پاورپوینت سقف های سبک

سقف سبک مرکب (Light Composite Panel) با نام اختصاری LCP سقف جدیدی است که بخوبی پاسخگوی نیازهای اصلی یک سیستم سازه ای می باشد. این سقف ترکیبی از فولاد و بتن سبک است که به صورت کاملا ً پیش ساخته در کارخانه تولید و پس از حمل به محل پروژه، با اتصالات جوشی و یا مکانیکی به تیرهای اصلی و یا فرعی سازه متصل می گردد. این سقف با وزنی در حدود 80 کیلوگرم بر مترمربع از مقاومت و عملکرد مناسبی برای تحمل بارهای وارده برخوردار است. LCP توسط مرکز تحقیقات ساختمان و مسکن مورد ارزیابی و تایید قرار گرفته است و با عنوان "سقف سبک مرکب" در اداره مالکیت صنعتی ایران بصورت یک اختراع جدید به ثبت رسیده است.مشخصات کلی LCP:
LCP یک سقف آماده نصب است که بصورت پنل و در کارخانه تولید و پس از حمل به محل پروژه با اتصالات جوشی در جای خود نصب می گردد. این پنل ها در عرض 62 سانتی متر و طول 4 متر و ارتفاع متغیر از 14 تا 20 سانتی متر تولید می شوند. دو طرف پنل ها با استفاده از ناودانی های حاصل از خمکاری ورق در ضخامت 3 میلی متر (بصورت براکت یا یو) می باشند. دو ورق گالوانیزه با ضخامت 0.5 میلی متر و بصورت پروفیل ذوزنقه ای در دو سمت فوقانی و تحتانی قرار گرفته اند و داخل فضای ایجاد شده با بتن سبک سلولی (فوم بتن) در چگالی و مقاومت مطلوب پر می گردد. شکل زیر نمونه ای از این سقف را نشان می دهد.

مزایای سقف سبک  LCP

1. تولید در کارخانه تحت نظارت فنی و کنترل کیفیت (بصورت کاملاً پیش ساخته).
2. سبکی بالا (80 کیلو گرم در متر مربع، در نتیجه افزایش مقاومت به زلزله در سازه).
3. سبکی بالا (در نتیجه کاهش قابل توجه در مصرف فولاد ناشی از کاهش ابعاد ستون ها و تیرها).
4. سبکی بالا (در نتیجه امکان طرح توسعه برای طبقات اضافی در بنا که قبلاً پیش بینی نشده است).
5. پایداری بیشتر در مقابل آتش سوزی (به دلیل استفاده از بتن سبک در قسمت میانی سقف)

منبع:پاورپوینت سقف های سبک

پاورپوینت شبکه های عصبی مصنوعی

شبکه های عصبی مصنوعی (ANN) یا Artificial Neural Networks و به عبارت دیگر سیستم های اتصالگر، سیستم های محاسبه کننده ای هستند که از شبکه های عصبی زیستی الهام گرفته شده اند.

این سیستم ها، با بررسی مثال ها، فعالیت ها را یادگیری می کنند (به عبارت دیگر عملکرد خود را در در انجام فعالیت ها به مرور بهبود می دهند) و عموماً این اتفاق بدون هیچ برنامه نویسی مختص به فعالیت انجام می شود.

برای مثال، در شناسایی تصویر، این شبکه ها می توانند یاد بگیرند که تصاویر شامل گربه را با تحلیل تصاویر مثالی که قبلاً بطور دستی به عنوان “با گربه” یا “بدون گربه” برچسب گذاری شدند، شناسایی کنند و از این نتایج برای  شناسایی گربه در تصاویر دیگر استفاده نمایند. شبکه های عصبی این عمل را بدون دانش قبلی در مورد گربه انجام می دهند؛ یعنی از مثلاً از مو، دم، سیبیل یا صورت گربه خبر ندارند. در عوض، خود مجموعه مشخصه های مرتبط را از مطالب آموزشی ای که پردازش می کنند، توسیع می دهند.

یک ANN بر مجموعه ای از واحدهای متصل یا گره، به نام نورون های مصنوعی، مبتنی است (مشابه نورون های زیستی در مغز حیوان). هر اتصال (سیناپس) میان نورون ها می تواند سیگنالی را از یک نورون به نورون دیگر انتقال دهد. نورون دریافت کننده (پُست سیناپتیک) می تواند سیگنال (ها) و سپس نورون های سیگنالی متصل به آن را پردازش کند.

