دانلود مقاله در مورد روشهای طراحی مهندسی

دانلود مقاله در مورد روشهای طراحی مهندسی

فرمت فایل دانلودی: .zip
فرمت فایل اصلی: .doc
تعداد صفحات: 20
حجم فایل: 219 کیلوبایت
قیمت: 6000 تومان

لینک دانلود و خرید پایین توضیحات
دسته بندی : وورد
نوع فایل :  word (..doc) ( قابل ویرایش و آماده پرینت )
تعداد صفحه : 20 صفحه

 قسمتی از متن word (..doc) : 
 

‏
‏پروژۀ درس روشهای طراحی مهندسی
‏مقدمه:
‏
‏از بعد از انقلاب ایران صنایع اتومبیل سازی پیشرفت مهمی نکرده اند و همان اتومبیلهای گذشته و بعضی از اتومبیلهای جدید اروپایی مانند پژو و کیا را مونتاژ کرده اند؛ تا چند سال پیش که کارخانجات اتومبیل سازی شروع به طراحی اتومبیلهای جدید کرده اند.
‏1- ‏تشخیص نیاز‏:
‏با توجه به کاربرد بسیار بالای خودرو در کشور و استفاده از آن بعنوان یک ابزار ضروری، و با در نظر گرفتن شرایط مختلف اقتصادی –‏ اجتماعی –‏ منابع معدنی –‏ منابع نفت و گاز ومنابع انسانی موجود در کشور بایستی درصدد طراحی و ساخت، یا انتخاب یک خودروی بهینه از میان خودروهای موجود در کشور باشیم تا بتواند در شرایط مختلف آب وهوایی کشور ما کارآمد باشد و با توجه به وضعیت اقتصادی جامعه قیمت آن در حدی باشد که اکثریت طبقات مختلف جامعه قادر به خرید آن باشند .
‏لذا با توجه به موارد ذکر شده در بالا و خصوصیاتی که در مراحل دیگر پروژه قید خواهدشد نیاز به طراحی و ساخت یک خودرو با شرایط بیان شده الزامی است .
‏2- هدف از اجرای طرح‏:
‏طراحی و ساخت یا ‌انتخاب یک خودروی مناسب با درنظر گرفتن شرایط زیر :
‏مقرون به صرفه باشد بطوریکه اکثریت طبقات مختلف جامعه بتوانند از آن استفاده کنند .
‏دارا بودن مقاومت و شرایط ایمنی مناسب .
‏از لحاظ زیست محیطی مطابق با استانداردهای روز جهانی باشد .
‏3- تحقیقات در مورد طرح‏:
‏
‏تحقیقات درمورد بهترین خودرو را بیشتر بر روی مجله ها و ژورنالهایی که انواع خودرو ها را بایکدیگر مقایسه نموده و نتایج کیفی و کمی در اختیار ما قرار داده اند استفاده نموده ایم و همچنین در مورد خودروهایی که نمایندگی مستقیم داشته اند نیز تحقیقاتی به عمل امده است .
‏4- خصوصیات طرح :
‏اکنون با توجه به مراحل قبل ( تشخیص نیاز و تعریف هدف) خصوصیات طرح را بصورت زیر مورد بررسی قرار می دهیم :
‏چشم انداز
‏آلودگی
‏نگهداری
‏ارگونومی
‏ ‏فضای سرنشین
‏ دید م‏ناسب
‏درب‌های خودرو
‏صندلی راننده
‏سیستم سوخت رسانی
‏دستگاه تعلیق
‏سیستم ترمز ABS
‏
‏5 - ‏ایده دادن :
‏
‏پس از معرفی خصوصیات طرح به مرحله ایده دادن می رسیم .در این مرحله با ارائه ایده‌های مختلف و معرفی ویژگیهای هر یک به تجزیه وتحلیل آنها پرداخته و در نهایت چند ایده مناسب را که حداکثر خصوصیات ذکر شده در مراحل قبل را داشته باشد جهت قرار گرفتن در ماتریس تصمیم گیری انتخاب می کنیم.
‏پژو پارس‏:
‏
‏حداکثرسرعت :186 km/h
‏حجم موتور :1716 CC
‏سیستم سوخت رسانی : انژکتوری
‏حداکثر توان موتور : 100 HP at 6000 rpm
‏حداکثر گشتاور : 15.3 N.m at3900‏ شتاب از 0 تا 100 : ‏ ‏ 11.8sec‏ وزن خودرو : 1100 kg ‏حداکثر وزن مجاز : ‏ 1550 kg
‏ظرفیت مخزن سوخت : 70 lit
‏جعبه فرمان : هیدرولیک – شانه‌ای
‏تعلیق جلو : مستقل از نوع مک‌فرسون
‏تعلیق عقب : مستقل از نوع فنر پیچشی سیستم ترمز جلو : دیسکی با پره‌های خنک کننده
‏عقب : دیسکی
‏ایمنی:
‏1-چراغ اخطار تمام شدن لنت ترمز
‏

 

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

دانلود مقاله در مورد روشهای تکراری پیش فرض در مسائل گسسته خطی

دانلود مقاله در مورد روشهای تکراری پیش فرض در مسائل گسسته خطی

فرمت فایل دانلودی: .zip
فرمت فایل اصلی: .doc
تعداد صفحات: 60
حجم فایل: 109 کیلوبایت
قیمت: 6000 تومان

لینک دانلود و خرید پایین توضیحات
دسته بندی : وورد
نوع فایل :  word (..doc) ( قابل ویرایش و آماده پرینت )
تعداد صفحه : 60 صفحه

 قسمتی از متن word (..doc) : 
 

