1 806
مشترکین
+824 ساعت
+117 روز
+2430 روز
در حال بارگذاری داده‌ها
کانال‌های مشابه
ابر برچسب‌ها
اشارات ورودی و خروجی
---
---
---
---
---
---
جذب مشترکین
نوامبر '26نوامبر '26
نوامبر '26
+17
در 0 کانال‌ها
اکتبر '26
+42
در 4 کانال‌ها
Get PRO
سپتامبر '26
+29
در 3 کانال‌ها
Get PRO
اوت '26
+36
در 3 کانال‌ها
Get PRO
ژوئیه '26
+46
در 8 کانال‌ها
Get PRO
ژوئن '26
+19
در 4 کانال‌ها
Get PRO
مه '26
+11
در 0 کانال‌ها
Get PRO
آوریل '26
+7
در 4 کانال‌ها
Get PRO
مارس '26
+1
در 0 کانال‌ها
Get PRO
فوریه '26
+37
در 4 کانال‌ها
Get PRO
ژانویه '26
+18
در 0 کانال‌ها
Get PRO
دسامبر '25
+52
در 4 کانال‌ها
Get PRO
نوامبر '25
+57
در 2 کانال‌ها
Get PRO
اکتبر '25
+33
در 0 کانال‌ها
Get PRO
سپتامبر '25
+52
در 5 کانال‌ها
Get PRO
اوت '25
+27
در 0 کانال‌ها
Get PRO
ژوئیه '25
+38
در 3 کانال‌ها
Get PRO
ژوئن '25
+32
در 1 کانال‌ها
Get PRO
مه '25
+47
در 4 کانال‌ها
Get PRO
آوریل '25
+46
در 5 کانال‌ها
Get PRO
مارس '25
+28
در 0 کانال‌ها
Get PRO
فوریه '25
+63
در 2 کانال‌ها
Get PRO
ژانویه '25
+122
در 6 کانال‌ها
Get PRO
دسامبر '24
+91
در 6 کانال‌ها
Get PRO
نوامبر '24
+143
در 13 کانال‌ها
Get PRO
اکتبر '24
+64
در 1 کانال‌ها
Get PRO
سپتامبر '24
+57
در 0 کانال‌ها
Get PRO
اوت '24
+43
در 3 کانال‌ها
Get PRO
ژوئیه '24
+59
در 4 کانال‌ها
Get PRO
ژوئن '24
+62
در 5 کانال‌ها
Get PRO
مه '24
+75
در 6 کانال‌ها
Get PRO
آوریل '24
+51
در 1 کانال‌ها
Get PRO
مارس '24
+52
در 1 کانال‌ها
Get PRO
فوریه '24
+74
در 2 کانال‌ها
Get PRO
ژانویه '24
+399
در 3 کانال‌ها
Get PRO
دسامبر '230
در 6 کانال‌ها
Get PRO
نوامبر '230
در 7 کانال‌ها
Get PRO
اکتبر '230
در 2 کانال‌ها
Get PRO
سپتامبر '23
+24
در 0 کانال‌ها
Get PRO
اوت '23
+13
در 0 کانال‌ها
Get PRO
ژوئیه '23
+11
در 0 کانال‌ها
Get PRO
ژوئن '23
+34
در 0 کانال‌ها
Get PRO
مه '23
+31
در 0 کانال‌ها
Get PRO
آوریل '23
+574
در 0 کانال‌ها
| تاریخ | رشد مشترکین | اشارات | کانال‌ها | |
| 09 نوامبر | +1 | |||
| 08 نوامبر | +8 | |||
| 07 نوامبر | +2 | |||
| 06 نوامبر | 0 | |||
| 05 نوامبر | +1 | |||
| 04 نوامبر | +2 | |||
| 03 نوامبر | +1 | |||
| 02 نوامبر | +1 | |||
| 01 نوامبر | +1 |
پست‌های کانال
| 2 | خلاصه‌ی نظریه‌ی گراف
گراف چیست؟ مجموعه‌ای از رأس‌ها (نقطه‌ها) و یال‌ها (خط‌هایی که رأس‌ها را به هم وصل می‌کنند). گراف فقط ارتباط‌ها را نشان می‌دهد و به فاصله و اندازه کاری ندارد.
انواع گراف:
- ساده: بین هر دو رأس حداکثر یک یال است و حلقه (یالی از یک رأس به خودش) وجود ندارد.
