts. The simulation results show the better performance of the proposed algorithm in compare with conventional methods on modeling staticbackground images.}, note = {Indexed by textbfIEEE and textbfSCOPUS}, keywords = {}, pubstate = {published}, tppubtype = {inproceedings} } This paper presents a new algorithm for background modeling in a sequence of images, even if there are foreground objects in each frame. We develop a QR decomposition based algorithm to remove foreground pixels from the image and then we construct the background model using Mixture of Gaussian algorithm, MoG. We split the image into small blocks and construct the background blocks using R-values taken from QR decomposition which indicate the degree of significance of the decomposed parts. The simulation results show the better performance of the proposed algorithm in compare with conventional methods on modeling staticbackground images. |
 | Amiri, A; Fathy, M; Amintoosi, M; SadoghiYazdi, H Modified Quantized input Variable Step Size LMS, QX-VSS LMS Algorithm Applied to Signal Prediction Inproceedings Proceeidings of 4th IEEE GCC InProceedings, 2007. @inproceedings{Amiri07modified, title = {Modified Quantized input Variable Step Size LMS, QX-VSS LMS Algorithm Applied to Signal Prediction}, author = {A Amiri and M Fathy and M Amintoosi and H SadoghiYazdi}, url = {http://mamintoosi.ir/dl/pubs/Modified%20Quantized%20input%20Variable%20Step%20Size%20LMS%2C%20QX-VSS%20LMS%20Algorithm%20Applied%20to%20Signal%20Prediction.doc}, year = {2007}, date = {2007-11-01}, booktitle = {Proceeidings of 4th IEEE GCC InProceedings}, abstract = {Several modified LMS algorithms are studied in order to improve the rate of convergence, increase the tracking performance and reduce the computational cost of the regular LMS algorithm. These methods can be divided in two categories: Clipped data algorithms and variable step size algorithms. In this paper a new quantized input variable step size LMS algorithm is introduced. The proposed algorithm is a modification of an existing method, namely, VSS LMS, and uses a new quantization function for clipping the input signal. We showed mathematically the convergence of the QX-VSS LMS filter weights to the optimum Wiener filter weights. Also, we proved that the proposed algorithm has better tracking than the conventional LMS algorithm. We discuss the conditions which one have to consider so that he can get better performance of QX-VSS LMS algorithm. The results of simulations confirm the presented mathematical analysis.}, keywords = {}, pubstate = {published}, tppubtype = {inproceedings} } Several modified LMS algorithms are studied in order to improve the rate of convergence, increase the tracking performance and reduce the computational cost of the regular LMS algorithm. These methods can be divided in two categories: Clipped data algorithms and variable step size algorithms. In this paper a new quantized input variable step size LMS algorithm is introduced. The proposed algorithm is a modification of an existing method, namely, VSS LMS, and uses a new quantization function for clipping the input signal. We showed mathematically the convergence of the QX-VSS LMS filter weights to the optimum Wiener filter weights. Also, we proved that the proposed algorithm has better tracking than the conventional LMS algorithm. We discuss the conditions which one have to consider so that he can get better performance of QX-VSS LMS algorithm. The results of simulations confirm the presented mathematical analysis. |
Fathy, M; Analoui, M; Mozayani, N; Amintoosi, M; Farbiz, F A Background Model Initialization Algorithm Based on QR-Decomposition Inproceedings 4th Iranian InProceedings on Machine Vision and Image Processing, Mashhad, Iran, 2007. @inproceedings{Fathy07abackground, title = {A Background Model Initialization Algorithm Based on QR-Decomposition}, author = {M Fathy and M Analoui and N Mozayani and M Amintoosi and F Farbiz}, url = {http://mamintoosi.ir/dl/pubs/MVIP07-A%20Background%20Model%20Initialization%20Algorithm%20Based%20on%20QR-Decomposition.pdf http://mamintoosi.ir/dl/pubs/A%20Background%20Model%20Initialization%20Algorithm%20Based%20on%20QR-Decomposition_Presentation.pdf http://mamintoosi.ir/dl/pubs/A%20Background%20Model%20Initialization%20Algorithm%20Based%20on%20QR-Decomposition_Presentation.pdf}, year = {2007}, date = {2007-02-01}, booktitle = {4th Iranian InProceedings on Machine Vision and Image Processing}, address = {Mashhad, Iran}, abstract = {Background subtraction is a major part of many motion detection, tracking and surveillance systems. In this paper a new algorithm for the purpose of the background model initialization has been presented. The key idea of the proposed method lies in the identification of the background based on QRDecomposition method in linear algebra. R-values produced with QR-Decomposition can be applied to decompose a given system to indicate the degree of the significance of the decomposed parts. We split the image into small blocks and select the background blocks with the weakest contribution, according to the assigned R-values. The main advantage of the