مخابرات آشفته (Chaotic Communication) شکلی از تکنیک های ارتباطی امن است که از خواص سیگنال های آشفته برای انتقال اطلاعات استفاده می کند. این روش مبتنی بر نظریه آشوب است که با سیستمها یا فرآیندهایی مشخص میشود که رفتار بسیار حساس، غیرقابل پیشبینی و غیرخطی از خود نشان میدهند، حتی اگر ماهیت قطعی داشته باشند. در اینجا یک کاوش مفصل از ارتباطات آشفته است:
مفاهیم اساسی
نظریه آشوب: نظریه آشوب رفتار سیستم های دینامیکی را مطالعه می کند که به شرایط اولیه بسیار حساس هستند - پدیده ای که عموماً به عنوان "اثر پروانه" از آن یاد می شود. این حساسیت باعث می شود که سیستم تصادفی به نظر برسد، اگرچه قطعی هستند و از قوانین دقیق پیروی می کنند.
سیستم های آشفته:در این سیستم ها، تغییرات کوچک در شرایط اولیه نتایج بسیار متفاوتی را به همراه دارد و به طور کلی پیش بینی طولانی مدت را غیرممکن می کند. این امر باعث می شود که سیستم های آشفته کاندیدای خوبی برای پوشش و ایمن سازی ارتباطات باشند.
اجزای مخابرات آشفته
1. Caotic Signal Generator: در فرستنده، یک سیگنال آشفته تولید می شود. این سیگنال به عنوان حامل اطلاعات عمل می کند. ماهیت آشفته سیگنال تضمین می کند که طیف گسترده ای دارد و شبیه نویز به نظر می رسد، که برای ارتباطات ایمن سودمند است.
2. مدولاسیون:اطلاعات (داده) ارسالی از طریق فرآیندی به نام مدولاسیون در سیگنال آشوب زده جاسازی می شود. تکنیک های مختلفی را می توان برای مدولاسیون در سیستم های آشفته استفاده کرد، از جمله:
- پوشش آشفته: سیگنال داده مستقیماً دامنه، فرکانس یا فاز حامل آشفته را تعدیل می کند.
- سوئیچینگ آشفته (CS): فرستنده بین جاذبه های آشفته مختلف بر اساس سیگنال اطلاعات سوئیچ می کند.
- مدولاسیون آشوب:پارامترهای سیستم آشوب یا شرایط اولیه بر اساس سیگنال داده مدوله می شوند.
3. انتقال:سیگنال آشوبی مدوله شده سپس از طریق یک کانال ارتباطی مخابره می شود. غیرقابل پیش بینی بودن سیگنال آشوبی به پنهان کردن وجود داده های ارسالی کمک می کند و سیستم را در برابر استراق سمع قوی می کند.
4. همگام سازی:در انتهای گیرنده، همگام سازی سیگنال هرج و مرج بسیار مهم است. گیرنده باید یک سیستم آشفته داشته باشد که بتواند با سیگنال آشفته تولید شده در فرستنده هماهنگ شود. این فرآیند به عنوان همگام سازی آشوب شناخته می شود و برای بازیابی صحیح سیگنال داده اصلی ضروری است.
5. Demodulation پس از همگام سازی، گیرنده می تواند سیگنال دریافتی را برای بازیابی داده های ارسالی از حالت مدوله خارج کند. کیفیت دمدولاسیون به درجه همگام سازی بین سیستم های آشفته فرستنده و گیرنده بستگی دارد.
مزایای مخابرات آشفته
- امنیت:به دلیل ماهیت غیرقابل پیش بینی سیگنال های آشفته، رمزگشایی اطلاعات ارسالی بدون اطلاع از پارامترهای دقیق و وضعیت اولیه سیستم آشوبی مورد استفاده در انتقال، برای یک گیرنده غیرمجاز بسیار دشوار است.
- بازده طیفی: سیگنال های آشوبی معمولا دارای یک طیف باند وسیع هستند که می تواند در بازده طیفی و کاهش احتمال رهگیری مفید باشد.