‏1
‏روشهای تکراری پیش فرض در مسائل گسسته خطی
‏از منظر معکوس‏«‏ با‏ی‏سیان‏»
‏دانشکده ریاضیات و مرکزی برای مدل سازی سیستم های متابولیک کامل دانشگاه کمیس غربی کلوند، OH‏ 4410‏6‏ آمریکا
‏دریافتی 3 فویه 2005 دریافتی صورت اصلاح شده 24 آگوست 2005
‏چکیده:
‏ در این مقاله ما با مسائل گسسته خطی که با روشهای تکراری قابل حل می باشد ‏ا‏ز ن‏ظ‏ر آماری معکوس بایسیان‏ روبرو خواهیم شد پس از بررسی اجمالی روش های تکراری عمده برای حل مسائل ناقص خطی و برخی نتایج آماری اولیه و روشهای آماری ‏استراتژیهای ترسیمی را مورد تجزیه و تحلیل قرار خواهیم داد. نمونه های محاسبه شده رابط بین این دو را تشریح می کند.
‏ کلمات کلیدی: حل های معکوس( امتحانی) فضای فرعی‏«‏ کریلا‏»‏ و روش معکوس‏«‏ بایسی‏ا‏ن‏»
‏ پیش فرضها مسائل ناقص
‏2
‏(1) مقدمه
‏استفاده از روشهای ‏تکرار‏ی برای حل سیستمهای خطی معادلات روشی انتخابی است هنگامی که ابعاد سیستم آنقدر بزرگ باشد که ‏ ‏
‏فاکتورسازی ماتریس A‏ ‏را ‏غیر‏ عم‏ل‏ی سا‏ز‏د یا هنگامی که ماتریس آن بطور صریح مجهول باشد و ما بآسانی بتوانیم حاصلضرب آن را با هر گونه بردار معلومی محاسبه کنیم. ‏هنگامی که سیستم خطی‏ ‏در رابطه با‏ گسستگی مسائل خطی ناقص سمت راست b‏ اطلاعات و فرضیات را مورد بررسی قرار دهد، نقش مسائل متوالی در ماتریس A‏ افزایش می یابد و بنابرای‏ن‏ حل مسائل برای یافتن خطا در داده ها ‏م‏هم و ضروری به نظر می رسد. بمنظور حفظ خطا در نشان دادن صورت b‏ برخی از روشهای بدست آوردن مجهولات بایستی مشخص شود در ‏ز‏می‏نه‏ روشهای معکوس بمنظور حل مجهولات بواسطه توقف کردن تکرار قبل از همگرایی در حل سیستم های خطی بهتر است به تکرار های ناقص رجوع شود. تجزیه و تحلیل کامل در ویژگی های معلوم کردن به روش CG‏ در معادلات کامل هنگامی که می توان از معیارهای بازدارندگی مناسب استفاده کرد در بخش ]‏ 10 [‏ قابل بحث می باشد.
‏4
‏ در صورتیکهM‏ ماتریس معکوس باشد، براساس ویژگی های طیفی MA‏ همگرایی سریعترین برای روشهای حل تکراری ایجاد می کند. ماتریس M‏ ماتریس شرطی سمت چپ برای سیستم خطی(1) نامیده می شود قابلیت امتحان ماتریس M‏ نشان میدهد که سیستم های (1) و (2) راه حل یکسانی دارند انتخاب یک ماتریس شرطی مقدم M‏ نشان می دهد که چنین ماتریسی نه تنها ویژگی های طیفی ماتریس A‏ را تغییر می دهد بلکه بمنظور حل سیستم های خطی با مضروب ماتریس A‏ بآسانی می توان آن را در کل بردار ضرب کرد. در حقیقت در هنگام حل سیستم 2 به روش تکرار لازم است ضرب ماتریس در بردار را در فرم ‏مورد محاسبه قرار دهیم. سیستم خطی (1) با معادله زیر قابل جانشینی است.
‏ ‏ ‏ ‏(3)
‏ماتریس معکوس
‏در صورتی کهM ‏ ‏ماتریس معکوس باشد در این مورد M‏ ماتریس شرطی اولیه را ست نامیده می شود و از آنجائیکه هنگام حل سیستم خطی لازم است ضرب ماتریس در بردار را که بصورت‏ ‏نشان داده می ‏ش‏ود محاسبه کنیم حل سیستم خطی با ضریب ماتریس A‏ نیز ضروری به نظر می رسد یکی از شرایط برای روشهای حل تکراری در سیستم های خطی را می توان در بخش 19 مشاهده کرد زمانی که سیستم خطی از پراکندگی مسائل ناقص خطی ناشی می شود لازم و ضروری است که این مسائل را حل کرد در عوض تغییر مسیر از شتاب دهنده های همگرا به یک افزایش دهنده کیفیت در حل مسائل مح
‏4
‏ا‏سبه شده به هیچ روش امکان پذیر نمی باشد. علاوه بر آن سمت و جهتی که معکوس ماتریس بکار می رود بسیار مهم است.در حل تکراری مسائل خطی یک شرط اولیه سمت راست مرتبط با داده های کاملاً منسجم و موجود در مورد حل در حالیکه شرایط لازم الاجرای سمت چپ داده هایی در مورد تمایز ویژگی های آماری ارائه می دهد در حالی که کاربرد این فرضیات در رابطه با ر‏و‏شهای تکراری در سیستم های خطی مشابه و مسائل خطی ناقص بر هم مرتبط است ساخت این پیش فرضیات مناسب کاملاً متغیر بوده و در موارد بعدی برای فهم اینکه چگونه این پیش فرضیات بر کیفیت حل مسائل اثر گذارنده مهم بنظر می رسد.
‏برخی انواع داده های قبلی در مورد حل ممکن است قابل تغیر به یک تغییرات مناسب در جهت حل های تکراری باشد بعنوان مثال داده هایی در مورد حد های بالایی و پائینی در حل اعداد صحیح بواسطه مراحل ترسیم سازی، پس از ترسیم روش تقریبی روش های تکراری با استفاده از روش های حل ترسیمی بعنوان یک سری حدسیات اولیه جدید آغاز می شود رجوع شود به]‏ 3 [‏ فرایند ادامه می یابد تا یک معیاری برای توقف حاصل شود این امر باعث می شود روشهای مؤثر محاسباتی نسبت به مدل های استاندارد تأثیر بهتری داشته باشد.

 

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

دانلود مقاله در مورد روش های استخراج ویژگی و روش های خطی و غیر خطی دسته بندی 17 ص

دانلود مقاله در مورد روش های استخراج ویژگی و روش های خطی و غیر خطی دسته بندی 17 ص

فرمت فایل دانلودی: .zip
فرمت فایل اصلی: .docx
تعداد صفحات: 16
حجم فایل: 487 کیلوبایت
قیمت: 6000 تومان

لینک دانلود و خرید پایین توضیحات
دسته بندی : وورد
نوع فایل :  word (..docx) ( قابل ویرایش و آماده پرینت )
تعداد صفحه : 16 صفحه

 قسمتی از متن word (..docx) : 
 

