تحقیق درباره: روش جدید شناسایی پردازش صدا

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 13

روش جدید شناسایی پردازش صدا

چکیده:

استفاده‌ی تکنیک‌های تشخیص صدا در بسیاری کاربردهای علمی، نیاز برای الگوریتم پیشرفته را شرح داده است تا تدثیر بر صدای محیط را بیان می‌کند. این مقاله روش جدید تشخیص پردازش صدا را بر پایه‌ی اصلاح شناسی توصیف می‌کند که عملکرد قوی در محیط‌های پر سر و صدا را فراهم می‌آورد. عملیات صرفی، انتقالات سیگنال غیر خطی می‌باشند که ویژگی‌های هندسی سیگنال را شناسایی می‌کنند. فیلتر صرفی، نخست به عنوان الگوریتم سرکوبی صدا برای داده‌های پردازش صدا بکار رفته است که توسط سیستم تشخیص صدا آزمایش خواهد شد. اما از سوی دیگر صدا، پیشرفته ، چند دستکاری در مقایسه با صدای پاک اصلی با ایجاد فقدان چند جزئیات صدا و خطاها در تشخیص را دارد. بنابراین فیلتر صرفی مشابه در پیش پردازش نمونه‌های آموزش صدا بعد از آموزش مرحله‌ای به کار رفته است. نتایج تجربی نشان می‌دهند که عملکرد سیستم‌های تشخیص صدا می‌تواند با استفاده از روش جدید در محیط پر سرو صدا پیشرفت یابند.

1. مقدمه

پس از این که اکثریت الگوریتم‌های گذشته تشخیص صدا ، محیط‌های آرام و بدون صدا را فرض کردند، نسبت‌های تشخیص در کاهش تا 60% شرایط پرسر و صدا و با استرس مشاهده کرده‌اند. مهم این است مسئله‌ی تشخیص صدا در محیط‌های زیادی را در نظر گرفت که در کاربردهای کلمه واقعی اجتناب‌ناپذیر می‌باشند. صدای قوی محیط معمولاً اضافی در نظر گرفته می‌شودف یعنی سیگنال ضبط شده ، جمع سیگنال صدا و صدای محیط می‌باشد. سطوح بالای صدای محیط یکی از توجهات اولیه برای سازمان دهنده‌ی صدا می باشند. محیط‌های صدای زیاد که صدا را بر هم می‌زنند، ممکن است از ترافیک شهری، اتومبیل، اتوبان، کانال‌های ارتباطی، کابین خلبان هوایی، اداره و پخش نیمه‌رسمی باشند. بنابراین ، تکنیک‌های پردازش قوی به افزایش کیفیت صدای پایین آمده توسط صدای محیط نیاز داشته‌اند. تعدادی تکنیک‌های پیشبرد صدا در گذشته فرض شده‌اند. این روش‌ها کلاً بر پایه‌ی چند شکل تفریقی طیفی، پاک‌سازی و نیز با حداقل برآورد خطای میانگین مربع از صدا می‌باشند. چندین روش اخیر همچنین روش‌هایی بر پایه‌ی شنیداری می‌باشند که ویژگی‌های نمونه شنیدن برای تفسیر صدای بهتر به کار رفته‌اند. یک مشکل الگوریتم‌های پیشرفته آن است که صدای بالا رفته در مقایسه با صدای پاک اصلی به دلیل فقدان جزئیات صدا و خطاها در شناسایی دارد. همچنین در پاک‌سازی معرفی وجود دارد که دره‌های صدا پر می‌باشد و اوج در صدای نامنظم نرم می‌باشد. در این مقاله ، روش جدید شناسایی صدا بر پایه‌ی ریشه‌یابی فرض می‌کنیم تا این تأثیر را کم کنند. فیلتر صرفی مشابه را به کار می‌گیریم. تا هر دو داده‌های اموزش صدا و داده‌های آزمایشی را پیش پردازش کند. عملکرد این تکنیک توسط آزمایش شناسایی صدای کلمه مجزا آزمایش شده است. سرعت های شناسایی به منظور افزایش شهودی نشان داده می‌شوند نتیجه مقاله در زیر آمده است. بخش 2 اصول فیلتر صرفی را معرفی می‌کند. تکنیک فرض شده با بکارگیری کارهای صرفی برای شناسایی صدا و عملکردش، در خش 3 توصیف می‌شوند. مقاله با بحثی در بخش 4 نتیجه‌گیری می‌شود.

