لینک دانلود و خرید پایین توضیحات
فرمت فایل word و قابل ویرایش و پرینت
تعداد صفحات: 21
مروری بر ادبیات
برای دانش آموزان سطح ابتدایی, هدف از آموزش خواندن آشنا کردن با طرحهای عملی گرامر و بخشهای لغوی در متن و تقویت این دانش اساسی است.
خواندن واقعی یک فعالیت فردی است که در خارج از کلاس به جز خواندن موقتی کلاس روی می دهد بعضی از دانشمندان معتقدند که خواندن فعالیتی چند قسمتی است.
این امر فعالیت را چند قسمتی می سازد یعنی, خواندن گروهی از کلمات که واحدهای معنا داری را تشکیل می دهند مهارتی فرعی است که برای سریع خواندن در آینده اساسی است.
همچنین گفته شده است که خواند نوعی فعالیت حل مسأله است که در آن توضیح اصول کلی به خواندن دانش آموز کمک می کند.
بر طبق نظر فرایر, خواندن ایجاد دامنه قابل توجهی از پاسخهای همیشگی(مادی) به مجموعه خاصی از الگوی اشکال گرافیکی است. چستین (chostain) ابراز می دارد که خواندن یک فرآیند شناختی فعال (موثر) است.
فرآیند خواندن به طور ضمنی به یک سیستم شناختی فعال اشاره می کند که بر روی مواد جانبی برای رسیدن به درک پیام عمل می کند. وظیفه خواننده فعال کردن دانش پیش زمینه و زبانی برای خلق مجدد پیغام مورد نظر نویسنده است(1988,222 Chastar)
چند شیوه برای یادگیری خواندن وجود دارد:
شنیداری زبانی: مدل یادگیری رفتار شناس که در آن نقش تجویز شده برای خواندن تقویت عادتهاست.
گرامر – ترجمه: ارائه خواندن(قرائت) هایی که شامل لغت و مثالهایی از گرامری است که باید آموخته شود.
برنارد(1984) سناریوی عملی خواندن کلاسی را به شکل زیر توصیف می کند.
مقدمه(آشناسازی): بلند خواندن توسط دانش آموز(تصحیح اشتباهات توسط معلم که نوعی تداخل با درک محسوب می شود.
دانش آموزان متن را می خوانند.
دانش اموزان پاسخ سوالات داده شده در متن را می نویسند.
زبان شناسان کاربردی که خواندن را مهارت محسوب می کنند این برداشتها را ارائه می دهند.
مهارت های انفعالی: چون خواننده پیغامی مشابه با مفهوم مورد نظر گوینده تولید نمی کند.
مهارت های پذیرنده ای:خواننده پیغامی را از یک نویسنده دریافت می کند.
مهارت های رمزگشایی:زبان یک رمز است که باید برای رسیدن به معنای پیغام کشف گردد.
4)خلق مجدد(باز تولید): خواننده مفهوم مورد نظر نویسنده را دوباره خلق می کند.
5)مهارتهای پویا(فعال):مطابق نظریه گودکن, خواندن یک بازی حدسی روان بازشناختی است.
خواندن یک بازی حدسی روان زبان شناختی است... خوانندگان معنای عناصر نا آشنای متن را از طریق این رابطه با کل پیغام استنباط می کنند.
در رابطه با مهارتهای دیگر, چستین(Chastain) ادعا می کند که خواندن برای معنا, فرآیند ارتباطی و ذهنی مشابه با مهارتهای دیگر است. خواندن جریان ارتباطی را در هر یک از دیگر مهارتهای زبانی تسهیل می کند.
رابطه علامتی منطقی یک راهکار مقدماتی است. این رابطه به مرحله اولیه یادگیری برای خواندن از طریق بلند خوانی و تمرین دیکته, آزمایشگاه, نوار, ضبط صوت و غیره محدود است. گوش دادن به بلند خواند فردی دیگر فعالیت خیلی محرکی نیست. دانش آموزان به سرعت خسته می شوند. آنها در ابتدا باید یاد بگیرند که شبیه سازی کنند(تقلید کنند) و مطالب را با گفتگوی بعدی پیوسته تطبیق دهند.
البته این مطلب برای مبتدی ها قانون محسوب نمی شود. دانش آموزان نباید با انطباقهای غیر معمول و بی فایده خسته شوند.