‏Dec. 28
‏Feature Extraction
2
‏1) ‏چکیده:
‏ ‏در این تمرین‏ روش‏ ‏های استخراج ویژگی و‏ ‏روش‏ ‏های خطی و غیر خطی‏ دسته‏ ‏بندی‏ ‏را مورد مطالعه قرار می‌دهیم‏.‏ ‏در ابتدا‏ روش‏ ‏های مختلف استخراج ویژگی که از آن جمله PCA‏، LDA‏، روش قاب بندی و چند روش دیگر هستند را و سپس برای ویژگی‏ ‏های استخراج شده از‏ ‏روش‏ ‏های‏ دسته‏ ‏بندی‏ خطی بیزین و SVM‏ خطی و سپس روش‏ ‏های غیر‏‌‏خطی RBF‏ ، MLP‏ و همچنین SVM‏ غیر‏‌‏خطی ‏بر‏ا‏ی‏ دسته‏ ‏بندی استفاده ‏ شده‏‌‏ ‏ا‏ست‏. ‏بسته ‏به ‏روش ‏شناسایی ‏بکار ‏گرفته ‏شده، ‏معمولا ‏ویژگی‏ ‏های ‏متفاوتی ‏از ‏دنباله ‏نقاط ‏استخراج ‏می ‏شود. ‏در ‏اکثر ‏روش ‏های ‏موجود‏ ‏استخراج ویژگی‏، ‏ویژگی‏ ‏ها ‏از ‏روی ‏مختصات ‏نقاط ‏نمونه‏ ‏برداری ‏شده ‏ورودی ‏استخراج ‏می‏ ‏شو‏ن‏د‏. از مجموعه ی ویژگی های استخراج شده معمولاً تعدادی مفید تر و موثرترند. ما برای تشخیص و انتخاب ویژگی های تاثیرگذارتر از یک الگوریتم ژنتیک استفاده کرده ایم.‏ ‏اما پس از استخراج و انتخاب‏ ویژگی‏ ‏ها‏ نوبت به دسته بندی می رسد.‏ در ابتدا از چند دسته بند خطی استفاده کرده ایم.‏ به راحتی می‏‌‏توان نشان داد که ناحیه‏‌‏های تصمیم‏‌‏گیری یک ماشین خطی محدودند‏ ‏و این محدودیت انعطاف‏‌‏پذیری و دقت دسته‏‌‏بند را کاهش می‏‌‏دهد. ‏مسایل بسیاری وجود دارد که توابع جداساز خطی برای داشتن حداقل خطا در آنها کافی نیستند.‏ علاوه بر این مرزهای تصمیم‏‌‏گیری که کلاسها را از یکدیگر تفکیک می‏‌‏کنند ممکن است همیشه خطی نباشند و پیچیدگی مرزها گاهی اوقات نیاز به استفاده از سطح‏‌‏های کاملاً غیر خطی‏ را ‏دارند.‏ ‏بنابراین در ادامه ی کار از چند دسته بند غیرخطی نیز استفاده نمودیم. ‏در استفاده از شبکه‏‌‏های عصبی چندلایه، شکل غیر خطی بودن از مجموعه‏‌‏ی آموزش فرا گرفته می‏‌‏شود. در روشهای RBF ‏ و SVM‏ غیرخطی مشکل‏ اصلی انتخاب توابع‏ هسته‏ غیر خطی مناسب است.
‏2) مقدمه
‏ ‏ ‏اولین الگوریتم دسته‌بندی در سال 1936 توسط Fisher‏ ارایه شد و معیارهای آن برای بهینه بودن، کم کردن خطای دسته‌بندی کننده‌های الگو‌های آموزشی بود. بسیاری از استراتژی‌های موجود نیز از همین روش پیروی می‌کنند. ‏در ساده‏‌‏ترین شکل ممکن‏،‏ دسته بند‏‌‏های خطی می‌توانند دو دسته‌ی متفاوت را تفکیک کنند‏.‏ با توجه به این موضوع مساله‌ای را جدایی‌پذیر خطی می‌نامند که با یک ابرصفحه بتوان محدوده‌ی تصمیم را به ‏دو ‏گروه تقسیم‏‌‏بندی کرد. در عمل می‏‌‏توان دسته بند‌های خطی‌ای را طراحی کرد که بیش از دو گروه را از هم تفکیک کنند. این عمل را با‏ ‏تنظیم محدوده‌های تصمیم متعدد و آزمون‌های چندگانه بر اساس شرایط موجود می‌توان انجام داد. ما در این مساله یک دسته بندی با 26 کلاس را داریم.
‏ ‏ ‏در روش بیزین احتمال شرطی تعلق بررسی می‌شود‏. به این ترتیب که الگوی مورد نظر به دسته‌ای تخصیص داده می‏‌شود که احتمال شرطی تعلق بردار مشخصه‌ی الگو به آن دسته ازتمام دسته‌های دیگر بیشتر باشد.‏ روش بیزین به طور کلی می تواند برای کارایی بسیار مطلوب بهینه شوند. این روش مزایای دیگری نیز دارد که استفاده‌ی از آن را توجیه می‌کند. این روش می‌تواند با چند فرض ساده در مورد داده‌ها کاملاً به شکل روشهای ساده‌ی خطی عمل کند، به علاوه این کار می‌تواند به
‏Dec. 28
‏Feature Extraction
2
‏گونه‌ای انجام شود که در پایان، مدل قطعی بدون هیچ گونه رجوع به آمار به دست آید. در روش بیزین مشکل کار تعریف احتمالات شرطی مورد نظر قاعده‌ی بیز است.‏
‏ ‏ یک محقق روسی به نام Vladimir Vapnik‏ در سال 1965 گام مهمی در طراحی دسته‌بندها برداشت [1]‏ و نظریه‌ی آماری یادگیری را بصورت مستحکم‌تری بنا نهاد و ماشین بردار پشتیبان را ارایه کرد. ‏ ماشین‌های بردار پشتیبان در دو حالت جدایی‌پذیر و جدایی‌ناپذیر برای دسته‌بندی الگوهای یک مساله‌ی چندکلاسه از چند مرز جداکنند‏ه‏‌ی خطی یا ابرصفحه استفاده می‌کنند و در واقع حاصلضرب داخلی بردار ورودی با هر یک از بردارهای پشتیبان در فضای d‏ بعدی ورودی محاسبه می‌شود. Vapnik‏ نشان داد که می‌توان بردار ورودی را با یک تبدیل غیرخطی به یک فضای با بعد زیاد انتقال داد و در آن فضا حاصلضرب داخلی را بدست آورد که با این شرایط هسته‌ی مفیدی را خواهیم داشت.
‏ ‏ روش RBF‏ یک دسته‏‌‏بندی و تقریب‌ساز تابعی الگوست و شامل دو لایه می‌باشد که نرون‌های خروجی ترکیبی خطی از توابع پایه‌ای را به وجود می‌آورند که توسط نرون‏‌‏های لایه‌ی پنهان محاسبه شده‌اند.‏ زمانی که ورودی در ناحیه‌ی تعیین شده‌ی کوچک از فضای ورودی قرار گیرد، توابع اساسی(غیر خطی) در لایه‌ی پنهان، پاسخ غیر صفری به محرک ورودی می‏‌‏دهند. همچنین این مدل به عنوان یک شبکه‌ی دریافت‌کننده‌ی ناحیه‌ای شناخته شده است. ما در روش RBF‏ از معمول‌ترین تابع هسته‏‌ی‏ غیر خطی یعنی سیگموئید استفاده کرده‌ایم.