شبکه عصبی مصنوعی روشی عملی برای یادگیری توابع گوناگون نظیر توابع با مقادیر حقیقی، توابع با مقادیر گسسته و توابع با مقادیر برداری می‌باشد.

مطالعه شبکه های عصبی مصنوعی تا حد زیادی ملهم از سیستم های یادگیر طبیعی است که در آنها یک مجموعه پیچیده از نرونهای به هم متصل درکار یادگیری دخیل هستند. 

گمان می‌رود که مغز انسان از تعداد ‌10¹¹ نرون تشکیل شده باشد که هر نرون با تقریبا 10⁴ نرون دیگر در ارتباط است. سرعت سوئیچنگ نرونها در حدود ^3-10 ثانیه است که در مقایسه با کامپیوترها ^10-10 ثانیه  بسیار ناچیز می‌نماید. با این وجود آدمی قادر است در 0.1 ثانیه  تصویر یک انسان را بازشناسائی نماید. ولی برای کامپیتر دقایقی طول می کشد که این بازشناسی انجام شود.

منبع:پاورپوینت شبکه های عصبی مصنوعی

پاورپوینت شبکه های عصبی مصنوعی

شبکه‌های عصبی مصنوعی یا شبکه‌های عصبی صناعی (Artificial Neural Networks - ANN) یا به زبان ساده‌تر شبکه‌های عصبی سیستم‌ها و روش‌های محاسباتی نوین برای یادگیری ماشینی، نمایش دانش و در انتها اعمال دانش به دست آمده در جهت بیش‌بینی پاسخ‌های خروجی از سامانه‌های پیچیده هستند. ایدهٔ اصلی این گونه شبکه‌ها تا حدودی الهام‌گرفته از شیوهٔ کارکرد سیستم عصبی زیستی برای پردازش داده‌ها و اطلاعات به منظور یادگیری و ایجاد دانش قرار دارد. عنصر کلیدی این ایده، ایجاد ساختارهایی جدید برای سامانهٔ پردازش اطلاعات است. [نیازمند منبع]

این سیستم از شمار زیادی عناصر پردازشی فوق‌العاده بهم‌پیوسته با نام نورون تشکیل شده که برای حل یک مسئله با هم هماهنگ عمل می‌کنند و توسط سیناپس‌ها (ارتباطات الکترومغناطیسی) اطلاعات را منتقل می‌کنند. در این شبکه‌ها اگر یک سلول آسیب ببیند بقیه سلول‌ها می‌توانند نبود آن را جبران کرده، و نیز در بازسازی آن سهیم باشند. این شبکه‌ها قادر به یادگیری‌اند. مثلاً با اعمال سوزش به سلول‌های عصبی لامسه، سلول‌ها یادمی‌گیرند که به طرف جسم داغ نروند و با این الگوریتم سیستم می‌آموزد که خطای خود را اصلاح کند. یادگیری در این سیستم‌ها به صورت تطبیقی صورت می‌گیرد، یعنی با استفاده از مثال‌ها وزن سیناپس‌ها به گونه‌ای تغییر می‌کند که در صورت دادن ورودی‌های جدید، سیستم پاسخ درستی تولید کند.

امروز به قدری استفاده از سیستم‌های هوشمند و به ویژه شبکه عصبی مصنوعی گسترده شده است که می توان این ابزارها را در ردیف عملیات پایه ریاضی و به عنوان ابزارهای عمومی و مشترک، طبقه‌بندی کرد. چرا که کمتر رشته دانشگاهی است که نیازی به تحلیل، تصمیم‌گیری، تخمین، پیش‌بینی، طراحی و ساخت داشته باشد و در آن از موضوع شبکه‌های عصبی استفاده نشده باشد. فهرستی که در ادامه آمده است، یک فهرست نه چندان کامل است. اما همین فهرست مختصر نیز گستردگی کاربردهای شبکه‌های عصبی مصنوعی را تا حدود زیادی به تصویر می‌کشد.

منبع:پاورپوینت شبکه های عصبی مصنوعی

پاورپوینت طبقه بندی در روانپزشکی

روانپزشکان  برای بر چسب‌گذاری رفتارهای نا هنجار در یک نظام طبقه‌بندی به توافق رسیده‌اند. محصول این توافق تحت عنوان یک کتاب مرجع تخصصی، یعنی (DSM-5) توسط انجمن روان پزشکی آمریکا در سال ۲۰۱۳ منتشر شده‌است.
در DSM-5، رفتارهای نا هنجار بر طبق شباهت‌ها و تفاوت‌های اصلی در شیوه‌هایی که افرادِ مبتلا به اختلال روانی رفتار می‌کنند، طبقه‌بندی می‌شوند.

