"رایانش ابری" مدل رایانشی بر پایه شبکه‌های بزرگ کامپیوتری مانند اینترنت است که الگویی تازه برای عرضه، مصرف و تحویل سرویس‌های فناوری اطلاعات با به کارگیری اینترنت ارائه می‌کند.

یک شبکه رایانه‌ای (Computer Network)، که اغلب به طور خلاصه به آن شبکه گفته می‌شود، گروهی از رایانه‌ها و دستگاه‌هایی می‌باشد که توسط کانال‌های ارتباطی به هم متصل شده‌اند.

بررسی تخمین فرکانس به روش Pisarenko harmonic decomposition، بررسی تخمین فرکانس به روش MUSIC algorithm، بررسی تخمین فرکانس به روش Eigenvector، بررسی تخمین فرکانس به روش Minimum norm، بررسی تخمین تعداد جملات نمایی مختلط تابع

گزارش متنی شامل توضیحاتی در مورد: شبیه سازی فشرده سازی سیگنال گفتار با استفاده از آستانه گذاری ضرایب ویولت )) کدهای متلب، تمامی زیربرنامه های مورد نیاز برای ارزیابی و داده های مورد نیاز))

گزارش متنی از نحوه ارتباط میان Neural Networks و Principal Component Analysis شامل مقدمه ای بر PCA و قوانین یادگیری شبکه عصبی و ارتباط میان این دو

بررسی مسئله امنیت در Cloud computing گزارش متنی کامل شامل توضیحاتی در مورد مسائل و پیامدهای امنیتی در حوزه ابر

تحلیل نحوه پیاده سازی مسئله تفکیک یا جداسازی کور سیگنال های گفتاری به کمک الگوریتم سریع ICA به همراه گزارش متنی از توضیحات در مورد الگوریتم FastICA و مراحل آن

تحلیل نحوه پیاده سازی مسئله تفکیک یا جداسازی کور سیگنال های گفتاری به کمک الگوریتم Independent component analysis به همراه گزارش متنی از توضیحاتی در مورد این الگوریتم

شبیه سازی مسئله کاهش بعد داده به کمک الگوریتم آنالیز مولفه های اساسی Principal component analysis -PCA به همراه جزوه آموزش الگوریتم

شبیه سازی مسئله کاهش بعد داده به کمک الگوریتم آنالیز مولفه های اساسی کرنل KPCA

شبیه سازی نهان نگاری تصویر به کمک پردازش بلوکی و همبستگی براساس مقایسه Comparison-Based Correlation و همبستگی براساس آستانه گذاری Threshold-Based Correlation

کاهش نویز سیگنال گفتار به کمک الگوریتم آنالیز مولفه های اساسی مقاوم Robust Principle Component Analysis-RPCA در حضور نویزهای ناایستا براساس تجزیه مقادیر ویژه SVD و آستانه گذاری ضرایب Thresholding مبتنی بر مولفه های تنک و رتبه پایین سیگنال نویزی

کاهش نویز سیگنال گفتار به کمک الگوریتم آنالیز مولفه های اساسی مقاوم Robust Principle Component Analysis -RPCA براساس الگوریتم بهینه سازی تناوبی مبتنی بر مولفه های تنک و رتبه پایین سیگنال نویزی و دیکشنری سیگنال گفتار در حضور نویزهای ناایستا

بررسی الگوریتم بهینه سازی رقابت استعماري(Imperialist Competitive Algorithm - ICA)، مقدمه ای بر الگوریتم بهینه سازی ICA و بررسی مراحل انجام آن، معرفی الگوریتم های ارائه شده در زمینه ICAشبیه سازی و تحلیل کد الگوریتم رقابت استعماري به منظور بهینه سازی توابع محک مختلف، شبیه سازی و تحلیل کد الگوریتم سیستم‌ ایمنی مصنوعی به منظور بهینه سازی مسئله چند تسهیلاتی

گزارش متنی از بررسی مراحل عملکرد الگوریتم بهینه سازی رقابت استعماري(Imperialist Competitive Algorithm - ICA)، شبیه سازی الگوریتم رقابت استعماري به منظور خوشه بندی داده

گزارش متنی از بررسی مراحل عملکرد الگوریتم بهینه سازی رقابت استعماري(Imperialist Competitive Algorithm - ICA)، شبیه سازی الگوریتم رقابت استعماري به منظور حل مسئله زمان بندی Scheduling

شبیه سازی الگوریتم تشخیص چهره براساس ویژگی های تبدیل موجک استخراج شده و آنالیز مولفه های اساسی اعمالی بر روی ویژگی ها

تشخیص چهره Face recognition براساس طبقه بندی کننده نزدیکترین همسایه Nearest neighbor-NN و k نزدیکترین همسایه K-nearest neighbor-KNN براساس ویژگی های استخراج شده از تحلیل آنالیز مولفه های اساسی

شبیه سازی الگوریتم تشخیص چهره Face recognition با استفاده از آنالیز مولفه های اساسی PCA و طبقه بندی کننده آدابوست AdaBoost

جزوه آموزشی بررسی و تحلیل الگوریتم های کاهش بعد داده Dimentionality reduction به همراه فایل های شبیه سازی روش ها

نحوه بکارگیری تکنیک های محاسبات تکاملی با هدف برنامه ریزی توسعه تولید Generation Expansion Planning

بررسی تفصیلی نحوه طراحی و پیاده‌سازی کلاسترهای محاسبات موازی در محیط لینوکس و با استفاده از سیستم یکپارچه Rocks Cluster به‌صورت گام به گام و مصور

حذف نویز تصویر Image denoising با استفاده از روش Dictionary learning به کمک الگوریتم Principal component analysis

حذف نویز تصویر Image denoising به کمک بازنمایی تنک Sparse representation به روش Orthogonal matching pursuit-OMP

شرح کامل از نحوه کدنویسی موازی در نرم افزار متلب، توضیح دستورها، نحوه استفاده از کدها، بررسی و محاسبات زمانی