‏ ‏ به‏ ‏طور کلی شبکه‌های پرسپترون چند‌لایه شامل چندین پرسپترون ساده هستند که به طور ساختار سلسله‌مراتبی، یک شکل پیش‌خورد با یک و یا چند لایه‌ی میانی (لایه‌های پنهان) بین لایه‌های ورودی و خروجی را شکل می‌دهد.‏ تعداد لایه‌ی پنهان و تعداد نرون‌های هر لایه ثابت نیستند. هر لایه ممکن است از نرون‌های مختلفی تشکیل شده باشد که این موضوع به کار آنها بستگی دارد. الگوریتم‌های آموزشی متفاوتی در روش ‏چند لایه ‏استفاده می‌شوند‏.‏
‏3) روشهای به کار رفته در این گزارش
‏ ‏در این قسمت ‏روشهای استخراج ویژگی، روشهای انتخاب ویژگی ها جهت بهینه کردن آنها و کم کردن ابعاد مساله با کاهش تعداد آنها ‏و روشهای دسته‌بندی (خطی و غیرخطی) به کار رفته ‏بررسی شده‌اند.
‏3-1) ‏روشهای استخراج ویژگی
‏ ‏در این قسمت انواع روشهای استخراج ویژگی ها ذکر شده است.‏ ذکر این نکته لازم است که برخی الگوریتم های استخراج برای انتخاب ویژگی های موثر نیز استفاده می شوند ازجمله ی آنها PCA‏ و LDA‏ هستند. اما در این گزارش ما برای بهینه کردن ویژگی ها و کم کردن تعداد آنها و یا به عبارت دیگر برای کاهش ابعاد (Curse of Dimensionality‏) از الگوریتم ژنتیک استفاده نموده ایم.
‏Dec. 28
‏Feature Extraction
4
‏3-1-‏1‏) روش PCA‏ خطی‏
‏ روشهای استخراج ویژگی یک زیرفضای مناسب m‏ بعد‏ی‏ در فضای اصلی ویژگی‏ ‏ها از d‏ بعد ‏را تعیین می‏ ‏کنند‏(m
‏ از آجا که PCA‏ یک روش بدون بررسی استخراج ویژگی‏ ‏هاست (Unsupervised‏)، تحلیل جداسازی از یک اطلاعات گروهی در رابطه با هر الگو برای استخراج (خطی) ویژگی‏ ‏های با قابلیت جداسازی زیاد استفاده می‏ ‏کند. در LDA‏ جداسازی بین کلاسی با جابجایی کل ماتریس کوواریانس در PCA‏ با یک معیار جداسازی عمومی مانند معیار Fisher‏ تائید می‏ ‏شود که در یافتن بردارهای مشخصه sw-1sb ‏ نتیجه می‏ ‏شود.‏( حاصل معکوس ماتریس پراکندگی sw ‏ و ماتریس پراکندگی بین کلاسی sb ‏ ).‏ معیار دیگر همراه با بررسی (Supervised‏) برای چگالی‏ ‏های شرایط کلاس غیرگاوسی بر پایه‏ ‏ی فاصله Patrick-Fisher‏ با استفاده از برآورد چگالی Parzen‏ است.
‏3-1-‏2‏) روش Kernel PCA‏ (PCA‏ با هسته‏ یا PCA‏ غیرخطی‏)
‏ چندین روش برای تعریف روش‏ ‏های استخراج ویژگی غیرخطی وجود دارد. یکی از این روش‏ ‏ها که مستقیماً به PCA‏ مربوط است، Kernel PCA‏ ‏نام دارد. ایده‏ ‏ی اصلی KPCA‏ نگاشتن داده‏ ‏های ورودی بر روی برخی از فضاهای ویژگی F‏ جدید بطور معمولی با استفاده از تابع غیرخطی ∅‏ و سپس اعمال یک PCA‏ خطی در فضای نگاشت شده است. به هر حال فضایF‏ معمولاً ابعاد بسیار زیادی دارد. برای دوری از محاسبات نگاشت ساده‏ ‏ی ∅‏، KPCA‏ تنها هسته‏ ‏های Mercel‏ که می‏ ‏توانند به یک نقط‏ه تجزیه شوند را بکار می‏ ‏گیرد.
kx,y=∅x.∅(y)
‏ به عنوان یک نتیجه فضای هسته یک متریک با تعریف مناسب دارد. نمونه‏ ‏های هسته‏ ‏های Mercer‏ شامل چندجمله‏ ‏ای‏ ‏های مرتبه P‏ بصورت
‏Dec. 28
‏Feature Extraction
5
(x-y)p‏ و هسته گاوسی هستند.
e-x-y2c
‏ ‏ فرض می‏ ‏کنیم که X‏ یک ماتریس الگوی n×d‏ نرمال شده با میانگین صفر است و ∅x‏ یک ماتریس‏ الگو در فضای F‏ باشد. PCA ‏ خطی در فضای F‏ بردارهای مشخصه‏ ‏ی ماتریس‏ همبستگی ∅x.∅(y)T‏ را حل می‏ ‏کند که همچنین ماتریس هسته K(X,X)‏ نیز نامیده می‏ ‏شود. در KPCA‏ در ابتدا m‏ بردار ویژگی از K(X,X)‏ بدست می‏ ‏آیند تا یک ماتریس انتقال E‏ را تعریف کنند (E‏ یک ماتریس n×m‏ است که m‏ تعداد ویژگی‏ ‏های دلخواه است و m
‏3-1-‏3‏) روش مقیاس‏ گذاری چندبعدی(MDS‏)
‏ ‏مقیاس‏ ‏گذاری چند بعدی (MDS‏)یک روش غیرخطی دیگر برای استخراج ویژگی‏ ‏هاست. هدف این روش بازنمایی یک مجموعه‏ ‏ی چندبعدی در دو یا سه بعد است مثل آنچه ماتریس فاصله در فضای اصلی ویژگی‏ ‏های d‏ بعدی به طور کاملاً ثابت در فضای تصویرشده باقی مانده است. توابع تاکید فراوانی برای اندازه‏ ‏گیری کارایی این نگاشت استفاده شده‏ ‏اند. یک مشکل MDS‏ این است که یک تابع نگاشت ساده و روشن را ارئه نمی‏ ‏کند بنابراین ممکن نیست که یک الگوی جدید را در یک نگاشت برای یک مجموعه‏ ‏ی آموزش مشخص بدون تکرار جایگذاری کند. چندین روش برای عنوان کردن این نقص که از درون یابی خطی تا آموزش شبکه عصبی محدود است مورد بررسی قرار گرفته است. همچنین امکان دارد که الگوریتم MDS‏ مجدداً تعریف شود بنابراین مستقیماً یک نگاشت را تهیه می‏ ‏کند که ممکن است برای الگوهای آزمون جدید استفاده شود.
‏3-1-‏4‏) روش شبکه عصبی روبه جلو ‏(Feed-Forward Neural Network‏)
‏ یک شبکه‏ ‏ی عصبی روبه‏ ‏جلو یک روال جامع را برای استخراج ویژگی‏ ‏هاو دسته‏ ‏بندی پیشنهاد می‏ ‏کند. خروجی هر لایه‏ ‏ی مخفی ممکن است به عنوان یک مجموعه‏ ‏ی جدید و اغلب غیرخطی از ویژگی‏ ‏ها تعریف ‏ ‏شود که در لایه‏ ‏ی مخفی برای دسته‏ ‏بندی ارائه می‏ ‏شوند. در این شرایط شبکه‏ ‏های استفاده شده توسط Fukushima‏ و Lecun‏ که اصطلاحاً آن را لایه‏ ‏های وزنی مشترک نامیده‏ ‏اند‏، در حقیقت فیلترهایی برای استخراج ویژگی‏ ‏ها در تصاویر دوبعدی هستند. در طول آموزش فیلترها با داده‏ ‏ها برای بیشینه کردن کارایی دسته‏ ‏بندی وفق داده شده‏ ‏اند.
‏ شبکه‏ ‏های عصبی می‏ ‏توانند بطور مستقیم برای استخراج ویژگی‏ ‏ها در یک شکل بدون بررسی (