- چندگانه: می‌تواند بین دو رأس چند یال داشته باشد، مثل گراف کونیگزبرگ.
- جهت‌دار: یال‌ها جهت دارند، مثل نقشه‌ی خیابان‌های یک‌طرفه.
- وزن‌دار: به هر یال عدد (مثلاً فاصله یا هزینه) داده می‌شود.
مفاهیم پایه:
- درجه‌ی رأس: تعداد یال‌های متصل به آن. در گراف کونیگزبرگ درجه‌ها ۵، ۳، ۳، ۳ بودند.
- مسیر و دور: مسیر دنباله‌ای از رأس‌ها و یال‌هاست که به هم وصل‌اند. دور مسیری است که به نقطه‌ی شروع برمی‌گردد.
- همبندی: گراف همبند است اگر بتوان بین هر دو رأس آن مسیری پیدا کرد.
- درخت: گراف همبندی که هیچ دوری ندارد. هر درخت با n رأس دقیقاً n−1 یال دارد.
قضایا و مسائل کلاسیک:
- قضیه‌ی درجه‌ها (اویلر): مجموع درجه‌های همه‌ی رأس‌ها دو برابر تعداد یال‌هاست. پس تعداد رأس‌های با درجه‌ی فرد همیشه زوج است.
- گشت اویلری: گذر از همه‌ی یال‌ها دقیقاً یک بار. ممکن است وقتی گراف همبند باشد و حداکثر دو رأس فرد داشته باشد.
- مسیر همیلتونی: گذر از همه‌ی رأس‌ها دقیقاً یک بار. تعیین وجود آن سخت است و برخلاف گشت اویلری، شرط ساده‌ای برایش شناخته‌شده نیست.
- مسئله‌ی چهار رنگ: رنگ‌آمیزی رأس‌ها (یا نقشه‌ها) با چهار رنگ به‌طوری که دو رأس همسایه هم‌رنگ نباشند.
- کوتاه‌ترین مسیر: پیدا کردن کم‌هزینه‌ترین مسیر بین دو رأس، مثل الگوریتم دایکسترا.
- درخت پوشای کمینه: کم‌هزینه‌ترین مجموعه‌ی یال‌ها که همه‌ی رأس‌ها را وصل کند، مثل الگوریتم کروسکال.
کاربردها: مسیریابی در نقشه‌ها، شبکه‌های کامپیوتری و اینترنت، زمان‌بندی، شبکه‌های اجتماعی، زیست‌شناسی (ارتباط ژن‌ها و پروتئین‌ها) و طراحی مدار. | 994 |
| 3 |  بدون متن... | 663 |
| 4 | https://fa.wikipedia.org/wiki/%D9%82%D8%B6%DB%8C%D9%87_%DA%86%D9%87%D8%A7%D8%B1_%D8%B1%D9%86%DA%AF | 655 |
| 5 |  بدون متن... | 867 |
| 6 |  بدون متن... | 848 |
| 7 | https://fa.wikipedia.org/wiki/%D9%87%D9%81%D8%AA_%D9%BE%D9%84_%DA%A9%D9%88%D9%86%DB%8C%DA%AF%D8%B3%D8%A8%D8%B1%DA%AF | 787 |
| 8 | نحوه خواندن ریاضی در عصر هوش مصنوعی از زبان هوش مصنوعی:
در عصر هوش مصنوعی، خطر اصلی برای درس ریاضی مهندسی، جایگزینی «تفکر» با «گرفتن جواب» است. ریاضی مهندسی (شامل معادلات دیفرانسیل، سری فوریه، تبدیل لاپلاس و... ) قلب تحلیل مهندسی است و اگر با AI میان‌بر زده شود، پایه‌های بعدی به شدت لرزان می‌شود. رویکرد درست، استفاده از AI به‌عنوان «مربی همراه» و «ابزار بصری‌ساز» است، نه ماشین حل تکلیف.
🚦 گام اول: مدل «چراغ راهنمایی» را برای خود تعریف کنید
پژوهش‌ها نشان می‌دهد دانشجویانی که بدون چارچوب از AI استفاده می‌کنند، دچار «توهم دانستن» می‌شوند. یک مدل ساده و مؤثر، تفکیک موقعیت‌ها به سه سطح است:
· سطح سبز (استفاده آزاد): کارهای طاقت‌فرسا و غیرمفهومی مثل محاسبات ماتریسی سنگین، ساده‌سازی عبارات جبری طولانی، یا رسم نمودارهای پیچیده را به AI بسپارید تا وقت آزاد شود.