- استحکام:سیستم های ارتباطی آشفته می توانند در برابر نویز و سایر اختلالات کانال به دلیل ویژگی های ذاتی سیگنال های آشفته مقاوم باشند.
برنامه های کاربردی
- ارتباطات امن:ایده آل برای انتقال داده های نظامی، مالی یا شخصی که در آن امنیت از اهمیت بالایی برخوردار است.
- شبکه های بی سیم: در سناریوهایی که روش های ارتباطی سنتی در برابر استراق سمع یا پارازیت آسیب پذیر هستند مفید است.
- نظارت سیستم های پویا: قابل اجرا در محیط هایی با الزامات امنیتی بالا مانند تله متری در سیستم های هوافضا یا خودرو.
چالش ها
- پیچیدگی در پیاده سازی: طراحی و پیاده سازی یک سیستم مخابراتی آشفته قابل اعتماد به دلیل نیاز به هماهنگ سازی دقیق و پایداری سیستم می تواند پیچیده باشد.
- نیازهای پهنای باند: در حالی که سیگنال های آشفته طیف کارآمد هستند، اغلب به پهنای باند وسیع تری در مقایسه با سیگنال های معمولی نیاز دارند.
بنابراین، مخابرات آشفته، تقاطع شگفت انگیزی از فیزیک نظری و مهندسی عملی را ارائه می دهد و یک راه امیدوارکننده و در عین حال چالش برانگیز برای فناوری های ارتباطی ایمن ارائه می دهد.
مفاهیم اساسی
نظریه آشوب: نظریه آشوب رفتار سیستم های دینامیکی را مطالعه می کند که به شرایط اولیه بسیار حساس هستند - پدیده ای که عموماً به عنوان "اثر پروانه" از آن یاد می شود. این حساسیت باعث می شود که سیستم تصادفی به نظر برسد، اگرچه قطعی هستند و از قوانین دقیق پیروی می کنند.
سیستم های آشفته:در این سیستم ها، تغییرات کوچک در شرایط اولیه نتایج بسیار متفاوتی را به همراه دارد و به طور کلی پیش بینی طولانی مدت را غیرممکن می کند. این امر باعث می شود که سیستم های آشفته کاندیدای خوبی برای پوشش و ایمن سازی ارتباطات باشند.
اجزای مخابرات آشفته
1. Caotic Signal Generator: در فرستنده، یک سیگنال آشفته تولید می شود. این سیگنال به عنوان حامل اطلاعات عمل می کند. ماهیت آشفته سیگنال تضمین می کند که طیف گسترده ای دارد و شبیه نویز به نظر می رسد، که برای ارتباطات ایمن سودمند است.
2. مدولاسیون:اطلاعات (داده) ارسالی از طریق فرآیندی به نام مدولاسیون در سیگنال آشوب زده جاسازی می شود. تکنیک های مختلفی را می توان برای مدولاسیون در سیستم های آشفته استفاده کرد، از جمله:
- پوشش آشفته: سیگنال داده مستقیماً دامنه، فرکانس یا فاز حامل آشفته را تعدیل می کند.
- سوئیچینگ آشفته (CS): فرستنده بین جاذبه های آشفته مختلف بر اساس سیگنال اطلاعات سوئیچ می کند.
- مدولاسیون آشوب:پارامترهای سیستم آشوب یا شرایط اولیه بر اساس سیگنال داده مدوله می شوند.
3. انتقال:سیگنال آشوبی مدوله شده سپس از طریق یک کانال ارتباطی مخابره می شود. غیرقابل پیش بینی بودن سیگنال آشوبی به پنهان کردن وجود داده های ارسالی کمک می کند و سیستم را در برابر استراق سمع قوی می کند.
4. همگام سازی:در انتهای گیرنده، همگام سازی سیگنال هرج و مرج بسیار مهم است. گیرنده باید یک سیستم آشفته داشته باشد که بتواند با سیگنال آشفته تولید شده در فرستنده هماهنگ شود. این فرآیند به عنوان همگام سازی آشوب شناخته می شود و برای بازیابی صحیح سیگنال داده اصلی ضروری است.