 

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

دانلود مقاله در مورد روشهای آماری 47 ص

دانلود مقاله در مورد روشهای آماری 47 ص

فرمت فایل دانلودی: .zip
فرمت فایل اصلی: .doc
تعداد صفحات: 62
حجم فایل: 148 کیلوبایت
قیمت: 6000 تومان

لینک دانلود و خرید پایین توضیحات
دسته بندی : وورد
نوع فایل :  word (..doc) ( قابل ویرایش و آماده پرینت )
تعداد صفحه : 62 صفحه

 قسمتی از متن word (..doc) : 
 

‏1
‏تعاریف و تنظیم داده های آماری :
‏تعاریف و توزیعهای آماری
‏تعریف علم آمار :
‏قبل از آنکه علم آمار تعریف گردد لازم است کمی راجع به تاریخچه آن سخن به میان بیاید تاریخچه علم آماررا می توان از بدو تشکیل دولتها آغاز کرد ، زیرا کلمه آمار Statustices‏از کلمه State‏ به معنی دولت گرفته شده است . دولتهای اولیه نیز برای پی بردن به سلطه و قلمروخود احتیاج به آن داشتند . البته در آن زمان منظور از آمار ارقام و اطلاعات مورد نیاز دولتها برای گرفتن مالیات و سربازی و سایر امور مربوطه به کشورداری و سیاست بوده است .
‏1
‏تعاریف و تنظیم داده های آماری :
‏تعاریف و توزیعهای آماری
‏تعریف علم آمار :
‏قبل از آنکه علم آمار تعریف گردد لازم است کمی راجع به تاریخچه آن سخن به میان بیاید تاریخچه علم آماررا می توان از بدو تشکیل دولتها آغاز کرد ، زیرا کلمه آمار Statustices‏از کلمه State‏ به معنی دولت گرفته شده است . دولتهای اولیه نیز برای پی بردن به سلطه و قلمروخود احتیاج به آن داشتند . البته در آن زمان منظور از آمار ارقام و اطلاعات مورد نیاز دولتها برای گرفتن مالیات و سربازی و سایر امور مربوطه به کشورداری و سیاست بوده است .
‏4
‏از چند هزار سال قبل از مسیح در کشورهای مصر و چین و هندوستان قدیم سرشماری نفوس و همچنین اندازه میزان –‏ دارائی تحت نفوذ دولتها انجام گردیده است و یا اینکه اغلب به طور ناقص انجام گردیده است ، با این حال همین شمارشهای ابتدائی پایه و اساس آمار امروزی را بنیان نهاده است ولی تقریباً در نیم قرن اخیر همراه با سایر علوم ، علم آمار نیز سیر صعودی را پیموده و گاهی پیشتاز و پیش قراول بعضی از علوم بوده است ، که با استفاده از آن بود که اغلب علوم چند برابر سرعت سیر عادی خود را گرفتند ، زیرا روشها و فنونی که برای تحقیقات علمی ضروری هستند از علم آمار بدست می‌آید ، بخصوص در علوم فیزیکی و زیست شناسی و اجتماعی و اقتصادی بکار برده می شود . ناگفته نماند گاه ممکن است که یک روش معین تنها به منظور استفاده در یک رشته خاص پژوهش علمی طرح ریزی شده باشد . این بدان معنی نیست که در آن رشته بخصوص آمار کاربرد زیادی دارد .
‏از آنجائیکه علم آمار ریشه و علایقش به کلیه علوم بشری رسیده است ، امروزه در تمامی دانشگاههای جهان در اکثر رشته های مختلف دانشگاهی اعم از رشته های پزشکی ، فنی ، کشاورزی و برنامه ریزی و…‏ تدریس می شود . برای آنکه هدف این درس بهتر معلوم شود ، لازم است بدواً علم آمار را تعریف نمائیم .
‏حال چند تعریف را از بین کلیه تعاریف که جامع تر به نظر می آید بیان می کنیم . لازم به تذکر است که برای علم آمار تعاریف زیادی شده است .
‏آمار علمی است که خواص جامعه را مورد بررسی قرار می دهد .
‏4
‏آمار علمی است که مشخصات جامعه ها را به صورت کمی ولی بادر نظراوضاع کیفی آنها مورد بررسی قرار میدهد .
‏آمار علمی است که اصول وروش جمع آوری اطلاعات آماری ، نمایش دادن آنها ، تجزیه و تحلیل و استنتاج آماری را مورد بحث قرار می‌دهد .
‏4-3- واریانس 1Variance
‏در میانگین قدر مطلق انحرافات برای اینکه انحرافات مثبت و منفی یکدیگر را خنثی نکنند آن را به صورت قدر مطلق بیان کردیم . این منظور از راه مجذور کردن انحرافات نیز ممکن بود تا فرمول از حالت جبری خارج نشود . بدین طریق مشخص کننده جدیدی از پراکندگی که از هر حیث بر مشخص کننده های قبلی برتری دارد بدست خواهد آمد که آن را واریانس می نامند و یا

 

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

دانلود مقاله در مورد روش های جدید تدریس 60 ص

دانلود مقاله در مورد روش های جدید تدریس 60 ص

فرمت فایل دانلودی: .zip
فرمت فایل اصلی: .doc
تعداد صفحات: 64
حجم فایل: 111 کیلوبایت
قیمت: 6000 تومان

لینک دانلود و خرید پایین توضیحات
دسته بندی : وورد
نوع فایل :  word (..doc) ( قابل ویرایش و آماده پرینت )
تعداد صفحه : 64 صفحه

 قسمتی از متن word (..doc) : 
 