بر طبق تجربه شما, کدام یک از روابط منطقی بیشترین مشکلات را برای دانش آموزان شما ایجاد می کند؟ آیا پیشنهادی در رابطه با تدریس موثرتر آنها دارید؟
دیدگاه دیگر از لحاظ ساختار, بی معنایی است. برمبنای این عقیده, چستین اظهار می دارد که معنا در مطلب نوشتاری قرار نمی گیرد, در عوض, خواننده معنی مورد نظر نویسنده را, بر مبنای آنچه بین متن و دانش پیش زمینه ای او رخ می دهد, مجدداً خلق می کند. هدف از زبان ایجاد ارتباط است. به راستی خواندن, پیغامی را که در آن ابزارهای لغوی مهم هستند حمل می کند.
فعالیت های خواندن به منظور انگیزش دانش آموز در خواندن تکلیف و برای آماده سازی آنها به منظور توانایی برای خواندن آن انجام می شود. رینلگر و دبر, فعالیت پیش خواندن را فعالیت توانا سازی و برای درک مطلب می نامند. این تجربه, درک را نیز شامل می شود. اهدافی برای روبرو شدن با متن و ساختار مطلب.
ممکن است معلم به دانش آموزان مطلبی در مورد ساختار فصل راهنمای کتاب برای استفاده از استراتژی بیاموزد و درک و بازیافت اطلاعات را در دانش آموزان افزایش دهد. در این مورد چند دیدگاه حمایتی مثل فرآیند SQ3R وجود دارد که شامل موارد زیر است: بررسی سئوال, خواندن, یادآوری و مرور.
"نقشه داستان" تکنیک دیگری است که از آن طریق دانش اموزان یاد می گیرند روابط مهم را در خواندن با قراردادن ایده ها, وقایع و فصل های اصلی از "دایره اتصال" نشان دهند.
نقشه های داستان ممکن است شامل ایده های اصلی و جزئیات متوالی, تشابه ها, تباین ها یا علت و معلول ها باشند.
طبق نظریه کراشن وترل(1983), خواندن یک استراتژی ارتباطی است.
1)برای معنا بخوانید
لینک دانلود و خرید پایین توضیحات
فرمت فایل word و قابل ویرایش و پرینت
تعداد صفحات: 20
مروری بر سیستم تشخیص گفتار و کاربرد آن
چکیده:
سیستم تشخیص گفتار نوعی فناوری است که به یک رایانه این امکان را می دهد که گفتار و کلمات گوینده را بازشناسی و خروجی آنرا به قالب مورد نظر، مانند "متن"، ارائه کند. در این مقاله پس از معرفی و ذکر تاریخچهای ازفناوری سیستم ها تشخیص گفتار، دو نوع تقسیم بندی از سیستمها ارائه می شود، و سپس به برخی ضعف ها و نهایتاً کاربرد این فناوری اشاره می شود.
کلید واژه ها: سیستمهای تشخیص گفتار، فناوری اطلاعات، بازشناسی گفتار
1. مقدمهگفتار برای بشر طبیعی ترین و کارآمدترین ابزار مبادله اطلاعات است. کنترل محیط و ارتباط با ماشین بوسیله گفتار از آرزوهای او بوده است.طراحی و تولید سیستم های تشخیص گفتار هدف تحقیقاتی مراکز بسیاری در نیم قرن اخیر بوده است.یکی از اهداف انسانها در تولید چنین سیستم هایی مسلماً توجه به این نکته بوده است که "ورود اطلاعات به صورت صوتی ،اجرای دستورات علاوه بر صرفه جویی در وقت و هزینه ،به طرق مختلف کیفیت زندگی ما را افزایش می دهند.امروزه دامنه ای از نرم افزارها (که تحت عنوانSpeech Recognition Systems معرفی می شوند) وجود دارند که این امکان را برای ما فراهم کرده اند.با استفاده از این تکنولوژی می توانیم امیدوار باشیم که چالش های ارتباطی خود را با محیط پیرامون به حداقل برسانیم.