· سطح زرد (استفاده مشروط و با تأیید): AI توضیح می‌دهد، اما شما باید بعد از دریافت پاسخ، بدون نگاه کردن به آن، مسئله را روی کاغذ بازسازی کنید. همچنین از AI بخواهید گام‌به‌گام توضیح دهد و «چرایی» هر گام را بپرسید، نه فقط فرمول نهایی را.
· سطح قرمز (ممنوع): برای مسائل مفهومی جدید (مثل درک شهودی قضیه گرین یا همگرایی سری فوریه)، ابتدا خودتان با کتاب و کاغذ درگیر شوید. اگر از ابتدا جواب AI را ببینید، فرآیند شکل‌گیری شهود ریاضی در ذهن شما حذف می‌شود.
👁️ گام دوم: از AI برای «دیدن» ریاضیات استفاده کنید، نه فقط حل آن
بخش بزرگی از دشواری ریاضی مهندسی، انتزاعی بودن آن است. ابزارهای AI این انتزاع را به تصویر تبدیل می‌کنند:
· بصری‌سازی تعاملی: از ChatGPT (قابلیت interactive visualizations) یا GeoGebra برای دیدن مفاهیمی مثل حجم‌های دورانی، سری فوریه، یا میدان‌های برداری استفاده کنید. تغییر پارامترها و دیدن اثر آن‌ها روی نمودار، درک شهودی را چند برابر می‌کند.
· ترکیب GeoGebra و چت‌بات: برای معادلات دیفرانسیل دقیق، از GeoGebra برای مدل‌سازی دینامیکی و از ChatGPT برای توضیح گام‌به‌گام روش حل (مثلاً معادلات کامل) استفاده کنید. این ترکیب، محیطی فعال برای آزمایش و فهم ایجاد می‌کند.
✍️ گام سوم: چرخه یادگیری را برعکس کنید (اول دست، بعد AI)
یک الگوی آزمایش‌شده و بسیار مؤثر در مهندسی این است:
1. ابتدا خودتان حل کنید: حتی اگر ناقص باشد. این مرحله، «عضله تفکر» شما را فعال می‌کند و نقاط ضعف واقعی‌تان را آشکار می‌سازد.
2. سپس AI را به‌عنوان «مربی» فرا بخوانید: از آن بخواهید راه‌حل شما را نقد کند، نه اینکه از صفر حل کند. بپرسید: «کجای استدلال من اشتباه است؟» یا «چرا این گام را نمی‌توان حذف کرد؟».
3. در نهایت بازتاب (Reflection) بنویسید: در چند خط بنویسید AI چه کمکی کرد و چه چیزی را هنوز کامل نفهمیده‌اید. این «متاکوگنیشن» (تفکر درباره تفکر) از توهم تسلط جلوگیری می‌کند.
🛠️ ابزارهای پیشنهادی و نحوه پرامپت‌نویسی
· ابزارها: برای محاسبات نمادین و تحلیل، Wolfram Alpha یا Symbolab؛ برای توضیح مفهومی و بصری‌سازی، ChatGPT؛ برای مدل‌سازی تعاملی، GeoGebra；برای حل گام‌به‌گام با راهنمایی، Julius AI یا MathGPTPro.
· پرامپت مؤثر: از درخواست جواب صرف پرهیز کنید. به‌جای «این معادله دیفرانسیل را حل کن»، بنویسید: «من این معادله را تا اینجا حل کردم. آیا گام‌های من از نظر منطقی درست است؟ اگر خطایی هست، به‌جای گفتن جواب، مرا راهنمایی کن که خودم کشفش کنم». یا بپرسید: «مفهوم تبدیل لاپلاس را با یک مثال مهندسی واقعی (مثلاً مدار RC) برایم قابل‌فهم کن و سپس یک مسئله ساده بده تا خودم حل کنم».
⚠️ هشدار حیاتی: در دام «اتکای بیش‌ازحد» نیفتید
مرور نظام‌مند پژوهش‌ها نشان می‌دهد ChatGPT در حل مسائل پیچیده (مثل حساب دیفرانسیل و انتگرال پیشرفته) محدودیت دارد و ۴۰٪ مطالعات، خطر اتکای بیش‌ازحد دانشجو را گزارش کرده‌اند. AI ممکن است پاسخ اشتباه بدهد یا استدلالی ارائه دهد که به‌ظاهر درست است اما پایه‌اش سست است. بنابراین، همیشه خروجی AI را با کتاب درسی یا منطق خودتان اعتبارسنجی کنید. اگر احساس کردید بدون AI نمی‌توانید حتی شروع کنید، یعنی وارد منطقه قرمز شده‌اید و باید مدتی استفاده از آن را برای آن مبحث کنار بگذارید.