1
‏روش‌‏هاى ‏آموزش ‏انفرادى (individual instruction)
‏بسیارى ‏از ‏روانشناسان ‏تربیتى ‏و ‏مربیان ‏آموزشى ‏اعتقاد ‏دارند ‏که ‏موقعیت ‏یادگیرى ‏باید ‏چنان ‏سازمان‌‏دهى ‏شود ‏که ‏هر ‏شاگرد ‏بر ‏اساس ‏توانایى‌‏هاى ‏خود ‏به ‏فعالیت ‏و ‏یادگیرى ‏بپردازد. ‏براى ‏نیل ‏به ‏چنین ‏هدفی، ‏روش‌‏هاى ‏آموزش ‏انفرادی، ‏روش‌‏هاى ‏بسیار ‏مناسبى ‏هستند؛ ‏زیرا ‏در ‏این ‏نوع ‏از ‏روش‌‏ها، ‏شاگردان ‏بر ‏حسب ‏توانایى‌‏شان ‏پیش ‏مى‌‏روند ‏و ‏معلم ‏نیز ‏وقت ‏کمترى ‏صرف ‏تدریس ‏و ‏زمان ‏بیشترى ‏صرف ‏رسیدگى ‏به ‏فرد ‏فرد ‏شاگردان ‏مى‌‏کند. ‏البته ‏اولین ‏و ‏اساسى‌‏ترین ‏گام ‏در ‏راه ‏تحقق ‏چنین ‏هدفى ‏پذیرفتن ‏مفهوم ‌‌‏شاگرد ‏محوری ‏در ‏طراحى ‏و ‏آموزش ‏است. ‏در ‏بسیارى ‏از ‏مواقع، ‏دستیابى ‏به ‏هدف‌‏هاى ‏آموزشى ‏از ‏طریق ‏آموزش ‏انفرادى ‏بسیار ‏آسان‌‏تر ‏و ‏امکان‌‏پذیرتر ‏از ‏روش‌‏هاى ‏سنتى ‏دیگر ‏است، ‏بویژه ‏اگر ‏روش ‏آموزش ‏انفرادى ‏به ‏طور ‏صحیح ‏بکار ‏گرفته ‏شود، ‏روحیه ‏استقلال‌‏طلبى ‏شاگردان ‏در ‏اجراى ‏طرح‌‏هاى ‏کوچک ‏و ‏بزرگ ‏تقویت ‏مى‌‏شود. ‏آموزش ‏انفرادی، ‏الزاماً ‏به ‏معناى ‏آموزش ‏یک ‏نفر ‏شاگرد ‏توسط ‏یک ‏معلم ‏با ‏برنامه ‏خاص ‏نیست. ‏آموزش ‏انفرادى ‏ممکن ‏است ‏به ‏صورت ‏گروهى ‏نیز ‏انجام ‏گیرد. ‏البته ‏وقتى ‏آموزش ‏انفرادى ‏به ‏صورت ‏گروهى ‏طراحى ‏مى‌‏شود، ‏بهتر ‏است ‏گروهى ‏از ‏شاگردان ‏که ‏داراى ‏ویژگى‌‏هاى ‏مشترک ‏هستند، ‏تحت ‏آموزش ‏قرار ‏گیرند. ‏روش‌‏هاى ‏آموزش ‏انفرادى ‏از ‏نظر ‏نحوه ‏اجرا ‏و ‏مواد ‏آموزشى ‏عبارتند ‏از:
- ‏آموزش ‏برنامه‌‏اى (PI)‏؛ (programmed instruction)
- ‏آموزش ‏به ‏وسیله‏ٔ ‏رایانه (CAI)‏؛ (computer assisted instruction)
- ‏آموزش ‏انفرادى ‏تجویز ‏شده (IPI)‏؛ (individually prescribed instruction)
- ‏آموزش ‏انفرادى ‏هدایت ‏شده (IGE)‏؛ (individually guided education)
‏تمام ‏روش‌‏هاى ‏فوق ‏ریشه ‏در ‏آموزش ‏برنامه‌‏ای ‏دارند. ‏این ‏روش‌‏ها ‏از ‏زمانى ‏که ‏فن‌‏آورى ‏تولید ‏مواد ‏آموزشى ‏گسترش ‏یافت، ‏در ‏نظام‌‏هاى ‏آموزشى ‏مطرح ‏شدند.
‏هدف‌‏هاى ‏آموزش ‏انفرادى
‏همان‌‏گونه ‏که ‏روش‌‏هاى ‏سخنرانى ‏و ‏بحث ‏گروهى ‏براى ‏هدف‌‏هاى ‏آموزشى ‏خاصى ‏مناسب ‏هستند، ‏در ‏بسیارى ‏از ‏مواقع ‏لازم ‏است ‏شاگردان ‏به ‏تنهایى ‏کار ‏کنند، ‏اما ‏این ‏مواقع ‏چه ‏زمان‌‏هایى ‏هستند؟ ‏یا ‏در ‏چه ‏مواقعى ‏شاگرد ‏را ‏مى‌‏توان ‏در ‏اجراى ‏فعالیت‌‏هاى ‏آموزشى ‏با ‏مجموعه‌‏اى ‏از ‏مطالب ‏چاپ ‏شده ‏یا ‏آموزش ‏برنامه‌‏اى ‏تنها ‏گذاشت؟ ‏پاسخ ‏به ‏چنین ‏سؤال‌‏هایى
2
‏احتیاج ‏به ‏شناخت ‏هدف‌‏هاى ‏آموزشى ‏و ‏تحلیل ‏آنها ‏دارد، ‏ولى ‏اینکه ‏آموزش ‏انفرادى ‏چه ‏هدف‌‏هایى ‏را ‏دنبال ‏مى‌‏کند، ‏به ‏شرح ‏ذیل ‏است:
‏رعایت ‏تفاوت‌‏هاى ‏فردى