2.تعریف قبل از پرداختن به به سیستم های تشخیص گفتار لازم است که فناوری تولید گفتار و تشخیص گفتار با تعریفی ساده از هم متمایز شوند: ● فناوری تولید گفتار(Text To Speech):تبدیل اطلاعاتی مثل متن یا سایر کدهای رایانه ای به گفتاراست.مثل ماشین های متن خوان برای نابینایان،سیستم های پیغام رسانی عمومی. سیستم های تولید گفتار به خاطر سادگی ساختارشان زودتر ابداع شدند. این نوع از فناوری پردازش گفتار موضوع مورد بحث در این مقاله نیستند. ● فناوری تشخیص گفتار(Speech Recognition System ): نوعی فناوری است که به یک کامپیوتراین امکان را می دهد که گفتارو کلمات گوینده ای را که از طریق میکروفن یا پشت گوشی تلفن صحبت می کند،بازشناسی نماید. به عبارت دیگر در این فناوری هدف خلق ماشینی است که گفتار را به عنوان ورودی دریافت کند و آنرا به اطلاعات مورد نیاز (مثل متن)تبدیل کند.
3.تاریخچه فناوری تشخیص گفتاراولین سیستم های مبتنی بر فناوری تشخیص گفتار در سال 1952 در"آزمایشگاههای بل"طراحی شد.این سیستم به شیوه گفتار گسسته و به صورت وابسته به گوینده و با تعداد لغت محدود 10 لغت عمل می کرد.در اوایل دهه 80 میلادی برای اولین بار الگوریتم مدلهای مخفی مارکوف "Hidden Markov Model" ارائه شد.این الگوریتم گامی مهم در طراحی سیستم های مبتنی بر گفتار پیوسته به حساب می آمد.همچنین در طراحی این سیستم از مدل شبکه عصبی و نهایتاً ازهوش مصنوعی نیز استفاده می شود.در ابتدا شرکتهای تجاری این فناوری را برای کاربردهای خاصی طراحی کردند.به عنوان مثال شرکت Kurzweil در زمینه پزشکی و مخصوصاً برای کمک به معلولان و نابینایان و شرکت Dragon در زمینه خودکارسازی سیستمهای اداری محصولات اولیه وارد بازارکردند. توانجویان در واقع اولین گروهی بودند که از این دسته محصولات به عنوان یک فناوری انطباقی و یاریگر،عمدتاً برای دو عملکرد کنترل محیط و واژه پردازی استفاده کردند.جیمز بیکر James K.Baker یکی از محققان شرکت IBM که در اواخر دهه 1970 در مورد این فناوری مقالات زیادی نوشت، یکی از پیشگامان این طرح بود.او و همکارانش یک شرکت خصوصی به نام Dragon Systems تاسیس کردند.این شرکت ابتدا در دهه 1990 نرم افزاری به نام Dragon Dictate تولید کرد که یک سیستم مبتنی بر گفتار گسسته بود.در سال 1997 این شرکت محصولی را تولید کرد که به جای استفاده از گفتارگسسته ،مبتنی بر گفتار پیوسته بود.در واقع این شرکت با ارائه نرم افزار Dragon Naturally Speaking (DNS) اولین سیستم تشخیص گفتار پیوسته را ارائه نمود.این سیستم توانایی تشخیص گفتار با سرعت 160 کلمه در دقیقه را داشت.همچنین شرکت تجاری IBM هم در این زمینه برای سالهای متمادی فعالیت می کرد که با طراحی بسته نرم افزاری Via Voice به ارائه سیستم های تشخیص گفتار پرداخت که در حال حاضر Scansoft محصولات IBM Via Voice راتوزیع و پشتیبانی می کند.شرکت مایکروسافت نیز فعالیتهایی درجهت تولید و کاربرد این فناوری داشته است،و بیل گیتس Bill Gates در کتابها و سخنرانی هایش به کرات در مورد آینده درخشان استفاده از سیستم های تشخیص گفتار تاکید کرده است. البته عملاً تا قبل از ارائه نرم افزار office XP وword 2002 این تکنولوژی در محصولات این شرکت بکاربرده نشد.گرچه در ابتدا عمده موارد استفاده این تکنولوژی ،برای افراد توانجو پیش بینی شده بود اما بعدها پذیرش استفاده از آن گسترده تر شد و گروههای بسیاری در مدارس و دانشگاهها علاقه مند به استفاده ازاین فناوری شدند. بطوریکه Seton Hall University نیز برای تشویق دانشجویان به آشنایی با این سیستم به دانجشویان جدید الورود نرم افزار IBM Via Voice را اهدا می کرد.
