ترجمه مقالات

دانلود مقالات ترجمه شده و دریافت رایگان متون انگلیسی

ترجمه مقالات

دانلود مقالات ترجمه شده و دریافت رایگان متون انگلیسی

وب دانلود رایگان مقالات انگلیسی و خرید ترجمه مقالات
کلمات کلیدی

دانلود ترجمه مقالات بازاریابی

تجارت

مقاله ترجمه شده مکانیک

مقاله در مورد تجارت الکترونیک

مقاله انگلیسی رضایت مشتری

مقاله درباره تولید پراکنده (DG)

مبدل منبع ولتاژ

مقاله در مورد سفته باز

مقاله در خصوص بنیادگرایان

مقاله انگلیسی حباب احتکار

مقاله انگلیسی بازارهای کارا

بانکداری و امور مالی

مقاله در مورد تحقیقات بتزاریابی آسیا

مقاله انگلیسی جهانی سازی

دانلود مقاله در مورد رفتار مصرف کننده

دانلود مقاله تحقیقات بازاریابی بین المللی

مقاله روابط کاهندگی موج برشی و ویسکوزیته گوشته

مقاله درباره توموگرافی امواج سطحی

مقاله در خصوص درجه حرارت گوشته

دانلود مقاله ضخامت لایه لیتوسفر

ترجمه مقالات زمین شناسی

مقاله درباره رضایت مالیات دهنده

مقاله در خصوص تحلیل عامل درجه دوم

مقاله انگلیسی کیفیت اطلاعات

دانلود کیفیت سیستم

دانلود مقاله سیستم ثبت مالیات آنلاین

مقاله درباره اجرای عملیاتی

مقاله در خصوص مطالعه رویداد

مقاله انگلیسی برون سپاری منابع انسانی اداری

مدیریت منابع انسانی

۱ مطلب با کلمه‌ی کلیدی «دانلود ترجمه مقاله مدل خودآموز ادراکی گروه بندی برای HCI طراحی» ثبت شده است

عنوان اصلی لاتین : An Intuitive Model of Perceptual Grouping for HCI Design 


عنوان اصلی فارسی مقاله: مدل ادراکی مستقیم گروه بندی برای طرح HCL


مرتبط با رشته های : مدلسازی و ارزیابی شناختی


نوع فایل ترجمه : ورد آفیس(که دارای امکان ویرایش می باشد)


تعداد صفحات فایل ترجمه شده:  صفحه


کلمات کلیدی مربوطه با این مقاله: سازمان ادراکی ،گروه بندی ،شباهت ،نزدیکی و یک پارچگی کانتور.


برای دریافت رایگان نسخه انگلیسی این مقاله اینجا کلیک نمایید


_______________________________________
بخشی از ترجمه:
درک وبهره برداری از توانایی های انسان در سیستم بینایی بخش مهمی از طراحی رابطه های کربری وتصویری اطلاعات را قابل استفاده می کند. طراحی خوب برای درک سریع،آسان و از روی حقیقت از مولفه های کلیدی را قادر می سازد. جنبه های مهم چشم انسان توانایی آن برای درک بی دردسر وتبدیل آن به ویژگی های منحصر به فرد برای درک محیط وسازه ها واشیا است. ما برای درک مناطق گروه بندی وشباهت های ویژه منحنی هایی را برای مناطق منسجم آن در نظر گرفته ایم. در این مقاله ما در مورد یک مدل ساده برای طیف گسترده ای از ادراک پدیده گروه بندی،پرداخته ایم. یک تصویر دلخواه را به عنوان ورودی در نظر می گیریم وساختار توصیف شده آن در سیستم بصری را به صورت یک تصویر برمی گردانیم. این مدل نشان می دهد که می تواند از جنبه های قوانین طراحی سنتی مانند ضبط کردن وپیش بینی ادراک بصری در صفحه نمایش استفاده کند.

1-مقدمه:
طراحی یک رابط کاربریو گرافیکی برای درک ،اطلاعات کمی دارد وتا حدودی از نظر اثربخشی ضعیف است. تعدادی از مسائل را تحت تاثیر طراحی هستند ،زمینه های رفتار انسانی می تواند به وجود بیاورد. طراحی باید یک شناخت خوب باشد. یعنی کاربر ساختار معنایی طراحی را به راحتی درک کند.تفسیر اطلاعات بصری می تواند در طراحی با زحمت زیادی انجام شود. در اینجا ما برروی جنبه های ادراکی طراحی تمرکز می کنیم. شاید مهم ترین جنبه چشم انسان برای طراحی،سیستم ادراکی آن است. سیستم ادراکی ،اشاره به پدیده هایی دارد که در آن سیستم بینایی به سرعت و به ظاهر بی دردسر و تخمینی از ویژگی های منحصر به فرد را از درک منسجم محیط ،سازه واشیا دارد. این پدیده برای اولین بار توسط روانشناسان گشتالت مورد بررسی قرار گرفت که مجموعه ای از موردهای مطالعه به صورت کیفی براساس اصول حاکم بوده است. از جمله درک این الگوها که به صورت محدود نیت به شرح زیر است:
تمایل به چیزهایی که در نزدیکی به گروه هستند(قانون نزدیکی گشتالت)
به اشتراک گذاشتن ویژگی های مشابه(قانون شباهت)
مستمر بودن (قانون ادامه)

جهت دانلود محصول اینجا کلیک نمایید

ترجمه ی سلیس و روان مقاله آماده ی خرید می باشد.


قسمتی از مقاله انگلیسی

The Representation is Key
Why  is  it  difficult  to  predict  perceptual  groupings?    Manyperceptual grouping problems appear difficult to explain viasimple  processing  in  the  image  domain.    Consider  the  Ge-stalt disk array example in Figure 1a.  The typical percept inthis figure is of an array of disks with three groups: the graydisks on the left, the white disks on the right, and the back-ground.  It is this grouping we hope to mimic.In  determining  what  regions  form  groups,  both  proximity,i.e. difference in (x, y), and similarity, i.e. difference in fea-ture  (here,  luminance)  value,are  relevant.    Virtually  anysimple  algorithm  can  group  thepixels  in  each  individualdisk, since they are touching and contain pixels with exactlythe  same  luminance.    The  difficulty  comes  from  variationsin  luminance,  and  bridging  the  gaps  between  individualdisks to group them in spite of the lack of spatial adjacency.However, spatial information is also important – you do notwant  to  group  together  all  pixels  of  the  same  luminance,regardless of how far apart they are.