‏انفرادى ‏کردن ‏آموزش ‏یکى ‏از ‏پدیده‌‏هاى ‏مهم ‏سال‌‏هاى ‏اخیر ‏نظام‌‏هاى ‏آموزشى ‏است. ‏بارها ‏معلمان ‏و ‏مربیان ‏آموزشى ‏نسبت ‏به ‏میزان ‏کارآیى ‏روش‌‏هاى ‏سنتى ‏تردید ‏کرده ‏و ‏عدم ‏رضایت ‏خود ‏را ‏ابراز ‏داشته‌‏اند. ‏این ‏عدم ‏رضایت ‏تا ‏حدودى ‏ناشى ‏از ‏تفاوت‌‏هاى ‏فردى ‏موجود ‏بین ‏شاگردان ‏بوده ‏است. ‏تفاوت‌‏هاى ‏فردی، ‏حداقل ‏از ‏دهه ‏۱۹۲۰‏، ‏مورد ‏توجه ‏بسیارى ‏از ‏صاحب‌‏نظران ‏تربیتى ‏واقع ‏شده ‏است؛ ‏زیرا ‏در ‏این ‏سال‌‏ها ‏بود ‏که ‏با ‏اجراى ‏آزمون‌‏هاى ‏مختلف، ‏به ‏میزان ‏اختلاف ‏بهره‏ٔ ‏هوشى ‏شاگردان ‏پى ‏بردند. ‏طبیعى ‏است ‏که ‏تفاوت‌‏هاى ‏فردى ‏کار ‏معلم ‏و ‏مربى ‏را ‏در ‏روش‌‏هاى ‏سنتى ‏و ‏معمول ‏بسیار ‏پیچیده ‏و ‏مشکل ‏مى‌‏سازد. ‏تفاوت‌‏هاى ‏فردی، ‏روش ‏سخنرانى ‏و ‏حتى ‏روش ‏بحث ‏گروهى ‏را ‏که ‏در ‏آن ‏یک ‏موضوع ‏واحد ‏با ‏یک ‏روش ‏خاص ‏براى ‏همه ‏اجرا ‏مى‌‏شود، ‏آشکارا ‏زیر ‏سؤال ‏برده ‏است. ‏اگر ‏در ‏کلاس ‏تفاوت‌‏هاى ‏فردى ‏در ‏نظر ‏گرفته ‏نشود، ‏خستگی، ‏انزجار ‏و ‏تنفر ‏از ‏فعالیت‌‏هاى ‏آموزشى ‏تقویت ‏خواهد ‏شد. ‏راه‌‏حل ‏طبیعى ‏چنین ‏مشکلى ‏به ‏کارگیرى ‏روش‌‏هاى ‏آموزش ‏انفرادى ‏یا ‏طبقه‌‏بندى ‏شاگردان ‏بر ‏اساس ‏توانایى‌‏ها ‏است. ‏البته ‏باید ‏توجه ‏داشت ‏که ‏تکنیک‌‏هاى ‏آموزش ‏انفرادى ‏به ‏صورت ‏گروه‌‏بندى ‏مى‌‏تواند ‏مشکل ‏ویژگى‌‏هاى ‏ثابت ‏شاگردان ‏را ‏حل ‏کند، ‏ولى ‏هرگز ‏قادر ‏به ‏حل ‏مشکل ‏ویژگى‌‏هاى ‏متغیر ‏آنان ‏نیست؛ ‏مثلاً ‏چه ‏بسا ‏شاگردان ‏در ‏یک ‏موضوع ‏خاص، ‏استعدادى ‏یکسان، ‏ولى ‏قدرت ‏درک ‏و ‏دریافت ‏متفاوتى ‏داشته ‏باشند ‏و ‏ممکن ‏است ‏پاسخ ‏به ‏یک ‏شاگرد، ‏براى ‏شاگرد ‏دیگر ‏حتى ‏در ‏یک ‏گروه ‏هم‌‏سنخ ‏ارضا ‏کننده ‏نباشد.
‏رشد ‏استقلال ‏در ‏عمل ‏و ‏یادگیرى
‏گذشته ‏از ‏اینکه ‏در ‏آموزش ‏انفرادی، ‏شاگردان ‏مى‌‏توانند ‏با ‏توجه ‏به ‏استعداد ‏خود ‏به ‏هدف‌‏هاى ‏آموزشى ‏دست ‏یابند، ‏روش ‏آموختن ‏مستقل ‏را ‏نیز ‏یاد ‏مى‌‏گیرند؛ ‏یعنى ‏در ‏روش ‏آموزش ‏انفرادی، ‏شاگردان ‏یاد ‏مى‌‏گیرند ‏که ‏چگونه ‏یاد ‏بگیرند ‏و ‏این ‏خود ‏یکى ‏از ‏هدف‌‏هاى ‏مهم ‏آموزشى ‏است؛ ‏زیرا ‏شاگردان ‏باید ‏قادر ‏باشند ‏پس ‏از ‏ترک ‏مدرسه ‏یادگیرى ‏را ‏ادامه ‏دهند.
‏عادت ‏به ‏مطالعه
‏معمولاً ‏معلمان ‏و ‏شاگردان ‏انتظار ‏دارند ‏که ‏قوتى ‏در ‏مدرسه ‏یا ‏منزل ‏به ‏تنهایى ‏کار ‏مى‌‏کنند، ‏بیشتر ‏یاد ‏بگیرند. ‏این ‏هدف ‏معمولاً ‏از ‏طریق ‏آموزش ‏انفرادى ‏تحقق ‏مى‌‏یابد ‏و ‏شاگردان ‏با ‏این ‏روش ‏معلومات ‏زیادترى ‏کسب ‏مى‌‏کنند. ‏کسب ‏معلومات ‏بیشتر ‏رضایت ‏از ‏فعالیت‌‏هاى
3
‏آموزشى ‏را ‏فراهم ‏مى‌‏کند ‏و ‏بر ‏اثر ‏ادامه ‏فعالیت، ‏شاگرد ‏به ‏مطالعه ‏عادت ‏مى‌‏کند ‏و ‏استمرار ‏این ‏عمل، ‏عادت ‏به ‏مطالعه ‏را ‏در ‏او ‏تقویت ‏خواهد ‏کرد.
‏ایجاد ‏مهارت ‏در ‏مطالعه
‏معلم ‏مى‌‏تواند ‏با ‏ارائه ‏روش‌‏هاى ‏صحیح، ‏بر ‏مهارت ‏شاگردان ‏به ‏هنگام ‏مطالعه ‏بیفزاید. ‏رابینسون (Robinson) ‏در ‏سال ‏۱۹۷۰ ‏در ‏این ‏زمینه، ‏روش ‏مطالعه (SQ3R (survey‏، question‏، read‏، recite‏، review ‏را ‏پیشنهاد ‏کرده ‏است. ‏مراحل ‏این ‏روش ‏عبارت ‏است ‏از:
‏الف- ‏مطالعه‏ٔ ‏اجمالی؛ ‏یعنى ‏مطالعه‏ٔ ‏عناوین ‏و ‏یادآورى ‏اطلاعات ‏گذشته.
‏ب- ‏سؤال ‏(‏ایجاد ‏سؤال‌‏هایى ‏در ‏ذهن‏)‏؛ ‏یعنى ‏برگرداندن ‏عناوین ‏کتاب ‏به ‏سؤال‌‏هایى ‏که ‏احتمالاً ‏پاسخ ‏آنها ‏باید ‏داده ‏شود.
‏ج- ‏مطالعه ‏(‏خواندن‏)‏؛ ‏یعنى ‏قرائت ‏دقیق ‏متن ‏براى ‏یافتن ‏پاسخ ‏سؤالات.
‏د- ‏از ‏بر ‏خواندن؛ ‏یعنى ‏تلاش ‏براى ‏یافتن ‏پاسخ‌‏هاى ‏دقیق‌‏تر ‏سؤالات، ‏بدون ‏استفاده ‏از ‏کتاب.
‏هـ- ‏بازنگری؛ ‏یعنى ‏مرور ‏یادداشت‌‏ها ‏و ‏به ‏یاد‌ ‏آوردن ‏نکات ‏مهم.
