fa استفاده از یادگیری ماشین برای تشخیص ستاره‌های دوگانه در جو آشفته تخصصی Special تجربی Experimental در این مقاله به بررسی تاثیر یادگیری ماشین در شناسایی و تشخیص ستاره‌های دوگانه ‌می‌پردازیم. ابتدا تعداد زیادی تصویر شامل یک و دو ستاره به تعداد تقریبا برابر تولید ‌می‌شود. سپس ابیراهی‌هایی به صورت تصادفی برای 100 جمله‌ی اول بسط زرنیک تولید ‌می‌شود و به تصاویر اعمال ‌می‌شود. همچنین یک تلسکوپ با دهانه مشخص شبیه‌سازی شده است. دو نوع طرح شدت، یکی در کانون و دیگری در خارج از کانون به دست ‌می‌آید. سپس یک شبکه‌ی عصبی کانولوشنی پیکربندی و طراحی ‌می‌شود که ورودی‌های آن، تصاویر شبیه‌سازی‌شده‌ی طرح‌های شدت به دست آمده ناشی از آشفتگی جو است. پس از یادگیری این شبکه، قادر خواهیم بود که با دقت بسیار بالایی ستاره‌های دوگانه را حتی در شرایط تلاطم جوی بسیار شدید و بدون استفاده از سامانه‌های اپتیک تطبیقی شناسایی کنیم. دقت این نوع تشخیص بیش از 98% بوده است. In this paper we investigate usage of machine learning in detection and recognition of double stars. To do this, numerous images including one star and double stars are simulated. Then, 100 terms of Zernike expansion with random coefficients are considered as aberrations to impose on the aforementioned images. Also, a telescope with certain aperture is simulated. In this work, two kinds of intensity are used, one is in-focus and the other is out-of-focus of the telescope. After these simulations, a convolutional neural network is configured and designed which its input are simulated intensity patterns. After learning the network, we could recognize double stars at severe turbulence without using adaptive optics with a very high level of accuracy which was more than 98%. ابیراهی, تلاطم جو, ستاره‌های دوگانه, شبکه‌ی عصبی کانولوشنی, یادگیری ماشین Aberration, Turbulent atmosphere, Double stars, Convolutional Neural Network, Machine learning 56 59 http://opsi.ir/browse.php?a_code=A-10-1971-159&slc_lang=fa&sid=1 Jafar Bakhtiar Shohani جعفر بختیار شوهانی j.bakhtiar@sci.ui.ac.ir 100319475328460010586 100319475328460010586 Yes Morteza Hajimahmoodzadeh مرتضی حاجی محمودزاده M.Hajimahmoodzadeh@sci.ui.ac.ir 100319475328460010587 100319475328460010587 No hamidreza fallah حمیدرضا فلاح hfallah@sci.ui.ac.ir 100319475328460010588 100319475328460010588 No