4.عملکرد سیستم های تشخیص گفتارسیستم های تشخیص گفتار به هر منظور که بکار برده شوند، عملکرد نسبتاً مشابهی دارند که عبارت است از:تبدیل گفتاربه داده و تحلیل آن توسط مدلهای آماری.
شکل 1
لینک دانلود و خرید پایین توضیحات
فرمت فایل word و قابل ویرایش و پرینت
تعداد صفحات: 18
مروری بر ادبیات
برای دانش آموزان سطح ابتدایی, هدف از آموزش خواندن آشنا کردن با طرحهای عملی گرامر و بخشهای لغوی در متن و تقویت این دانش اساسی است.
خواندن واقعی یک فعالیت فردی است که در خارج از کلاس به جز خواندن موقتی کلاس روی می دهد بعضی از دانشمندان معتقدند که خواندن فعالیتی چند قسمتی است.
این امر فعالیت را چند قسمتی می سازد یعنی, خواندن گروهی از کلمات که واحدهای معنا داری را تشکیل می دهند مهارتی فرعی است که برای سریع خواندن در آینده اساسی است.
همچنین گفته شده است که خواند نوعی فعالیت حل مسأله است که در آن توضیح اصول کلی به خواندن دانش آموز کمک می کند.
بر طبق نظر فرایر, خواندن ایجاد دامنه قابل توجهی از پاسخهای همیشگی(مادی) به مجموعه خاصی از الگوی اشکال گرافیکی است. چستین (chostain) ابراز می دارد که خواندن یک فرآیند شناختی فعال (موثر) است.
فرآیند خواندن به طور ضمنی به یک سیستم شناختی فعال اشاره می کند که بر روی مواد جانبی برای رسیدن به درک پیام عمل می کند. وظیفه خواننده فعال کردن دانش پیش زمینه و زبانی برای خلق مجدد پیغام مورد نظر نویسنده است(1988,222 Chastar)
چند شیوه برای یادگیری خواندن وجود دارد:
شنیداری زبانی: مدل یادگیری رفتار شناس که در آن نقش تجویز شده برای خواندن تقویت عادتهاست.
گرامر – ترجمه: ارائه خواندن(قرائت) هایی که شامل لغت و مثالهایی از گرامری است که باید آموخته شود.
برنارد(1984) سناریوی عملی خواندن کلاسی را به شکل زیر توصیف می کند.
مقدمه(آشناسازی): بلند خواندن توسط دانش آموز(تصحیح اشتباهات توسط معلم که نوعی تداخل با درک محسوب می شود.
دانش آموزان متن را می خوانند.
دانش اموزان پاسخ سوالات داده شده در متن را می نویسند.
زبان شناسان کاربردی که خواندن را مهارت محسوب می کنند این برداشتها را ارائه می دهند.
مهارت های انفعالی: چون خواننده پیغامی مشابه با مفهوم مورد نظر گوینده تولید نمی کند.
مهارت های پذیرنده ای:خواننده پیغامی را از یک نویسنده دریافت می کند.
مهارت های رمزگشایی:زبان یک رمز است که باید برای رسیدن به معنای پیغام کشف گردد.
4)خلق مجدد(باز تولید): خواننده مفهوم مورد نظر نویسنده را دوباره خلق می کند.
5)مهارتهای پویا(فعال):مطابق نظریه گودکن, خواندن یک بازی حدسی روان بازشناختی است.
خواندن یک بازی حدسی روان زبان شناختی است... خوانندگان معنای عناصر نا آشنای متن را از طریق این رابطه با کل پیغام استنباط می کنند.
در رابطه با مهارتهای دیگر, چستین(Chastain) ادعا می کند که خواندن برای معنا, فرآیند ارتباطی و ذهنی مشابه با مهارتهای دیگر است. خواندن جریان ارتباطی را در هر یک از دیگر مهارتهای زبانی تسهیل می کند.
رابطه علامتی منطقی یک راهکار مقدماتی است. این رابطه به مرحله اولیه یادگیری برای خواندن از طریق بلند خوانی و تمرین دیکته, آزمایشگاه, نوار, ضبط صوت و غیره محدود است. گوش دادن به بلند خواند فردی دیگر فعالیت خیلی محرکی نیست. دانش آموزان به سرعت خسته می شوند. آنها در ابتدا باید یاد بگیرند که شبیه سازی کنند(تقلید کنند) و مطالب را با گفتگوی بعدی پیوسته تطبیق دهند.