2. فیلتر صوتی

فیلترهای غیر خطی اخیراً وسایل خیلی محبوب در پردازش سیگنال هستند که به دلیل ریشه‌های پردازش سیگنال / تصویر جذابشان از مفاهیم صرف ریاضیاتی بوده‌اند و به عنوان فیلترسازی صرفی شناخته می‌شود. مورفولوژی ریاضیاتی، روش جدید در انالیز سیگنال / تصویر با استفاده از کارها و انتقالات تصویری غیر خطی گرفته شده‌ از تئوری مجموعه و شکل هندسی منسجم می‌باشد. فیلترهای صرفی ساختار هندسی سیگنالی را با مقایسه‌ی آن شکل اصلی با نام عنصر ساختاری (SE) را مورد آنالیز قرار می‌دهند. اطلاعات که می‌بایست از سیگنال اصلی حفظ یا پاک شوند، همیشه مربوط به اندازه و شکل SE بکار رفته است. بسته به نمایش سیگنال اصلی و SE، فیلترهای صرفی به عنوان فیلترهای پردازش مجموعه (Sp) ، پردازش عملیات (FP) و پردازش عملیات و مجموعه طبقه‌بندی می‌شوند. دو کار اصلی صرفی ، فرسایش و انبساط می‌باشند. (0) F ، عملیات ورودی و (0)g عملیات عنصر ساختاری می‌باشد و و ، منطقه حمایت F(x) و g(x) می‌باشند. دو عملیات در زیر تعریف می‌شوند:

(1)

(2)

(0)D و (0)E ، عمل انبساط و فرسایش است و . نمادهای عملیات مجموعه minkowski جمع و تفریق می‌باشند. Sup(x) و inf(x) ، عدد اول و آخر x می‌باشند. ترکیبات عملیات فرسایش و انبساط به کارهای صرفی پیچیده‌ی باز و بسته شدن منتهی می‌شوند. این عملیات در زیر تعریف شده‌اند.

(3)

(4)

عملیات باز شدن (0)O به عنوان عمل فرسایش به دنبال انبساطی با استفاده از SE مشابه و عملیات بستن (0)C به عنوان انبساط به دنبال فرسایش با استفاده از SE مشابه تعریف شده‌اند. باز و بسته شدن چندین ویژگی مثل افزایش و برگرداندن تغییرات را دارند. Idempotence ، ویژگی اساسی و باز و بسته شدن است که با

تحقیق درباره روش جدید شناسایی پردازش صدا

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 13

روش جدید شناسایی پردازش صدا

چکیده:

استفاده‌ی تکنیک‌های تشخیص صدا در بسیاری کاربردهای علمی، نیاز برای الگوریتم پیشرفته را شرح داده است تا تدثیر بر صدای محیط را بیان می‌کند. این مقاله روش جدید تشخیص پردازش صدا را بر پایه‌ی اصلاح شناسی توصیف می‌کند که عملکرد قوی در محیط‌های پر سر و صدا را فراهم می‌آورد. عملیات صرفی، انتقالات سیگنال غیر خطی می‌باشند که ویژگی‌های هندسی سیگنال را شناسایی می‌کنند. فیلتر صرفی، نخست به عنوان الگوریتم سرکوبی صدا برای داده‌های پردازش صدا بکار رفته است که توسط سیستم تشخیص صدا آزمایش خواهد شد. اما از سوی دیگر صدا، پیشرفته ، چند دستکاری در مقایسه با صدای پاک اصلی با ایجاد فقدان چند جزئیات صدا و خطاها در تشخیص را دارد. بنابراین فیلتر صرفی مشابه در پیش پردازش نمونه‌های آموزش صدا بعد از آموزش مرحله‌ای به کار رفته است. نتایج تجربی نشان می‌دهند که عملکرد سیستم‌های تشخیص صدا می‌تواند با استفاده از روش جدید در محیط پر سرو صدا پیشرفت یابند.