5. Demodulation پس از همگام سازی، گیرنده می تواند سیگنال دریافتی را برای بازیابی داده های ارسالی از حالت مدوله خارج کند. کیفیت دمدولاسیون به درجه همگام سازی بین سیستم های آشفته فرستنده و گیرنده بستگی دارد.
مزایای مخابرات آشفته
- امنیت:به دلیل ماهیت غیرقابل پیش بینی سیگنال های آشفته، رمزگشایی اطلاعات ارسالی بدون اطلاع از پارامترهای دقیق و وضعیت اولیه سیستم آشوبی مورد استفاده در انتقال، برای یک گیرنده غیرمجاز بسیار دشوار است.
- بازده طیفی: سیگنال های آشوبی معمولا دارای یک طیف باند وسیع هستند که می تواند در بازده طیفی و کاهش احتمال رهگیری مفید باشد.
- استحکام:سیستم های ارتباطی آشفته می توانند در برابر نویز و سایر اختلالات کانال به دلیل ویژگی های ذاتی سیگنال های آشفته مقاوم باشند.
برنامه های کاربردی
- ارتباطات امن:ایده آل برای انتقال داده های نظامی، مالی یا شخصی که در آن امنیت از اهمیت بالایی برخوردار است.
- شبکه های بی سیم: در سناریوهایی که روش های ارتباطی سنتی در برابر استراق سمع یا پارازیت آسیب پذیر هستند مفید است.
- نظارت سیستم های پویا: قابل اجرا در محیط هایی با الزامات امنیتی بالا مانند تله متری در سیستم های هوافضا یا خودرو.
چالش ها
- پیچیدگی در پیاده سازی: طراحی و پیاده سازی یک سیستم مخابراتی آشفته قابل اعتماد به دلیل نیاز به هماهنگ سازی دقیق و پایداری سیستم می تواند پیچیده باشد.
- نیازهای پهنای باند: در حالی که سیگنال های آشفته طیف کارآمد هستند، اغلب به پهنای باند وسیع تری در مقایسه با سیگنال های معمولی نیاز دارند.
بنابراین، مخابرات آشفته، تقاطع شگفت انگیزی از فیزیک نظری و مهندسی عملی را ارائه می دهد و یک راه امیدوارکننده و در عین حال چالش برانگیز برای فناوری های ارتباطی ایمن ارائه می دهد.
Forwarded from انجمن علمی مهندسی برق
باحضور سخنرانانی از هاروارد، مایکروسافت، Tesla و ...
در کانال انجمن علمی مهندسی برق شبکه نخبگان ایران با ما همراه باشید
| @ElectricalEng_Association |
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
• یک برش مکعبی یک میلیمتری از مغز انسان، ۱/۴ پتابایت دیتا تولید کرد •
* مقالهی اخیر چاپشده در مجلهی Science بزرگترین مجموعه دادهای از اتصالات عصبی را ارائه داده اس که بینشی درباره پیچیدگیهای مغز فراهم کرده است.
این حجم به ظاهر کوچک(یک میلیمتر مکعب) شامل تعداد قابل توجه ۵۷۰۰۰ سلول، ۱۵۰ میلیون سیناپس، و ۲۳۰ میلیمتر رگهای خونی است.
* این دستاورد جدید، نتیجهی همکاری بین تیمی از دانشگاه هاروارد و Google Research است. تیم هاروارد با استفاده از میکروسکوپ الکترونی برشهای متوالی نمونهای از قشر تمپورال انسانی را تصویرسازی کرد، در حالی که تیم گوگل این تصاویر را به صورت سهبعدی بازسازی نمود. این مقاله یک گام مهم اولیه را نشان میدهد. محققان در تلاش هستند این استراتژی را به نمونههای بزرگتر برای نقشهبرداری از کانکتوم مغز گسترش دهند.