البته این مطلب برای مبتدی ها قانون محسوب نمی شود. دانش آموزان نباید با انطباقهای غیر معمول و بی فایده خسته شوند.
بر طبق تجربه شما, کدام یک از روابط منطقی بیشترین مشکلات را برای دانش آموزان شما ایجاد می کند؟ آیا پیشنهادی در رابطه با تدریس موثرتر آنها دارید؟
دیدگاه دیگر از لحاظ ساختار, بی معنایی است. برمبنای این عقیده, چستین اظهار می دارد که معنا در مطلب نوشتاری قرار نمی گیرد, در عوض, خواننده معنی مورد نظر نویسنده را, بر مبنای آنچه بین متن و دانش پیش زمینه ای او رخ می دهد, مجدداً خلق می کند. هدف از زبان ایجاد ارتباط است. به راستی خواندن, پیغامی را که در آن ابزارهای لغوی مهم هستند حمل می کند.
فعالیت های خواندن به منظور انگیزش دانش آموز در خواندن تکلیف و برای آماده سازی آنها به منظور توانایی برای خواندن آن انجام می شود. رینلگر و دبر, فعالیت پیش خواندن را فعالیت توانا سازی و برای درک مطلب می نامند. این تجربه, درک را نیز شامل می شود. اهدافی برای روبرو شدن با متن و ساختار مطلب.
ممکن است معلم به دانش آموزان مطلبی در مورد ساختار فصل راهنمای کتاب برای استفاده از استراتژی بیاموزد و درک و بازیافت اطلاعات را در دانش آموزان افزایش دهد. در این مورد چند دیدگاه حمایتی مثل فرآیند SQ3R وجود دارد که شامل موارد زیر است: بررسی سئوال, خواندن, یادآوری و مرور.
"نقشه داستان" تکنیک دیگری است که از آن طریق دانش اموزان یاد می گیرند روابط مهم را در خواندن با قراردادن ایده ها, وقایع و فصل های اصلی از "دایره اتصال" نشان دهند.
نقشه های داستان ممکن است شامل ایده های اصلی و جزئیات متوالی, تشابه ها, تباین ها یا علت و معلول ها باشند.
طبق نظریه کراشن وترل(1983), خواندن یک استراتژی ارتباطی است.
1)برای معنا بخوانید
2)همه کلمات را جستجو نکنید
3)معنا را پیش بینی کنید
4) از متن استفاده کنید.
"در روش شناسی ما " روش خواندن" را داریم".
در آموزش زبان خارجی, یک برنامه یا روش که در آن درک خواندن مقصود اصلی است. در روش خواندن a) زبان خارجی به طور کلی از طریق متون نوشتاری با لغات و ساختارهای آسان معرفی می شود
b) در ک از طریق ترجمه و تحلیل گرامری آموخته می شود.
c) اگر زبان گفتاری آموخته شود, معمولاً برای تقویت خواندن به کار می رود و به خواندن شفاهی متون محدود است.
لینک دانلود و خرید پایین توضیحات
فرمت فایل word و قابل ویرایش و پرینت
تعداد صفحات: 11
مروری بر کاربردهای مواد جانبی حاصل از کارخانجات چرم و سالامبور در تغذیه طیور گوشتیترجمه و گردآوریاکرم قرهداغی- آرش جوانمردبخش تحقیقات علوم دامی، مرکز تحقیقات کشاورزی و منابع طبیعی استان آذربایجان شرقیپست الکترونیکی: Tabriz-anrc@sonar.net
