با زبان بدن، مچ همه را بگیرید! شخصیت شناسی کاربردی
دوست دارین بازبان خود مچ دیگران را بگیرید
آیا می‌دانستید حتی زمانی که یک شخص با شما صحبت نمی‌کند، نشانه‌هایی درصورت، بدن، پاها و دست‌های او وجود دارد که می‌تواند بدون آن‌که خود او متوجه شود به شما در خواندن فکر او کمک کند. در حقیقت همه انسان‌ها به‌طور ناخودآگاه حرکاتی از بدن خود نشان می‌دهند که از آن به‌عنوان زبان بدن یاد می‌شود. آشنایی با این حرکات و نشانه‌ها می‌تواند به شما کمک کند، در ملاقات با دیگران بهتر بتوانید به آنچه در ذهن آن‌ها می‌گذرد پی ببرید و به این ترتیب تصمیمات منطقی‌تری بگیرید. برای مثال در بسیاری از موارد، زمانی که یک فرد هنگام صحبت با شما سرش را پایین نگه می‌دارد، با موهایش بازی می‌کند یا وزن بدن خود را روی یکی از پاهایش می اندازد به‌طور ناخودآگاه در حال انتقال پیامی به شماست.
او تحت تاثیر شما ست
کنار زدن موها از روی صورت
لبخند فقط 5 ثانیه است
استرس دارد
پلک زدن بیش از حد
خاراندن بینی
سانسور خطرناک‌ها
بستن چشم‌ها
مابه شما درایم اموزش گفته ایم که چطور این کاررا بکنید
تعدادصفحه=4
پیش بینی عمق آبشستگی پایه های پل با استفاده از فرمول های تجربی
خلاصه مقاله:
تخمین حداکثر عمق آبشستگی به منظور ایمنی و طراحی اقتصادی پل لازم و ضروری است فرمول های زیادی برای پیش بینی ماکسیمم عمق آبشستگی موضعی در محل پایه های پل توسعه یافته اند این فرمول ها از اطلاعات محدودی که از مدل های فیزیکی موجود بوده است به دست آمده است بنابراین به کارگیری این فرمول ها در طراحی متغیر است زیرا بین وضعیت های آزمایشگاهی و محل واقعی اندازه گیری تفاوت هایی وجود دارد ارزیابی فرمولهای متعددی که در داده های آزمایشگاهی هم به خوبی داده های میدانی به کار گرفته شود لازم است تا ما در امر پیش بینی ماکسیمم عمق آبشستگی پایه های پل کمک کند در این مقاله فرمول با استفاده از اطلاعات آزمایگشاهی و صحرایی مورد استفاده قرار گرفته است این فرمول ها شامل لارسن و تاج احمد لاراس و کلمن می باشد مقایسه بین اعماق پیش بینی شده و اندازه گیری شده از اطلاعات میدانی و آزمایشگاهی نشان می دهدد که روش لاراس یک تخمین قابل قبول از عمق آبشستگی پایه های پل ارائه می دهد
کلمات کلیدی:آبشستگی ، داده های صحرائی ، روابط تجربی ، خطای مجذورمیانگین مربعات RMSE
پیش بینی بیشنه پاسخ تغییر مکان ، سرعت و شتاب ناشی از رکورد زلزله های طبس ومنجیل با استفاده مدلسازی شبکه های عصبی مصنوعی
خلاصه مقاله:
مدل شبکه های عصبی مصنوعی روش جدیدی برای ایجاد سیستم دانش و براساس جمع آوری اطلاعات نمونه است دانش مورد استفاده در این مدل برای پیش بینی پاسخ لرزه ای است که عمدتا مبتنی بر داده های واقعی است که با استفاده از مدل می توان از آن بهره مند شد در این مقاله با استفاده از شبکه عصبی مصنوعی ANN مدلی برای پیش بینی پاسخ سیستم سازه ای با استفاده از اطلاعات زمین لرزه های بوقوع پیوسته طبس و منجیل بدست می آید.این مدلسازی در نرم افزار مطلب Matlab انجام گرفته است در این تحقیق براساس مکانیزم های یادگیری شبکه های مصنوعی سعی می شود با تهیه یک باند اطلاعاتی از نتایج زمین لرزه های بوقوع پیوسته روشی برای پیش بینی پیشینه پاسخ سازه ای تحت زمین لرزه ارائه نمود حسن اصلی این روش کارایی بالای آن در عمل بوده و با سرعت زیاد می توان پاسخ سازه راتحت هر نوع زمین لرزه تعیین مود پیش بینی پیشینه مقادیر زلزله اهمیت حیاتی برای ایمنی انسان دارد و زمین لرزه یک فرآیند بسیار پیچیده و دینامیکی غیرخطی است این را نمی توان به اندازه کافی با هر مدلسازی قطعی پیش بینی کرد لذا دراین مقاله یک مدل دینامیکی از شبکه های عصبی مصنوعی جهت پیش بینی زلزله مورد بررسی قرار گرفته است که از چند سری از داده زلزله های قبلی رخ داده جهت پیش بینی مدل دینامیکی غیرخطی مقادیر پیشینه زلزله استفاده شده است شبکه های عصبی مصنوعی ANN یعنی روش بازگشتی پس انتشار به عقب FFBP برای پیش بینی حداکثر تغییر مکان PGD حداکثر سرعت PGV و حداکثر شتاب PGA زمین لرزه به کار گرفته شده است در این تحقیق براساس مکانیزم های یادگیری مدل شبکه های مصنوعی سعی می شود با تهیه یک بانک اطلاعاتی از نتایج حدود 30 رکوردار از 10 زمین لرزه اتفاق افتاده در سالهای 1357 تا 1380 ناشی از حرکات زمین لرزه در شهرهای طبس و منجیل روشی برای پیش بینی مقادیر پاسخ زلزله (تغییر مکان سرعت و شتاب) ارائه نمود .
کلمات کلیدی:شبکه عصبی مصنوعی ، بیشینه پاسخ های زلزله ، مدل دینامیکی پاسخ زلزله