1. مقدمه

پس از این که اکثریت الگوریتم‌های گذشته تشخیص صدا ، محیط‌های آرام و بدون صدا را فرض کردند، نسبت‌های تشخیص در کاهش تا 60% شرایط پرسر و صدا و با استرس مشاهده کرده‌اند. مهم این است مسئله‌ی تشخیص صدا در محیط‌های زیادی را در نظر گرفت که در کاربردهای کلمه واقعی اجتناب‌ناپذیر می‌باشند. صدای قوی محیط معمولاً اضافی در نظر گرفته می‌شودف یعنی سیگنال ضبط شده ، جمع سیگنال صدا و صدای محیط می‌باشد. سطوح بالای صدای محیط یکی از توجهات اولیه برای سازمان دهنده‌ی صدا می باشند. محیط‌های صدای زیاد که صدا را بر هم می‌زنند، ممکن است از ترافیک شهری، اتومبیل، اتوبان، کانال‌های ارتباطی، کابین خلبان هوایی، اداره و پخش نیمه‌رسمی باشند. بنابراین ، تکنیک‌های پردازش قوی به افزایش کیفیت صدای پایین آمده توسط صدای محیط نیاز داشته‌اند. تعدادی تکنیک‌های پیشبرد صدا در گذشته فرض شده‌اند. این روش‌ها کلاً بر پایه‌ی چند شکل تفریقی طیفی، پاک‌سازی و نیز با حداقل برآورد خطای میانگین مربع از صدا می‌باشند. چندین روش اخیر همچنین روش‌هایی بر پایه‌ی شنیداری می‌باشند که ویژگی‌های نمونه شنیدن برای تفسیر صدای بهتر به کار رفته‌اند. یک مشکل الگوریتم‌های پیشرفته آن است که صدای بالا رفته در مقایسه با صدای پاک اصلی به دلیل فقدان جزئیات صدا و خطاها در شناسایی دارد. همچنین در پاک‌سازی معرفی وجود دارد که دره‌های صدا پر می‌باشد و اوج در صدای نامنظم نرم می‌باشد. در این مقاله ، روش جدید شناسایی صدا بر پایه‌ی ریشه‌یابی فرض می‌کنیم تا این تأثیر را کم کنند. فیلتر صرفی مشابه را به کار می‌گیریم. تا هر دو داده‌های اموزش صدا و داده‌های آزمایشی را پیش پردازش کند. عملکرد این تکنیک توسط آزمایش شناسایی صدای کلمه مجزا آزمایش شده است. سرعت های شناسایی به منظور افزایش شهودی نشان داده می‌شوند نتیجه مقاله در زیر آمده است. بخش 2 اصول فیلتر صرفی را معرفی می‌کند. تکنیک فرض شده با بکارگیری کارهای صرفی برای شناسایی صدا و عملکردش، در خش 3 توصیف می‌شوند. مقاله با بحثی در بخش 4 نتیجه‌گیری می‌شود.

2. فیلتر صوتی

فیلترهای غیر خطی اخیراً وسایل خیلی محبوب در پردازش سیگنال هستند که به دلیل ریشه‌های پردازش سیگنال / تصویر جذابشان از مفاهیم صرف ریاضیاتی بوده‌اند و به عنوان فیلترسازی صرفی شناخته می‌شود. مورفولوژی ریاضیاتی، روش جدید در انالیز سیگنال / تصویر با استفاده از کارها و انتقالات تصویری غیر خطی گرفته شده‌ از تئوری مجموعه و شکل هندسی منسجم می‌باشد. فیلترهای صرفی ساختار هندسی سیگنالی را با مقایسه‌ی آن شکل اصلی با نام عنصر ساختاری (SE) را مورد آنالیز قرار می‌دهند. اطلاعات که می‌بایست از سیگنال اصلی حفظ یا پاک شوند، همیشه مربوط به اندازه و شکل SE بکار رفته است. بسته به نمایش سیگنال اصلی و SE، فیلترهای صرفی به عنوان فیلترهای پردازش مجموعه (Sp) ، پردازش عملیات (FP) و پردازش عملیات و مجموعه طبقه‌بندی می‌شوند. دو کار اصلی صرفی ، فرسایش و انبساط می‌باشند. (0) F ، عملیات ورودی و (0)g عملیات عنصر ساختاری می‌باشد و و ، منطقه حمایت F(x) و g(x) می‌باشند. دو عملیات در زیر تعریف می‌شوند:

(1)

(2)

(0)D و (0)E ، عمل انبساط و فرسایش است و . نمادهای عملیات مجموعه minkowski جمع و تفریق می‌باشند. Sup(x) و inf(x) ، عدد اول و آخر x می‌باشند. ترکیبات عملیات فرسایش و انبساط به کارهای صرفی پیچیده‌ی باز و بسته شدن منتهی می‌شوند. این عملیات در زیر تعریف شده‌اند.