چکیده:با توجه به افزایش سریع جمعیت سالهای اخیر و تغییر در الگوی مصرف گوشت در کشور، تقاضا برای مصرف گوشت مرغ در کشور رشد فزایندهای را نشان میدهد. علم تغذیه نقشی اساسی را در موفقیت این صنعت بر عهده دارد. از افقهای جدید موجود برای فرمولاسیون اقتصادی جیره، استفاده و اختصاص دادن درصدی از جیره به خوراک غیر متداول میباشد. از جمله خوراک غیر معمول موجود، ضایعات حاصل از کارخانجات چرمسازی است. با توجه به آمار کشتارگاههای کشور، روزانه از هر جلد پوست به طور متوسط 5/1-1 کیلو ضایعات خام باقی میماند که تا حدود دارای ترکیبات مواد مغذی و اسید آمینه های مناسبی بوده و کاربرد آن در جیره طیور علاوه بر صرفههای اقتصادی، کاهش دهنده آلودگی محیط زیست میباشد .ضایعات حاصل از مراحل چرمسازی شامل تراشه های نرم پوست، سرپشم حیوانی، کلاژن میباشند. این ضایعات، ترکیباتی نزدیک به پودر ماهی را دارند ولی میتونین، لیزین و هیستیدین آنها کمتر میباشد، کاربرد ضایعات چرمسازی را تا 4% در جیره های جوجههای گوشتی در مرحله رشد و پایانی توصیه کردند.در مورد ضایعات سرپشم حیوانی حاصل از فرآیند کردن چرم، این مقدار تا 7 الی 8 درصد جیره میباشد. همچنین نتایج آزمایشات متعدد حاکی از این است که کاربرد ضایعات چرم در تغذیه جوجههای گوشتی، هیچگونه اثر بیماری زایی در کیفیت گوشت تولیدی، ایجاد نمیکند و از لحاظ اقتصادی در بعضی از جیرهها به علت افزایش مصرف خوراک و کاهش تلفات و قیمت تمام شده جیره، توجیه اقتصادی دارد. طراحی پروژههای تحقیقاتی مشابه در ایران برای دستیابی به اطلاعات جامعتر، توصیه می گردد. بهرحال آنچه نهایتاً میتوان نتیجه گیری نمود این است که ضایعات چرم میتواند جایگزین مناسبی به جای پودر ماهی در جیرههای بر پایه ذرت و سویا باشد.کلمات کلیدی:ضایعات،تغذیه طیور، چرم و سالامبورمقدمه:با توجه به افزایش سریع جمعیت سالهای اخیر و تعبیر در الگوی مصرف گوشت در کشور، تقاضا برای مصرف گوشت مرغ در کشور، رشد فزایندهای را نشان میدهد. همچنین برگشت سریع سرمایه در صنعت مرغداری، موجب جذب سرمایههای هنگفت به این صنعت شده است. علم تغذیه نقشی اساسی در پرورش طیور دارد. تولید کنندگان معمولاً برای خود دارای فرمول غذایی معینی میباشند. به طور کلی وضعیت تغذیه در حال حاضر مشکلات زیادی را برای مرغداران ایجاد کرده است.اغلب مرغداران در برنامههای غذایی طیور، فراوانی و کمیابی مواد اولیه را در فصول مختلف سال رعایت نمیکنند. کارخانههای تولید دان طیور اصولاً به دلیل فقدان نگرش بازار گردانی، نتوانستند برا ی تامین منابع مورد نیاز تولید دان، افق های جدیدی را باز نمایند. بی توجهی به پس ماندههای تولیدی کشتارگاه های کشور، اعم از کشتارگاههای دام و طیور و کارخانههای تولید کنسرو ماهی، کارخانههای تولید لبنیات و غیره میتواند از دلایل این امر باشد. به دلیل وابستگی شدید کشور به دان مرغ، تا زمانی که نتوان با استفاده از ابزار تحقیق و توسعه به فرمولهای مناسبی دست یافت، به نظر نمیرسد که بتواند در این صنعت در عرصه صادرات موفق گردد. خوراک معمول و متداول مورد استفاده در تغذیه طیور عمدتاً به دلیل مصارف انسانی و محدود بودن سطح کشت محصول، همواره با نیاز مرغداران تطابق نداشته و همیشه مشکل آفرین بوده است. در عصر حاضر با پیشرفتهای فنون علمی، استفاده از ضایعات یک سیستم تولیدی، به عنوان ماده خام برای سیستم جدید دیگر، امکانپذیر شده است که علاوه بر بازیافت اقتصادی ضایعات حاصل، سودمندیهای جنبی نیز همانند کاهش آلودگیهای محیط زیست را به همراه داشته است. مقادیر زیادی از ضایعات وجود دارند که میتوانند به عنوان مواد خام، مستقیم یا بعد از فرآوری، به مصرف تغذیه دام و طیور شوند. موفقیت در این امر عمدتاً به شکل منابع و چگونگی به کارگیری آنها بستگی دارد. از منابع غیر معمول میتوان به ترکیبات پتروشیمیائی، ضایعات کراتینی، زبالههای خانگی و شهری، فضولات حیوانات مزرعه و اخیراً ضایعات کارخانجات چرم و سالامبور اشاره نمود.