جمع‌بندی: در عصر AI، ارزش شما در «محاسبه سریع» نیست (این کار را ماشین بهتر انجام می‌دهد). ارزش شما در «مدل‌سازی مسئله، انتخاب روش درست، و تفسیر شهودی نتیجه» است. AI را برای حذف کارهای مکانیکی و تقویت بصری‌سازی به کار بگیرید، اما درگیری شناختی با مفاهیم اصلی را هرگز به آن واگذار نکنید. | 1 765 |
| 9 |  بدون متن... | 723 |
| 10 | https://t.me/Tabeshpour
1️⃣ کانال‌های تلگرامی:
1️⃣-1️⃣ درسی:
کارشناسی:
✅ استاتیک (مکانیک، عمران)
✅ مقاومت مصالح، مکانیک جامدات (مکانیک، عمران، معماری و سایر رشته ها)
✅ تحلیل سازه‌ها یک و دو (مکانیک دریا، عمران)
✅ مبانی مهندسی فراساحل
✅ مصالح بنایی در سازه
تحصیلات تکمیلی:
✅ ارتعاشات پیشرفته سازه‌های دریایی
✅ تحلیل و طراحی سازه‌های فراساحلی
✅ تحلیل و طراحی سکوهای شناور (۱۳۹۹)
✅ تحلیل و طراحی سکوهای شناور (۱۴۰۱)
✅ دینامیک سازه‌ها (بخش اول)
✅ ارتعاشات تصادفی سازه‌ها (نیمه اول)
✅ ریاضی مهندسی پیشرفته (1401-1402)
1️⃣-2️⃣ علمی-خبری:
✅ دستنامه زلزله
✅ وبینارهای دریایی ایران
✅ تاریخ شفاهی عمران (شریف)
1️⃣-3️⃣ ادبی و هنری:
✅ اشعار و بداهه
✅ عکس
1️⃣-4️⃣ کتاب‌های تألیف دکتر تابشپور:
نشر بنای دانش
2️⃣ گروه‌های تلگرامی:
✅ دستنامه فراساحل
✅ دستنامه زلزله
✅ سازه و معماری
3️⃣ اینستاگرام:
✅ فراساحل و زلزله
✅ ادبی
4️⃣ آپارات
5️⃣ گوگل اسکولار
6️⃣ لینکدین
7️⃣ ریسرچ گیت
8️⃣ سایت:
dastnameh.ir , banayedanesh.ir
tabeshpour.com
9️⃣ وبلاگ تابشپور
ادمینها:
@dastnaameh , @admiai | 119 |
| 11 | بدون متن... | 275 |
| 12 | https://t.me/dastname | 145 |
| 13 | https://t.me/Analysis_of_Structures | 143 |
| 14 | https://t.me/offshore_engineering | 139 |
| 15 | #شخصیت
۱. ویلارد جیمز پیرسون جونیور (Willard J. Pierson Jr.)، اقیانوس‌شناس و فیزیک‌دان برجسته آمریکایی، زاده ۱۹۲۲ و درگذشته ۷ ژوئن ۲۰۰۳ میلادی بود.
۲. او دکترای خود را در سال ۱۹۴۹ در حوزه هواشناسی و اقیانوس‌شناسی از دانشکده مهندسی دانشگاه نیویورک (NYU) دریافت نمود.
۳. وی سال‌ها به‌عنوان استاد تمام اقیانوس‌شناسی در دانشگاه نیویورک (NYU) و سیتی کالج نیویورک (CCNY) به تدریس و پژوهش پرداخت.
۴. او از سال ۱۹۴۸ عضو AGU، عضو برگزیده (Fellow) و در سال‌های ۱۹۷۴ تا ۱۹۷۷ رئیس بخش علوم اقیانوسی این اتحادیه بود.
۵. در سال ۱۹۵۲، وی با انتشار رساله بنیادین خود، امواج سطح اقیانوس را بر پایه آنالیز فوریه به‌عنوان یک «میدان تصادفی گاوسی و ناایستا» مدل‌سازی کرد.