proposed method is that in contrast to many other methods, here, there is no need for an empty scene with no foreground object. Simulation results showed that the proposed method produced better background model with respect to some others}, keywords = {}, pubstate = {published}, tppubtype = {inproceedings} } Background subtraction is a major part of many motion detection, tracking and surveillance systems. In this paper a new algorithm for the purpose of the background model initialization has been presented. The key idea of the proposed method lies in the identification of the background based on QRDecomposition method in linear algebra. R-values produced with QR-Decomposition can be applied to decompose a given system to indicate the degree of the significance of the decomposed parts. We split the image into small blocks and select the background blocks with the weakest contribution, according to the assigned R-values. The main advantage of the proposed method is that in contrast to many other methods, here, there is no need for an empty scene with no foreground object. Simulation results showed that the proposed method produced better background model with respect to some others | |
Amintoosi, M; Farbiz, F; Fathy, M; Analoui, M; Mozayani, N QR-Decomposition-based Algorithm for Background Subtraction Inproceedings ICASSP2007, IEEE International InProceedings on Acoustics, Speech, and Signal Processing, pp. 1093–1096, USA, 2007, (Indexed by textbfIEEE, textbfSCOPUS and textbfDBLP). @inproceedings{Amintoosi07icassp, title = {QR-Decomposition-based Algorithm for Background Subtraction}, author = {M Amintoosi and F Farbiz and M Fathy and M Analoui and N Mozayani}, year = {2007}, date = {2007-01-01}, booktitle = {ICASSP2007, IEEE International InProceedings on Acoustics, Speech, and Signal Processing}, pages = {1093--1096}, address = {USA}, note = {Indexed by textbfIEEE, textbfSCOPUS and textbfDBLP}, keywords = {}, pubstate = {published}, tppubtype = {inproceedings} } | |
Amintoosi, M; SadoghiYazdi, H; M.Fathy, ; Monsefi, R Using Pattern Matching for Tiling and Packing Problems Journal Article European Journal of Operational Research, 183 , pp. 950-960, 2007, (Indexed by textbfDBLP and textbfSCOPUS). @article{Amintoosi07using, title = {Using Pattern Matching for Tiling and Packing Problems}, author = {M Amintoosi and H SadoghiYazdi and M.Fathy and R Monsefi}, year = {2007}, date = {2007-01-01}, journal = {European Journal of Operational Research}, volume = {183}, pages = {950-960}, note = {Indexed by textbfDBLP and textbfSCOPUS}, keywords = {}, pubstate = {published}, tppubtype = {article} } | |
2005 |
|
Amintoosi, M; Haddadnnia, J Feature Selection in A Fuzzy Student Sectioning Algorithm Journal Article Lecture Notes in Computer Science, 3616 , pp. 147–160, 2005, (Indexed by textbfDBLP). @article{Amintoosi05feature, title = {Feature Selection in A Fuzzy Student Sectioning Algorithm}, author = {M Amintoosi and J Haddadnnia}, year = {2005}, date = {2005-01-01}, journal = {Lecture Notes in Computer Science}, volume = {3616}, pages = {147--160}, publisher = {Springer-Verleg}, note = {Indexed by textbfDBLP}, keywords = {}, pubstate = {published}, tppubtype = {article} } | |
2004 |
|
Amintoosi, M; Yazdi, Sadoghi H; Haddadnnia, J Fuzzy Student Sectioning Inproceedings PATAT04: Practice and Theory of Automated Timetabling, pp. 421-424, USA, 2004. @inproceedings{Amintoosi04fuzzy, title = {Fuzzy Student Sectioning}, author = {M Amintoosi and Sadoghi H Yazdi and J Haddadnnia}, year = {2004}, date = {2004-08-01}, booktitle = {PATAT04: Practice and Theory of Automated Timetabling}, pages = {421-424}, address = {USA}, keywords = {}, pubstate = {published}, tppubtype = {inproceedings} } | |
Amintoosi, M; Monsefi, R; Haddadnia, J Using Pattern Matching for Tiling and Packing Problems Inproceedings Fifth International InProceedings on Computer Sciences, pp. 97-104, Hermes Science Publishing, Metz,France, 2004. @inproceedings{Amintoosi04using, title = {Using Pattern Matching for Tiling and Packing Problems}, author = {M Amintoosi and R Monsefi and J Haddadnia}, year = {2004}, date = {2004-07-01}, booktitle = {Fifth International InProceedings on Computer Sciences}, pages = {97-104}, publisher = {Hermes Science Publishing}, address = {Metz,France}, series = {Modeling, Computation and Optimization in Information Systems and Management Sciences}, keywords = {}, pubstate = {published}, tppubtype = {inproceedings} } | |
2002 |
|
Monsefi, R; Amintoosi, M A Genetic-Neuro Algorithm for Tiling Problems with Rotation and Reflection of Figures Journal Article Iranian Journal of Science and Technology, Transaction B, 26 (B4), pp. 693-700, 2002, (Indexed by textbfACM). @article{Monsefi02agenetic, title = {A Genetic-Neuro Algorithm for Tiling Problems with Rotation and Reflection of Figures}, author = {R Monsefi and M Amintoosi}, year = {2002}, date = {2002-12-01}, journal = {Iranian Journal of Science and Technology, Transaction B}, volume = {26}, number = {B4}, pages = {693-700}, address = {Shiraz University}, note = {Indexed by textbfACM}, keywords = {}, pubstate = {published}, tppubtype = {article} } | |