(3)

(4)

عملیات باز شدن (0)O به عنوان عمل فرسایش به دنبال انبساطی با استفاده از SE مشابه و عملیات بستن (0)C به عنوان انبساط به دنبال فرسایش با استفاده از SE مشابه تعریف شده‌اند. باز و بسته شدن چندین ویژگی مثل افزایش و برگرداندن تغییرات را دارند. Idempotence ، ویژگی اساسی و باز و بسته شدن است که با

مقاله درمورد روش جدید شناسایی پردازش صدا

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 13

روش جدید شناسایی پردازش صدا

چکیده:

استفاده‌ی تکنیک‌های تشخیص صدا در بسیاری کاربردهای علمی، نیاز برای الگوریتم پیشرفته را شرح داده است تا تدثیر بر صدای محیط را بیان می‌کند. این مقاله روش جدید تشخیص پردازش صدا را بر پایه‌ی اصلاح شناسی توصیف می‌کند که عملکرد قوی در محیط‌های پر سر و صدا را فراهم می‌آورد. عملیات صرفی، انتقالات سیگنال غیر خطی می‌باشند که ویژگی‌های هندسی سیگنال را شناسایی می‌کنند. فیلتر صرفی، نخست به عنوان الگوریتم سرکوبی صدا برای داده‌های پردازش صدا بکار رفته است که توسط سیستم تشخیص صدا آزمایش خواهد شد. اما از سوی دیگر صدا، پیشرفته ، چند دستکاری در مقایسه با صدای پاک اصلی با ایجاد فقدان چند جزئیات صدا و خطاها در تشخیص را دارد. بنابراین فیلتر صرفی مشابه در پیش پردازش نمونه‌های آموزش صدا بعد از آموزش مرحله‌ای به کار رفته است. نتایج تجربی نشان می‌دهند که عملکرد سیستم‌های تشخیص صدا می‌تواند با استفاده از روش جدید در محیط پر سرو صدا پیشرفت یابند.

1. مقدمه

پس از این که اکثریت الگوریتم‌های گذشته تشخیص صدا ، محیط‌های آرام و بدون صدا را فرض کردند، نسبت‌های تشخیص در کاهش تا 60% شرایط پرسر و صدا و با استرس مشاهده کرده‌اند. مهم این است مسئله‌ی تشخیص صدا در محیط‌های زیادی را در نظر گرفت که در کاربردهای کلمه واقعی اجتناب‌ناپذیر می‌باشند. صدای قوی محیط معمولاً اضافی در نظر گرفته می‌شودف یعنی سیگنال ضبط شده ، جمع سیگنال صدا و صدای محیط می‌باشد. سطوح بالای صدای محیط یکی از توجهات اولیه برای سازمان دهنده‌ی صدا می باشند. محیط‌های صدای زیاد که صدا را بر هم می‌زنند، ممکن است از ترافیک شهری، اتومبیل، اتوبان، کانال‌های ارتباطی، کابین خلبان هوایی، اداره و پخش نیمه‌رسمی باشند. بنابراین ، تکنیک‌های پردازش قوی به افزایش کیفیت صدای پایین آمده توسط صدای محیط نیاز داشته‌اند. تعدادی تکنیک‌های پیشبرد صدا در گذشته فرض شده‌اند. این روش‌ها کلاً بر پایه‌ی چند شکل تفریقی طیفی، پاک‌سازی و نیز با حداقل برآورد خطای میانگین مربع از صدا می‌باشند. چندین روش اخیر همچنین روش‌هایی بر پایه‌ی شنیداری می‌باشند که ویژگی‌های نمونه شنیدن برای تفسیر صدای بهتر به کار رفته‌اند. یک مشکل الگوریتم‌های پیشرفته آن است که صدای بالا رفته در مقایسه با صدای پاک اصلی به دلیل فقدان جزئیات صدا و خطاها در شناسایی دارد. همچنین در پاک‌سازی معرفی وجود دارد که دره‌های صدا پر می‌باشد و اوج در صدای نامنظم نرم می‌باشد. در این مقاله ، روش جدید شناسایی صدا بر پایه‌ی ریشه‌یابی فرض می‌کنیم تا این تأثیر را کم کنند. فیلتر صرفی مشابه را به کار می‌گیریم. تا هر دو داده‌های اموزش صدا و داده‌های آزمایشی را پیش پردازش کند. عملکرد این تکنیک توسط آزمایش شناسایی صدای کلمه مجزا آزمایش شده است. سرعت های شناسایی به منظور افزایش شهودی نشان داده می‌شوند نتیجه مقاله در زیر آمده است. بخش 2 اصول فیلتر صرفی را معرفی می‌کند. تکنیک فرض شده با بکارگیری کارهای صرفی برای شناسایی صدا و عملکردش، در خش 3 توصیف می‌شوند. مقاله با بحثی در بخش 4 نتیجه‌گیری می‌شود.

