CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

Moving Ball Destination Prediction using Artificial Neural Network for Soccer Robots

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۵ | تعداد نمایش خلاصه: ۷ | نظرات: ۰
سال انتشار: ۱۳۹۷
کد COI مقاله: ICME15_013
زبان مقاله: انگلیسی
حجم فایل: ۲۸۱.۸۲ کیلوبایت (فایل این مقاله در ۵ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۵ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳۰,۰۰۰ ریال بلافاصله دریافت فرمایید
قبل از اقدام به دریافت یا خرید مقاله، حتما به فرمت مقاله و تعداد صفحات مقاله دقت کامل را مبذول فرمایید.
علاوه بر خرید تک مقاله، می توانید با عضویت در سیویلیکا مقالات را به صورت اعتباری دریافت و ۲۰ تا ۳۰ درصد کمتر برای دریافت مقالات بپردازید. اعضای سیویلیکا می توانند صفحات تخصصی شخصی روی این مجموعه ایجاد نمایند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۵ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Moving Ball Destination Prediction using Artificial Neural Network for Soccer Robots

  Amir Shafiee - M.Sc., Computer dept. Engineering Islamic Azad University Kerman Branch, Kerman, Iran
  Milad Mohammadi - M.Sc., Mechatronics dept. Engineering Islamic Azad University Yazd Branch, Yazd, Iran
  Alimohammad Latif - Associated Professor, Department of Electrical and Computer Engineering, Yazd University, Yazd, Iran
  Morteza Mohamadi Bashsiz - Department of Computer Engineering, University of Science and Arts of Yazd, Yazd, Iran

چکیده مقاله:

Designing coordinated and intelligent behavior in dynamic, real-time, uncertain adversarial environment; such as in soccer robot is a challenging task. Using available data and processing them in a way leading to a more intelligent understanding is an essential and efficient factor in theperformance of decision making systems and will improve robot’s collective intelligence. One of the important issues in coordinating human reaction to a moving object, for instance, while playing games such as soccer, is the prediction of the future position of that object. Reliable andaccurate localization of soccer robots has been a debatable issue for years; hence, high performance methods are available. Using the data achieved from the localization and artificial neural networks, we proposed a method which enables robots to predict the moving ball destination and to make wise-human-like choices in every possible situation of the ball movement. The achieved results show the predictiveability of this method.

کلیدواژه‌ها:

Soccer Robots , Destination Prediction , Artificial Neural Networks , Humanoid Robots , Soft Computing

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-ICME15-ICME15_013.html
کد COI مقاله: ICME15_013

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Shafiee, Amir; Milad Mohammadi; Alimohammad Latif & Morteza Mohamadi Bashsiz, ۱۳۹۷, Moving Ball Destination Prediction using Artificial Neural Network for Soccer Robots, پانزدهمین کنفرانس ملی و چهارمین کنفرانس بین المللی مهندسی ساخت و تولید, تهران, انجمن مهندسی ساخت و تولید ایران, https://www.civilica.com/Paper-ICME15-ICME15_013.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (Shafiee, Amir; Milad Mohammadi; Alimohammad Latif & Morteza Mohamadi Bashsiz, ۱۳۹۷)
برای بار دوم به بعد: (Shafiee; Mohammadi; Latif & Mohamadi Bashsiz, ۱۳۹۷)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه آزاد
تعداد مقالات: ۵۹۸۶
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مدیریت اطلاعات پژوهشی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات مرتبط جدید

شبکه تبلیغات علمی کشور

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.