۶. در سال ۱۹۵۳ به همراه مانلی سنت دنیس (St. Denis & Pierson)، با ارائه نظریه برهم‌نهی طیفی و RAO، سنگ‌بنای دینامیک شناورها و ارتعاشات تصادفی در دریا را در انجمن SNAME پی‌ریزی نمود.
۷. در سال ۱۹۵۵ به همراه نومان و جیمز، راهنمای تاریخی H.O. Pub 603 را برای نیروی دریایی آمریکا تدوین کرد که نخستین روش مدون پیش‌بینی طیفی امواج در جهان شد.
۸. در سال ۱۹۶۴ به همراه لن مسکوویچ (Pierson & Moskowitz) در ژورنال JGR (جلد ۶۹)، فرمول استاندارد «طیف پی-ام (P-M)» را بر پایه تئوری تشابه کیتایگورودسکی برای دریای کاملاً توسعه‌یافته فرمول‌بندی کرد.
۹. داده‌های طیف P-M از تحلیل رکوردهای امواج ثبت‌شده توسط شتاب‌سنج‌های کشتی‌های هواشناسی بریتانیایی در اقیانوس اطلس شمالی استخراج گردید و مبنای کدهای طراحی API و DNV شد.
۱۰. پیرسون از اواخر دهه ۱۹۶۰ به‌عنوان دانشمند پیشگام ناسا در سنجش از دور اقیانوسی، نقشی کلیدی در طراحی رادارهای پراکندگی‌سنج ماهواره‌های Skylab و SEASAT ایفا کرد.
@tabeshpour | 579 |
| 16 |  #شخصیت
https://ui.adsabs.harvard.edu/abs/1964JGR....69.5181P/abstract
موج، مهمترین پدیده در دریا هم از نظر علوم و هم از نظر مهندسی!
موج را نمی توان بدون طیف تبدیل به ورودی در سیستم مهندسی برای کارهای تحلیل و طراحی کرد. | 426 |
| 17 | فلسفه سری و تبدیل فوریه چگونه و توسط چه دانشمندانی وارد حوزه های مختلف مهندسی شد؟ | 630 |
| 18 | فهرست کامل | 176 |
| 19 | شروع
ویدئو ۱ ارتعاشات تصادفی:
مقدمه ای بر آمار و احتمال مهندسی:
ارتباط آمار با احتمال
میانگین
پراکندگی، اهمیت و کاربرد
گشتاورهای مراتب اول تا چهارم
چولگی
کشیدگی
توزیع نرمال
ویدئو 2 ارتعاشات تصادفی:
تعریف ارتعاشات تصادفی
تابع چگالی احتمال و استخراج بر اساس داده های تاریخچه زمانی
توزیع نرمال
ویدئو 3 ارتعاشات تصادفی:
مروری بر مبانی ریاضیات، مفهوم ضرب داخلی و مفهوم تبدیل و سری فوریه
ویدئو 4 ارتعاشات تصادفی:
تابع چگالی احتمال مرتبه دوم (مشترک)
تعریف فرایند مانا و ارگودیک
همبستگی
ضریب همبستگی
ویدئو 5 ارتعاشات تصادفی:
تابع خودهمبستگی
ویدئو 6 ارتعاشات تصادفی:
چگالی طیفی (فوریه تابع خودهمبستگی)
ویدئو 7 ارتعاشات تصادفی:
چگالی طیف سرعت و شتاب یک فرایند
چگالی طیفی فرایندهای متقابل
ویدئو 8 ارتعاشات تصادفی:
تابع پاسخ فرکانسی
پاسخ ضربه
ارتباط بین این دو
ویدئو 9 ارتعاشات تصادفی:
پاسخ به تحریک اختیاری
چگالی طیفی پاسخ
ویدئو 10 ارتعاشات تصادفی:
فرایند تصادفی باند-باریک
ویدئو 11 ارتعاشات تصادفی:
تولید رکورد مصنوعی
وبینار تحلیل تفسیری سیگنال زلزله (سرپل):
خوانش بصری سیگنال
ارتباط مفهومی و کاربردی بین حوزه زمان و فرکانس
پارامترهای لرزه ای
گزیده اول تا پنجم کاربرد ارتعاشات در مهندسی زلزله
مقاله
Ocean Waves And Oscillating Systems | 146 |
| 20 | بدون متن... | 182 |