2. فیلتر صوتی

فیلترهای غیر خطی اخیراً وسایل خیلی محبوب در پردازش سیگنال هستند که به دلیل ریشه‌های پردازش سیگنال / تصویر جذابشان از مفاهیم صرف ریاضیاتی بوده‌اند و به عنوان فیلترسازی صرفی شناخته می‌شود. مورفولوژی ریاضیاتی، روش جدید در انالیز سیگنال / تصویر با استفاده از کارها و انتقالات تصویری غیر خطی گرفته شده‌ از تئوری مجموعه و شکل هندسی منسجم می‌باشد. فیلترهای صرفی ساختار هندسی سیگنالی را با مقایسه‌ی آن شکل اصلی با نام عنصر ساختاری (SE) را مورد آنالیز قرار می‌دهند. اطلاعات که می‌بایست از سیگنال اصلی حفظ یا پاک شوند، همیشه مربوط به اندازه و شکل SE بکار رفته است. بسته به نمایش سیگنال اصلی و SE، فیلترهای صرفی به عنوان فیلترهای پردازش مجموعه (Sp) ، پردازش عملیات (FP) و پردازش عملیات و مجموعه طبقه‌بندی می‌شوند. دو کار اصلی صرفی ، فرسایش و انبساط می‌باشند. (0) F ، عملیات ورودی و (0)g عملیات عنصر ساختاری می‌باشد و و ، منطقه حمایت F(x) و g(x) می‌باشند. دو عملیات در زیر تعریف می‌شوند:

(1)

(2)

(0)D و (0)E ، عمل انبساط و فرسایش است و . نمادهای عملیات مجموعه minkowski جمع و تفریق می‌باشند. Sup(x) و inf(x) ، عدد اول و آخر x می‌باشند. ترکیبات عملیات فرسایش و انبساط به کارهای صرفی پیچیده‌ی باز و بسته شدن منتهی می‌شوند. این عملیات در زیر تعریف شده‌اند.

(3)

(4)

عملیات باز شدن (0)O به عنوان عمل فرسایش به دنبال انبساطی با استفاده از SE مشابه و عملیات بستن (0)C به عنوان انبساط به دنبال فرسایش با استفاده از SE مشابه تعریف شده‌اند. باز و بسته شدن چندین ویژگی مثل افزایش و برگرداندن تغییرات را دارند. Idempotence ، ویژگی اساسی و باز و بسته شدن است که با

تحقیق؛ روش جدید شناسایی پردازش صدا

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 13

روش جدید شناسایی پردازش صدا

چکیده:

استفاده‌ی تکنیک‌های تشخیص صدا در بسیاری کاربردهای علمی، نیاز برای الگوریتم پیشرفته را شرح داده است تا تدثیر بر صدای محیط را بیان می‌کند. این مقاله روش جدید تشخیص پردازش صدا را بر پایه‌ی اصلاح شناسی توصیف می‌کند که عملکرد قوی در محیط‌های پر سر و صدا را فراهم می‌آورد. عملیات صرفی، انتقالات سیگنال غیر خطی می‌باشند که ویژگی‌های هندسی سیگنال را شناسایی می‌کنند. فیلتر صرفی، نخست به عنوان الگوریتم سرکوبی صدا برای داده‌های پردازش صدا بکار رفته است که توسط سیستم تشخیص صدا آزمایش خواهد شد. اما از سوی دیگر صدا، پیشرفته ، چند دستکاری در مقایسه با صدای پاک اصلی با ایجاد فقدان چند جزئیات صدا و خطاها در تشخیص را دارد. بنابراین فیلتر صرفی مشابه در پیش پردازش نمونه‌های آموزش صدا بعد از آموزش مرحله‌ای به کار رفته است. نتایج تجربی نشان می‌دهند که عملکرد سیستم‌های تشخیص صدا می‌تواند با استفاده از روش جدید در محیط پر سرو صدا پیشرفت یابند.