* همهی نتایج و ابزارهای این مطالعه به صورت آنلاین در دسترس هستند. یافتههای قابل توجه در این مطالعه شامل یک خوشه از نورونها با جهتگیری تصویر آینهای، شناسایی اتصالات بسیار قوی بین برخی نورونها، و همچنین چرخههای آکسونی با عملکردهای ناشناخته میباشد. احتمالاً این تنها بخشی از کشفیات درون ۱/۴ پتابایت دیتا است.
• مقالهی کامل این خبر را از این لینک میتوانید دنبال کنید.
• دیتای منتشر شده از این تحقیق را میتوانید از این لینک مشاهده کنید.
مشاهده ویدئو کامل یوتوب .
* مقالهی اخیر چاپشده در مجلهی Science بزرگترین مجموعه دادهای از اتصالات عصبی را ارائه داده اس که بینشی درباره پیچیدگیهای مغز فراهم کرده است.
این حجم به ظاهر کوچک(یک میلیمتر مکعب) شامل تعداد قابل توجه ۵۷۰۰۰ سلول، ۱۵۰ میلیون سیناپس، و ۲۳۰ میلیمتر رگهای خونی است.
* این دستاورد جدید، نتیجهی همکاری بین تیمی از دانشگاه هاروارد و Google Research است. تیم هاروارد با استفاده از میکروسکوپ الکترونی برشهای متوالی نمونهای از قشر تمپورال انسانی را تصویرسازی کرد، در حالی که تیم گوگل این تصاویر را به صورت سهبعدی بازسازی نمود. این مقاله یک گام مهم اولیه را نشان میدهد. محققان در تلاش هستند این استراتژی را به نمونههای بزرگتر برای نقشهبرداری از کانکتوم مغز گسترش دهند.
* همهی نتایج و ابزارهای این مطالعه به صورت آنلاین در دسترس هستند. یافتههای قابل توجه در این مطالعه شامل یک خوشه از نورونها با جهتگیری تصویر آینهای، شناسایی اتصالات بسیار قوی بین برخی نورونها، و همچنین چرخههای آکسونی با عملکردهای ناشناخته میباشد. احتمالاً این تنها بخشی از کشفیات درون ۱/۴ پتابایت دیتا است.
• مقالهی کامل این خبر را از این لینک میتوانید دنبال کنید.
• دیتای منتشر شده از این تحقیق را میتوانید از این لینک مشاهده کنید.
مشاهده ویدئو کامل یوتوب .
PubMed
A petavoxel fragment of human cerebral cortex reconstructed at nanoscale resolution - PubMed
To fully understand how the human brain works, knowledge of its structure at high resolution is needed. Presented here is a computationally intensive reconstruction of the ultrastructure of a cubic millimeter of human temporal cortex that was surgically removed…
🇺🇲 Postdoc Position, Ezzati Laboratory, University of California, Irvine, US
- Neuroscience
- Computational Biology
- Computer science
- Statistics
- Mathematics
https://recruit.ap.uci.edu/JPF08741
- Neuroscience
- Computational Biology
- Computer science
- Statistics
- Mathematics
https://recruit.ap.uci.edu/JPF08741
Ph_D_Student_Recruitment.pdf
153.7 KB
🇺🇸 PhD Position, University of North Dakota, USA
- robotics and autonomous systems
- bio-inspired artificial intelligence (AI)
- human-autonomy teaming (HAT)
- optimization algorithms
- robotics and autonomous systems
- bio-inspired artificial intelligence (AI)
- human-autonomy teaming (HAT)
- optimization algorithms
🔔 جذب نیروی امریه در یک شرکت دانش بنیان تولید کننده تجهیزات پزشکی مستقر در پارک علم و فناوری دانشگاه علوم پزشکی تهران
🔹 مقاطع تحصیلی:
➖ کارشناسی ارشد
➖ دکتری
🔹 رشتههای تحصیلی:
➖ مهندسی پزشکی
➖ مهندسی برق
📫 ارسال رزومه به:
Info@onar-group.com
@ONAR_nebulizer
#امریه
🔹 مقاطع تحصیلی:
➖ کارشناسی ارشد
➖ دکتری
🔹 رشتههای تحصیلی:
➖ مهندسی پزشکی
➖ مهندسی برق
📫 ارسال رزومه به:
Info@onar-group.com
@ONAR_nebulizer
#امریه
🔔 فراخوان جذب امریه سربازی در مرکز ملی ذخایر ژنتیکی و زیستی ایران
مرکز ملی ذخایر ژنتیکی و زیستی ایران وابسته به جهاد دانشگاهی به منظور تکمیل کادر نیروی انسانی متخصص خود، از میان فارغ التحصیلان کارشناسی و کارشناسی ارشد رشته های ژنتیک، بیوشیمی، میکروبیولوژی، بیوتکنولوژی پزشکی، بیوتکنولوژی میکربی، دامپزشکی، ژنتیک و اصلاح نژاد دام، اقدام به جذب نیروی امریه میکند.