روانپزشکان، اصول روان‌شناختی تجربی را برای رفع مشکلات افراد در زمینه‌سازگاری و رفتار نابهنجار به کار می‌برند. اما پیش از آنکه روان‌شناسان بالینی بتوانند مداخلات موردنظرشان را تدوین و اجرا کنند باید ابتدا نشانه‌های آسیب روانی و سطح ناسازگاری مراجعان خود را بسنجند. نکته جالب توجه این است که تعریف دقیق این موارد امکان‌ناپذیر است. در این مطلب نگاهی انتقادی خواهیم داشت به برخی تعاریف و برچسب‌های روان‌شناسی بالینی تا بتوانیم برخی از معضلات ناشی از کاربردشان را روشن کنیم.

نواع طبقه بندی در روانپزشکی:

طبقه بندی DSM-IV

1- اختلالاتی که نخستین بار در دوره شیرخوارگی، کودکی یا نوجوانی آشکار می شوند

2- اختلالات شناختی و نسیانی

3- اختلالات روانی ناشی از اختلالات و بیماریهای طبی

4-  اختلالات وابسته به مصرف مواد

5- اسکیزوفرنیا و سایر اختلالات psychotic

6- اختلالات خلقی

7- اختلال اضطرابی

8- اختلالات شبه جسمانی

9- اختلالات ساختگی ( عمدی)

10- اختلالات تجزیه ای

11-  اختلال جنسی

12- اختلالات خوردن

13-  اختلالات خواب

14-  اختلالات کنترل تکانه

15- اختلالات انطباق

16-  اختلالات شخصیت

17- اختلالات دیگری که ممکن است مورد توجه بالینی قرار گیرند

منبع:پاورپوینت طبقه بندی در روانپزشکی

پاورپوینت امنیت اطلاعات

همزمان با گسترش استفاده از کامپیوترهای شخصی و مطرح شدن شبکه‌های کامپیوتری و به دنبال آن اینترنت (بزرگترین شبکه جهانی)، حیات کامپیوترها و کاربران آنان دستخوش تغییرات اساسی شده‌است. استفاده‌کنندگان کامپیوتر به منظور استفاده از دستاوردها و مزایای فناوری اطلاعات و ارتباطات، ملزم به رعایت اصولی خاص و اهتمام جدی به تمامی مؤلفه‌های تأثیرگذار در تداوم ارائه خدمات در یک سیستم کامپیوتری می‌باشند.

امنیت اطلاعات و ایمن‌سازی شبکه‌های کامپیوتری از جمله این مؤلفه‌ها بوده که نمی‌توان آن را مختص یک فرد یا سازمان در نظر گرفت. پرداختن به مقوله امنیت اطلاعات و ایمن‌سازی شبکه‌های کامپیوتری در هر کشور، مستلزم توجه تمامی کاربران صرفنظر از موقعیت شغلی و سنی به جایگاه امنیت اطلاعات و ایمن‌سازی شبکه‌های کامپیوتری بوده و می‌بایست به این مقوله در سطح کلان و از بعد منافع ملی نگاه کرد. وجود ضعف امنیتی در شبکه‌های کامپیوتری و اطلاعاتی، عدم آموزش و توجیه صحیح تمامی کاربران صرفنظر از مسئولیت شغلی آنان نسبت به جایگاه و اهمیت امنیت اطلاعات، عدم وجود دستورالعمل‌های لازم برای پیشگیری از نقایص امنیتی، عدم وجود سیاست‌های مشخص و مدون به منظور برخورد مناسب و بموقع با اشکالات امنیتی، مسائلی را به دنبال خواهد داشت که ضرر آن متوجه تمامی کاربران کامپیوتر در یک کشور شده و عملاً زیرساخت اطلاعاتی یک کشور را در معرض آسیب و تهدید جدی قرار می‌دهد.

واژه امنیت اطلاعات حجم وسیعی از فعالیت های یک سازمان را تحت پوشش قرار می دهد . امنیت اطلاعات به معنای واقعی یعنی با استفاده از یک سری فرآیند ها از دسترسی غیر مجاز به اطلاعات و یا محصولات و اعمال تغییرات یا حذف کردن آنها جلوگیری کنیم .این عمل را می توان به نحوی حفاظت از منابع موجود ، در موقعیت های مختلف ( مانند یک حمله هکری که معمولا خیلی انجام می شود ) توسط افرادی که مسئول امنیت اطلاعات هستند در نظر گرفت .

منبع:پاورپوینت امنیت اطلاعات