1. مقدمه

پس از این که اکثریت الگوریتم‌های گذشته تشخیص صدا ، محیط‌های آرام و بدون صدا را فرض کردند، نسبت‌های تشخیص در کاهش تا 60% شرایط پرسر و صدا و با استرس مشاهده کرده‌اند. مهم این است مسئله‌ی تشخیص صدا در محیط‌های زیادی را در نظر گرفت که در کاربردهای کلمه واقعی اجتناب‌ناپذیر می‌باشند. صدای قوی محیط معمولاً اضافی در نظر گرفته می‌شودف یعنی سیگنال ضبط شده ، جمع سیگنال صدا و صدای محیط می‌باشد. سطوح بالای صدای محیط یکی از توجهات اولیه برای سازمان دهنده‌ی صدا می باشند. محیط‌های صدای زیاد که صدا را بر هم می‌زنند، ممکن است از ترافیک شهری، اتومبیل، اتوبان، کانال‌های ارتباطی، کابین خلبان هوایی، اداره و پخش نیمه‌رسمی باشند. بنابراین ، تکنیک‌های پردازش قوی به افزایش کیفیت صدای پایین آمده توسط صدای محیط نیاز داشته‌اند. تعدادی تکنیک‌های پیشبرد صدا در گذشته فرض شده‌اند. این روش‌ها کلاً بر پایه‌ی چند شکل تفریقی طیفی، پاک‌سازی و نیز با حداقل برآورد خطای میانگین مربع از صدا می‌باشند. چندین روش اخیر همچنین روش‌هایی بر پایه‌ی شنیداری می‌باشند که ویژگی‌های نمونه شنیدن برای تفسیر صدای بهتر به کار رفته‌اند. یک مشکل الگوریتم‌های پیشرفته آن است که صدای بالا رفته در مقایسه با صدای پاک اصلی به دلیل فقدان جزئیات صدا و خطاها در شناسایی دارد. همچنین در پاک‌سازی معرفی وجود دارد که دره‌های صدا پر می‌باشد و اوج در صدای نامنظم نرم می‌باشد. در این مقاله ، روش جدید شناسایی صدا بر پایه‌ی ریشه‌یابی فرض می‌کنیم تا این تأثیر را کم کنند. فیلتر صرفی مشابه را به کار می‌گیریم. تا هر دو داده‌های اموزش صدا و داده‌های آزمایشی را پیش پردازش کند. عملکرد این تکنیک توسط آزمایش شناسایی صدای کلمه مجزا آزمایش شده است. سرعت های شناسایی به منظور افزایش شهودی نشان داده می‌شوند نتیجه مقاله در زیر آمده است. بخش 2 اصول فیلتر صرفی را معرفی می‌کند. تکنیک فرض شده با بکارگیری کارهای صرفی برای شناسایی صدا و عملکردش، در خش 3 توصیف می‌شوند. مقاله با بحثی در بخش 4 نتیجه‌گیری می‌شود.

2. فیلتر صوتی

فیلترهای غیر خطی اخیراً وسایل خیلی محبوب در پردازش سیگنال هستند که به دلیل ریشه‌های پردازش سیگنال / تصویر جذابشان از مفاهیم صرف ریاضیاتی بوده‌اند و به عنوان فیلترسازی صرفی شناخته می‌شود. مورفولوژی ریاضیاتی، روش جدید در انالیز سیگنال / تصویر با استفاده از کارها و انتقالات تصویری غیر خطی گرفته شده‌ از تئوری مجموعه و شکل هندسی منسجم می‌باشد. فیلترهای صرفی ساختار هندسی سیگنالی را با مقایسه‌ی آن شکل اصلی با نام عنصر ساختاری (SE) را مورد آنالیز قرار می‌دهند. اطلاعات که می‌بایست از سیگنال اصلی حفظ یا پاک شوند، همیشه مربوط به اندازه و شکل SE بکار رفته است. بسته به نمایش سیگنال اصلی و SE، فیلترهای صرفی به عنوان فیلترهای پردازش مجموعه (Sp) ، پردازش عملیات (FP) و پردازش عملیات و مجموعه طبقه‌بندی می‌شوند. دو کار اصلی صرفی ، فرسایش و انبساط می‌باشند. (0) F ، عملیات ورودی و (0)g عملیات عنصر ساختاری می‌باشد و و ، منطقه حمایت F(x) و g(x) می‌باشند. دو عملیات در زیر تعریف می‌شوند:

(1)

(2)

(0)D و (0)E ، عمل انبساط و فرسایش است و . نمادهای عملیات مجموعه minkowski جمع و تفریق می‌باشند. Sup(x) و inf(x) ، عدد اول و آخر x می‌باشند. ترکیبات عملیات فرسایش و انبساط به کارهای صرفی پیچیده‌ی باز و بسته شدن منتهی می‌شوند. این عملیات در زیر تعریف شده‌اند.