🔹 مقطع تحصیلی: کارشناسی و کارشناسی ارشد
📫 ارسال رزومه به:
مرکز ملی ذخایر ژنتیکی و زیستی ایران وابسته به جهاد دانشگاهی به منظور تکمیل کادر نیروی انسانی متخصص خود، از میان فارغ التحصیلان کارشناسی و کارشناسی ارشد رشته های ژنتیک، بیوشیمی، میکروبیولوژی، بیوتکنولوژی پزشکی، بیوتکنولوژی میکربی، دامپزشکی، ژنتیک و اصلاح نژاد دام، اقدام به جذب نیروی امریه میکند.
🔹 مقطع تحصیلی: کارشناسی و کارشناسی ارشد
📫 ارسال رزومه به:
Hamkari@ibrc.irMedia is too big
VIEW IN TELEGRAM
🎬 فایل ضبط شده وبینار کسبوکارهای دنیای پزشکی و هوش مصنوعی
👤 پوریا حداد
🔺مدیرعامل شرکت هوش مصنوعی فیلاگر
🔺مدیر هوش مصنوعی پیشین گروه صنعتی انتخاب
🔺سرپرست بخش هوش مصنوعی پیشین گیم سنتر همراه اول
👤 پوریا حداد
🔺مدیرعامل شرکت هوش مصنوعی فیلاگر
🔺مدیر هوش مصنوعی پیشین گروه صنعتی انتخاب
🔺سرپرست بخش هوش مصنوعی پیشین گیم سنتر همراه اول
☯️ مدلهای پردازش زبان طبیعی و تشخیص سرطان
🫥 در دنیای امروز، مقدار زیادی از دادههای پزشکی به صورت پروندههای الکترونیکی سلامت (EHR) و پروندههای پزشکی الکترونیکی (EMR) در دسترس است. این پروندهها شامل اطلاعاتی درباره علائم اساسی بیماران، آزمونهای آزمایشگاهی، نشانگرهای حیاتی، یادداشتهای بالینی و گزارشها هستند. این دادهها میتوانند برای انکولوژیستها در تشخیص و تصمیمگیری در مورد درمان سرطان بسیار مفید باشند . با این حال، استخراج اطلاعات مرتبط از این پروندهها و تجزیه و تحلیل آنها برای پزشکان ممکن است وقتگیر باشد.
🫥 برای حل این مسئله، پژوهشگران از تکنیکهای پردازش زبان طبیعی (NLP) برای تجزیه و تحلیل دادههای EHR و EMR برای تشخیص کامپیوتری سرطان استفاده کردهاند. تکنیکهای NLP شامل روشهای مبتنی بر قوانین یادگیری ماشین و یادگیری عمیق میباشند. هدف این بررسی، خلاصه کردن پیشرفتهای اخیر در برنامههای NLP برای تشخیص کامپیوتری سرطان است. همچنین هدف نویسندگان مقاله پل سازی بین متخصصان هوش مصنوعی و تخصصیهای بالینی برای توسعه برنامههای بهتر NLP میباشد.