گاو بومی ایران با جمعیت 7/6 میلیون رأس حدود 5/31 درصد تولید پروتئین حیوانی در داخل کشور را به خود اختصاص داده است. سهم تولید گوسفند با جمعیت 51.4999.000 رأس خود حدود 44 درصد کل گوشت قرمز تولیدی کشور میباشد. از هر جلد پوست سنگین در کارخانجات چرم و سالامبورسازی بطور 5/1-1 کیلو ضایعات خام باقی میماند که فساد پذیری سریعی داشته اما ارزش پروتئین خام آن بالا میباشد.این مقاله سعی دارد که در یک نگرش اجمالی، کاربرد مواد خام حاصل از کارخانجات چرم و سالامبور را تغذیه طیور گوشتی مورد بررسی قرار دهد.مواد خام حاصل از چرم سازی:پوست پوست، بزرگترین عضو بدن را تشکیل میدهد و چون قشر نازکی کلیه سطح بدن را پوشانده است وزن پوست حدود 7 درصد وزن بدن میباشد از سه لایه ابیدرم، کوریوم و بافت زیر پوستی تشکیل شده است. طی روند چرمسازی، اپیدرم همراه بامواهای زبر به طریق واکنش شیمیائی Na2S و Ca(OH)2 جدا میشود. کوریوم لایهای از پوست است که برای تولید چرم به کار میرود. بافت زیر پوستی شامل کلاژن و بافت چربی است. 40% پوست قابل تبدیل به چرم میباشد و بقیه پوست به عنوان ضایعات محسوب میشود. ضایعات ناشی از فرآیند مربوط 25-20% فرآیند مکانیکی 15-10%ضایعات ناشی از صاف کردن پشم (تقریباً15% میباشد)1- تراشه های نرم پوست و سرپشم حیوانی:بخشهای از پوست که از بخش کوریوم در طی فرآیند کردن
لینک دانلود و خرید پایین توضیحات
فرمت فایل word و قابل ویرایش و پرینت
تعداد صفحات: 20
مروری بر سیستم تشخیص گفتار و کاربرد آن
چکیده:
سیستم تشخیص گفتار نوعی فناوری است که به یک رایانه این امکان را می دهد که گفتار و کلمات گوینده را بازشناسی و خروجی آنرا به قالب مورد نظر، مانند "متن"، ارائه کند. در این مقاله پس از معرفی و ذکر تاریخچهای ازفناوری سیستم ها تشخیص گفتار، دو نوع تقسیم بندی از سیستمها ارائه می شود، و سپس به برخی ضعف ها و نهایتاً کاربرد این فناوری اشاره می شود.
کلید واژه ها: سیستمهای تشخیص گفتار، فناوری اطلاعات، بازشناسی گفتار
1. مقدمهگفتار برای بشر طبیعی ترین و کارآمدترین ابزار مبادله اطلاعات است. کنترل محیط و ارتباط با ماشین بوسیله گفتار از آرزوهای او بوده است.طراحی و تولید سیستم های تشخیص گفتار هدف تحقیقاتی مراکز بسیاری در نیم قرن اخیر بوده است.یکی از اهداف انسانها در تولید چنین سیستم هایی مسلماً توجه به این نکته بوده است که "ورود اطلاعات به صورت صوتی ،اجرای دستورات علاوه بر صرفه جویی در وقت و هزینه ،به طرق مختلف کیفیت زندگی ما را افزایش می دهند.امروزه دامنه ای از نرم افزارها (که تحت عنوانSpeech Recognition Systems معرفی می شوند) وجود دارند که این امکان را برای ما فراهم کرده اند.با استفاده از این تکنولوژی می توانیم امیدوار باشیم که چالش های ارتباطی خود را با محیط پیرامون به حداقل برسانیم.