(3)

(4)

عملیات باز شدن (0)O به عنوان عمل فرسایش به دنبال انبساطی با استفاده از SE مشابه و عملیات بستن (0)C به عنوان انبساط به دنبال فرسایش با استفاده از SE مشابه تعریف شده‌اند. باز و بسته شدن چندین ویژگی مثل افزایش و برگرداندن تغییرات را دارند. Idempotence ، ویژگی اساسی و باز و بسته شدن است که با

روش های یاددهی و یادگیری در ریاضیات

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 5

روش های یاددهی و یادگیری

مفاهیم پایه ای ریاضی

این پرسشی است که توسط بسیاری از آموزگاران و والدین مطرح می شود: «برای پیشرفت در یادگیری ریاضی چه باید کرد؟»

اما متأسفانه جواب کوتاه، خلاصه و فراگیری برای آن وجود ندارد، زیرا نه تمام دانش آموزان کاملاً مشابه یکدیگر هستند و نه مشکلات آن ها لزوماً همسان است، با این وجود اقداماتی مشابه آن چه در این مقاله می خوانیم برای پیشرفت تحصیلی دانش آموز مفید است و همچنین مفاهیم بنیادی مربوط به ریاضی در سال های اول زندگی معرفی می شود، تا اگر دانش آموزی در هر کدام از مفاهیم دچار مشکل باشد، برنامه بازآموزی تدارک دیده می شود.

اقدامات نادرست برای یادگیری ریاضی

تعداد زیادی از دانش آموزان مقاطع ابتدایی، راهنمای و دبیرستان در یادگیری دروس ریاضی دچار مشکل هستند و با این که به اندازه دانش آموزان همسان خود تلاش می کنند، پیشرفت مورد انتظار را ندارند. معمولاً آموزگاران برای

پیشرفت بیشتر آنان این گونه فعالیت ها را انجام می دهند:

1- پند و اندرز به دانش آموزان ومتوجه کردن آن ها به اهمیت درس ریاضی و این که خوشبختی آینده آنها در گرو پیشرفت تحصیلی است.

2- سرزنش و تنبیه دانش آموزان به انواع مختلف و چند بار تکرار درس یا استخدام معلم خصوصی

3- درخواست از والدین برای کمک درسی بیشتر به دانش آموز

4- توسل به توجیهاتی از این قبیل که مشکل دانش آموز جنبه ارثی دارد.

5- تکرار این مطلب که دانش آموز از پایه ضعیف است.

6- مشورت با اقوام و همسایگان درباره دانش آموز.

7- تشویق دانش آموز با روش های متفاوت.

8- ارائه یک برنامه فشرده برای فعالیت درسی در منزل.

به کارگیری اکثر موارد فوق نه تنها به پیشرفت تحصیلی دانش آموز کمک نمی کنند، بلکه در بسیاری از مواقع هم به لحاظ درسی و هم به لحاظ روانی برای او مشکلات بیشتری ایجاد

می کند. بنابراین بهتر است که برای درمان اختلالات ریاضی به یک اقدام اصولی که محصول مطالعات بسیاری از محققین است، دست زد.

اقدامات درست برای یادگیری ریاضی

اولین قدم برای درمان این است که از طبیعی بودن کودک مطمئن شویم (دانش آموزانی که در کلاس چهارم ابتدایی درس می خواند و با معدلهای نسبتاً خوبی کلاس های قبلی را گذرانده و یا حتی اگر در همه دروس به جز یک یا دو درس پیشرفت خوبی دارد، دارای هوش طبیعی است و نیاز به آزمون هوش ندارد.)

برای این کار پرسش نامه شماره یک پیوست مقاله را در مورد کودک اجرا می کنیم. پس از این که کودک را به کمک پرشس نامه تشخیصی مورد ارزیابی قرار دادیم، موارد ناتوانایی وی را شناسایی کرده و برای بازآموزی او یک برنامه آموزشی طراحی می کنیم. "ممکن است در ذهن شما این سئوال پیش بیاید که در این پرسش نامه مواردی وجود دارد که به ریاضی ارتباطی ندارد؟ در برابر این پرسش باید گفت که انجام عملیات و حل مسائل ریاضی نیازمند توانمندی های متعددی است که اگر چه در حیطه ریاضی قرار نمی گیرد اما پیش نیاز آن ها هستند و در صورت ناتوانی در این پیش نیازها کودک قادر به یاد گرفتن ریاضی نخواهد بود.»