🫥 پژوهشگران با جستجو در سه پایگاه داده الکترونیک (PubMed، Google Scholar و ACL Anthology) 295 مقاله را پیدا کرده ، پس از حذف تکرارها و انتخاب مقالات نامرتبط براساس چکیدههای آنها، 23 مقاله را در این بررسی آورده اند. این مطالعات بر روی انواع مختلف سرطان، از جمله سرطان سینه، سرطان ریه، سرطان کبد، سرطان پروستات، سرطان پانکراس، سرطان روده بزرگ و تومورهای مغز تمرکز داشتند.
🫥 علاوه بر خلاصه کردن وضعیت فعلی برنامههای NLP در زمینه سرطان، همچنین محدودیتهای این برنامهها در حمایت از روشهای بالینی شناسایی شدند .
🫥 به صورت کلی ، تکنیکهای NLP پتانسیل بسیار خوبی را در تجزیه و تحلیل دادههای پزشکی برای تشخیص کامپیوتری در زمینه سرطان نشان دادهاند. با این حال، هنوز چالشهای قابل پذیرش وجود دارد و نیاز به تحقیقات بیشتر است تا از قابلیتهای NLP در کلینیکها به طور کامل استفاده شود.
🫥 در دنیای امروز، مقدار زیادی از دادههای پزشکی به صورت پروندههای الکترونیکی سلامت (EHR) و پروندههای پزشکی الکترونیکی (EMR) در دسترس است. این پروندهها شامل اطلاعاتی درباره علائم اساسی بیماران، آزمونهای آزمایشگاهی، نشانگرهای حیاتی، یادداشتهای بالینی و گزارشها هستند. این دادهها میتوانند برای انکولوژیستها در تشخیص و تصمیمگیری در مورد درمان سرطان بسیار مفید باشند . با این حال، استخراج اطلاعات مرتبط از این پروندهها و تجزیه و تحلیل آنها برای پزشکان ممکن است وقتگیر باشد.
🫥 برای حل این مسئله، پژوهشگران از تکنیکهای پردازش زبان طبیعی (NLP) برای تجزیه و تحلیل دادههای EHR و EMR برای تشخیص کامپیوتری سرطان استفاده کردهاند. تکنیکهای NLP شامل روشهای مبتنی بر قوانین یادگیری ماشین و یادگیری عمیق میباشند. هدف این بررسی، خلاصه کردن پیشرفتهای اخیر در برنامههای NLP برای تشخیص کامپیوتری سرطان است. همچنین هدف نویسندگان مقاله پل سازی بین متخصصان هوش مصنوعی و تخصصیهای بالینی برای توسعه برنامههای بهتر NLP میباشد.
🫥 پژوهشگران با جستجو در سه پایگاه داده الکترونیک (PubMed، Google Scholar و ACL Anthology) 295 مقاله را پیدا کرده ، پس از حذف تکرارها و انتخاب مقالات نامرتبط براساس چکیدههای آنها، 23 مقاله را در این بررسی آورده اند. این مطالعات بر روی انواع مختلف سرطان، از جمله سرطان سینه، سرطان ریه، سرطان کبد، سرطان پروستات، سرطان پانکراس، سرطان روده بزرگ و تومورهای مغز تمرکز داشتند.
🫥 علاوه بر خلاصه کردن وضعیت فعلی برنامههای NLP در زمینه سرطان، همچنین محدودیتهای این برنامهها در حمایت از روشهای بالینی شناسایی شدند .
🫥 به صورت کلی ، تکنیکهای NLP پتانسیل بسیار خوبی را در تجزیه و تحلیل دادههای پزشکی برای تشخیص کامپیوتری در زمینه سرطان نشان دادهاند. با این حال، هنوز چالشهای قابل پذیرش وجود دارد و نیاز به تحقیقات بیشتر است تا از قابلیتهای NLP در کلینیکها به طور کامل استفاده شود.