2.تعریف قبل از پرداختن به به سیستم های تشخیص گفتار لازم است که فناوری تولید گفتار و تشخیص گفتار با تعریفی ساده از هم متمایز شوند: ● فناوری تولید گفتار(Text To Speech):تبدیل اطلاعاتی مثل متن یا سایر کدهای رایانه ای به گفتاراست.مثل ماشین های متن خوان برای نابینایان،سیستم های پیغام رسانی عمومی. سیستم های تولید گفتار به خاطر سادگی ساختارشان زودتر ابداع شدند. این نوع از فناوری پردازش گفتار موضوع مورد بحث در این مقاله نیستند. ● فناوری تشخیص گفتار(Speech Recognition System ): نوعی فناوری است که به یک کامپیوتراین امکان را می دهد که گفتارو کلمات گوینده ای را که از طریق میکروفن یا پشت گوشی تلفن صحبت می کند،بازشناسی نماید. به عبارت دیگر در این فناوری هدف خلق ماشینی است که گفتار را به عنوان ورودی دریافت کند و آنرا به اطلاعات مورد نیاز (مثل متن)تبدیل کند.
3.تاریخچه فناوری تشخیص گفتاراولین سیستم های مبتنی بر فناوری تشخیص گفتار در سال 1952 در"آزمایشگاههای بل"طراحی شد.این سیستم به شیوه گفتار گسسته و به صورت وابسته به گوینده و با تعداد لغت محدود 10 لغت عمل می کرد.در اوایل دهه 80 میلادی برای اولین بار الگوریتم مدلهای مخفی مارکوف "Hidden Markov Model" ارائه شد.این الگوریتم گامی مهم در طراحی سیستم های مبتنی بر گفتار پیوسته به حساب می آمد.همچنین در طراحی این سیستم از مدل شبکه عصبی و نهایتاً ازهوش مصنوعی نیز استفاده می شود.در ابتدا شرکتهای تجاری این فناوری را برای کاربردهای خاصی طراحی کردند.به عنوان مثال شرکت Kurzweil در زمینه پزشکی و مخصوصاً برای کمک به معلولان و نابینایان و شرکت Dragon در زمینه خودکارسازی سیستمهای اداری محصولات اولیه وارد بازارکردند. توانجویان در واقع اولین گروهی بودند که از این دسته محصولات به عنوان یک فناوری انطباقی و یاریگر،عمدتاً برای دو عملکرد کنترل محیط و واژه پردازی استفاده کردند.جیمز بیکر James K.Baker یکی از محققان شرکت IBM که در اواخر دهه 1970 در مورد این فناوری مقالات زیادی نوشت، یکی از پیشگامان این طرح بود.او و همکارانش یک شرکت خصوصی به نام Dragon Systems تاسیس کردند.این شرکت ابتدا در دهه 1990 نرم افزاری به نام Dragon Dictate تولید کرد که یک سیستم مبتنی بر گفتار گسسته بود.در سال 1997 این شرکت محصولی را تولید کرد که به جای استفاده از گفتارگسسته ،مبتنی بر گفتار پیوسته بود.در واقع این شرکت با ارائه نرم افزار Dragon Naturally Speaking (DNS) اولین سیستم تشخیص گفتار پیوسته را ارائه نمود.این سیستم توانایی تشخیص گفتار با سرعت 160 کلمه در دقیقه را داشت.همچنین شرکت تجاری IBM هم در این زمینه برای سالهای متمادی فعالیت می کرد که با طراحی بسته نرم افزاری Via Voice به ارائه سیستم های تشخیص گفتار پرداخت که در حال حاضر Scansoft محصولات IBM Via Voice راتوزیع و پشتیبانی می کند.شرکت مایکروسافت نیز فعالیتهایی درجهت تولید و کاربرد این فناوری داشته است،و بیل گیتس Bill Gates در کتابها و سخنرانی هایش به کرات در مورد آینده درخشان استفاده از سیستم های تشخیص گفتار تاکید کرده است. البته عملاً تا قبل از ارائه نرم افزار office XP وword 2002 این تکنولوژی در محصولات این شرکت بکاربرده نشد.گرچه در ابتدا عمده موارد استفاده این تکنولوژی ،برای افراد توانجو پیش بینی شده بود اما بعدها پذیرش استفاده از آن گسترده تر شد و گروههای بسیاری در مدارس و دانشگاهها علاقه مند به استفاده ازاین فناوری شدند. بطوریکه Seton Hall University نیز برای تشویق دانشجویان به آشنایی با این سیستم به دانجشویان جدید الورود نرم افزار IBM Via Voice را اهدا می کرد.
4.عملکرد سیستم های تشخیص گفتارسیستم های تشخیص گفتار به هر منظور که بکار برده شوند، عملکرد نسبتاً مشابهی دارند که عبارت است از:تبدیل گفتاربه داده و تحلیل آن توسط مدلهای آماری.
شکل 1