بسیاری از محققان برای بازآموزی کودک از بازیهای متعددی استفاده می کنند چون بازی برای کودک یک نیاز اجتناب ناپذیراست. نظریه های مربوط به بازی را بنا به باور «میشل» و «ماسن» می تواند به چند دسته تقسیم کرد:

1- نظریه های مربوط به انرژی اضافی

2- نظریه های مربوط به تنش زدایی وایجاد آرامش

3- نظریه های مربوط به اعمال پیش تمرینی

4- نظریه های مربوط به تجدید تکامل.

شما طرفدار هر کدام از نظریات و یا تلفیقی از آنها باشید، باید در بازآموزی کودکان از آن استفاده کنید. «ژان پیاژه» بازی ها را به 3 دسته تقسیم می کند:

1-بازی های تمرینی. 2- بازی های عادی. 3- بازی های دارای قواعد و مقررات.

اسباب بازی ها برای کودکان زیر 3 سال هر قدر ساده و ارزان و قابل دسترس باشند از خاصیت بازآموزی بیشتری برخوردارند.

گام بعدی برای بازآموزی استفاده از پرسش نامه شماره (2) پیوست مقاله است.

شما می توانیدکودکی را که پنج سال تمام سن دارد و می خواهد وارد ششمین سال شود، یا هر کودک دبستانی دارای اختلال یادگیری را با پرسش نامه (2) ارزیابی کرده و موارد ناتوانی او را شناسایی کنید، توجه داشته باشید که ارزیابی به وسیله این پرسش نامه و اقدام به باز آموزی زمانی مناسب است که کودک از عهده پرسش نامه(1) کاملاً برآمده باشد. که پایه و بنیاد مفاهیم ریاضی در سال های قبل از ورود به دبستان درذهن کودک شکل می گیرد. اگر کودکی در تمامی موارد مربوط به سنین که در پرسش نامه (1) و (2) مورد بحث قرار گرفتند، از رشد ذهنی کافی برخوردار باشند، دیگردر فهم مطالب ریاضی مربوط به کلاس اول مشکل نخواهد داشت. تجارب بالینی نشان داده است.که بسیاری از دانش آموزان دوره ابتدایی و حتی راهنمایی ودبیرستان که دچار اختلال یادگیری بوده و مشکلات زیادی در فهم و یادگیری درس ریاضی دارند هنوز در فهم برخی ازموارد مربوط به سال های قبل از دبستان دچار مشکل هستد بنابراین آموزگار کلاس اول یا والدین کودک باید درآغازسال تحصیلی تمامی آن موارد را بررسی کنند بنا به همین منظور باید اول کودک را باپرسش نامه ها (1) و (2) مورد بررسی قرار داد و برای بازآموزی کودک برنامه ای طراحی کند. طبیعی است در صورتی که محیط روانی خانه و مدرسه برای دانش آموز مساعد باشد در برنامه بازآموزی موفق شده و در یادگیری دروس ریاضی سال های بعد با مشکلی مواجه نخواهد شد اما اگر علی رغم انجام برنامه های بازآموزی باز هم دانش آموز در سالهای ابتدایی یا راهنمایی دچار مشکلی گردد، ریشه مشکل را باید در1- عادات غلط تحصیلی. 2- روش نامناسب تدریس. 3- تدریس مفاهیمی که با سن کودک انطباق ندارد جستجو کرد.

تعدادی از دانش آموزان با این که عملیات مربوط به ریاضی را به خوبی می دانند، اما به علت عدم توجه کافی، دچار اشتباهاتی می شوند که نمره آنها را در دروس ریاضی کاهش می دهد: مانند:

1-عدم توجه به علامت ها. 2- عدم دقت به ستونها. 3- عدم توجه به نوشتن کامل اعداد. 4- جا انداختن اعداد 5- محاسبه نکردن یک عدد. 6- به کار بردن نادرست عضو خنثی. 7- اشتباه در اثر مجاورت نویسی و ... .

به طور کلی یکی از مهمترین مواردی که در یادگیری تأثیر می گذارد توجه و تمرکز است.

توجه را می توان به دو نوع تقسیم کرد: 1- توجه فعال یا انتخابی. 2- توجه انفعالی. در حقیقت در زمان یادگیری توجه انفعالی باعث می شود که توجه فعال کاهش پیدا کند بنابراین مکان و زمان یادگیری باید طوری انتخاب شود که توجه انفعالی کودک حتی المقدور کاهش پیدا کند.

همچنین موانعی برای عدم تمرکز وجود دارند که عبارتند از:

1- عوامل بیرونی مخل تمرکز. 2- تمرکز ناکافی و عدم پرورش این استعداد.

منابع