‏مطالعه ‏خود ‏هدایت‌‏شده ‏و ‏مستقل
‏معلم ‏ممکن ‏است ‏تکلیفى ‏به ‏فراگیر ‏واگذار ‏کند ‏که ‏انجام ‏دادن ‏آن ‏روزها ‏یا ‏هفته‌‏ها ‏به ‏طور ‏بینجامد. ‏او ‏ممکن ‏است ‏شاگرد ‏را ‏براى ‏انجام ‏دادن ‏این ‏کار ‏از ‏حضور ‏در ‏کلاس ‏رسمى ‏معاف ‏کند. ‏این ‏نوع ‏آموزش ‏زمینه ‏را ‏براى ‏مطالعه ‏خود ‏هدایت‌‏شده ‏و ‏مستقل ‏فراهم ‏مى‌‏سازد. ‏محققان ‏با ‏توجه ‏به ‏مشاهده‏ٔ ‏۱۵۰ ‏نمونه ‏از ‏شاگردان ‏دریافته‌‏اند ‏که ‏هرگاه ‏هدف‌‏هاى ‏فعالیت‌‏هاى ‏آموزشى ‏براى ‏شاگردان ‏باارزش ‏باشد، ‏یادگیرى ‏بارزتر ‏مى‌‏شود ‏و ‏شاگردان ‏کار ‏را ‏منظم‌‏تر ‏انجام ‏مى‌‏دهند. ‏به ‏علاوه، ‏آنان ‏به ‏استفاده ‏از ‏منابع ‏تشویق ‏مى‌‏شوند ‏و ‏در ‏نتیجه، ‏ماحصل ‏یادگیرى ‏بهتر ‏و ‏بیشتر ‏از ‏آن ‏چیزى ‏خواهد ‏بود ‏که ‏شاگردان ‏توانایى‌‏اش ‏را ‏داشتند. ‏(.pp. 518 - 519 ‏؛Gage‏، N.L. ans David Berliner – 1979‏) ‏براى ‏مطالعه ‏مستقل، ‏معلمان ‏اغلب ‏باید ‏چند ‏نکته ‏را ‏براى ‏شاگردان ‏روشن ‏کنند:
‏الف- ‏موضوع ‏آموزش.
‏ب- ‏روشى ‏که ‏شاگردان ‏مى‌‏توانند ‏اطلاعات ‏یا ‏مهارت ‏لازم ‏را ‏به ‏دست ‏آورند.
4
‏ج- ‏منابع ‏مورد ‏استفاده.
‏د- ‏مراحل ‏انجام ‏دادن ‏کار ‏در ‏اجرا.
‏هـ- ‏زمان ‏مورد ‏نیا.
‏و- ‏روش ‏ارزشیابى ‏کار.
‏طرح ‏کلر ‏و ‏سطوح ‏مختلف ‏آن
‏در ‏سال ‏۱۹۶۸‏، ‏مقاله‌‏اى ‏هیجان‌‏انگیز ‏در ‏زمینه ‏آموزش ‏انفرادى ‏توسط ‏اف.‏اس. ‏کلر ‏انتشار ‏یافت. ‏این ‏مقاله ‏براى ‏آموزش ‏فردى ‏در ‏دانشکده‌‏ها ‏و ‏دانشگاه‌‏ها ‏یک ‏تجدید ‏حیات ‏بود. ‏تا ‏سال ‏۱۹۷۵‏، ‏حدود ‏۲۰۰۰ ‏واحد ‏درسى ‏بر ‏اساس ‏طرح ‏کلر ‏سازمان‌‏دهى ‏شد. ‏طرح ‏کلر ‏یک ‏واحد ‏درسى ‏را ‏به ‏۱۵ ‏الى ‏۳۰ ‏بخش ‏تقسیم ‏مى‌‏کند. ‏شاگرد ‏هر ‏بخش ‏را ‏مطالعه ‏مى‌‏کند ‏و ‏سپس ‏امتحانى ‏در ‏آن ‏زمینه ‏مى‌‏دهد ‏و ‏در ‏صورت ‏موفقیت ‏در ‏امتحان، ‏بخش ‏بعدى ‏را ‏ادامه ‏مى‌‏دهد. ‏اساس ‏کار ‏در ‏طرح ‏کلر ‏عبارت ‏است ‏از:
‏پیشرفت ‏بر ‏اساس ‏توان ‏فردى
‏یادگیرى ‏تا ‏حد ‏تسلط
‏تدریس ‏خصوصى
‏راهنمایى
‏تکنیک‌‏ها ‏و ‏روش‌‏هاى ‏مکمل ‏همراه ‏با ‏آموزش ‏سنتى
‏پیشرفت ‏بر ‏اساس ‏توان ‏فردى
‏شاگرد ‏مى‌‏تواند ‏بخش‌‏ها ‏را ‏با ‏توجه ‏به ‏توان ‏خود ‏و ‏زمانى ‏که ‏در ‏اختیار ‏دارد، ‏مطالعه ‏کند. ‏هر ‏وقت ‏احساس ‏کرد ‏که ‏مطالب ‏آن ‏بخش ‏را ‏یاد ‏گرفته ‏است، ‏آمادگى ‏خود ‏را ‏براى ‏امتحان ‏اعلام ‏مى‌‏دارد. ‏امتیاز ‏این ‏روش ‏این ‏است ‏که ‏پیشرفت ‏و ‏درجه‏ٔ ‏یادگیرى ‏شاگرد ‏هیچ ‏ارتباطى ‏با ‏کار ‏سایر ‏هم‌‏کلاس ‏آنان ‏ندارد ‏و ‏هرکس ‏بر ‏اساس ‏توانایى‌‏هاى ‏خود ‏در ‏مطالعه ‏و ‏یادگیرى ‏پیشرفت ‏مى‌‏کند.
‏یادگیرى ‏تا ‏حد ‏تسلط
‏تا ‏وقتى ‏که ‏شاگرد ‏بخش ‏مورد ‏نظر ‏را ‏تا ‏حد ‏تسلط ‏یاد ‏نگرفته ‏باشد، ‏نمى‌‏تواند ‏مطالب ‏جدید ‏را ‏شروع ‏کند. ‏در ‏ضمن، ‏هیچ ‏مجازاتى ‏براى ‏عدم ‏موفقیت ‏او ‏وجود ‏ندارد. ‏لازمه‏ٔ ‏این ‏روش ‏این ‏است ‏که ‏آزمون‌‏هاى ‏هم‌‏تراز ‏ساخته ‏شود؛ ‏زیرا ‏امکان ‏تجدید ‏امتحان ‏وجود ‏دارد. ‏در ‏این ‏روش، ‏شاگرد ‏آنقدر ‏به ‏مطالعه ‏و ‏امتحان ‏ادامه ‏مى‌‏دهد ‏تا ‏در ‏یادگیرى ‏به ‏سطح ‏قابل ‏قبولى ‏برسد. ‏معیار ‏قابل ‏قبول ‏معمولاً ‏۸۰ ‏الى ‏۹۰ ‏درصد ‏پاسخ ‏صحیح ‏است.

 

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.