research centers


Search results: Found 11

Listing 1 - 10 of 11 << page
of 2
>>
Sort by

Article
Multilayer Perceptron for analyzing satellite data
البيرسبترون متعدد الطبقات لتحليل بيانات الاقمار الاصطناعية

Authors: Kamal Al-Rawi كمال الراوي --- Raed Shadfan رائد شدفان
Journal: Iraqi Journal of Physics المجلة العراقية للفيزياء ISSN: 20704003 Year: 2011 Volume: 9 Issue: 16 Pages: 29-33
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

Different ANN architectures of MLP have been trained by BP and used to analyze Landsat TM images. Two different approaches have been applied for training: an ordinary approach (for one hidden layer M-H1-L & two hidden layers M-H1-H2-L) and one-against-all strategy (for one hidden layer (M-H1-1)xL, & two hidden layers (M-H1-H2-1)xL). Classification accuracy up to 90% has been achieved using one-against-all strategy with two hidden layers architecture. The performance of one-against-all approach is slightly better than the ordinary approach.

معماريات مختلفة مِن الشبكات النيرونية اليرسبترونية متعددة الطبقات قد عُـلِّـمـَت بواسطة الانتشار الخَلفي واستخدِمَـت لتحليل صورالقـمر الإصطناعي لاندسات. لقد استخدمت طريقـتبن للتعليم: الطريقة الإعتيادية (ذات الطبقة المخفـية الواحدة M-H1-L وذات الطبقـتان المَخفـيتان M-H1-H2-L) و طريقة واحد مقابل الكل (ذات الطبقـة المخفـية الواحدة M-H1-1 وذات الطبقـتان المخفـيتان M-H1-H2-1). دقة التصنيف وصلت إلى 90% باستخدام طريقة واحد مقابل الكل للـمعـمارية ذات الطبقـتان المخفـيتان. أداء طريقة واحد مقـابل الكل كانت أفضل قـليلاً من الطريقـة الاعتيادية.

Keywords

MLP --- Landsat --- Classification


Article
Principle Components Analysis and Multi Layer Perceptron Based Intrusion Detection System

Authors: Najla B. Ibraheem --- Muna M. T. Jawhar --- Hana M. Osman
Journal: AL-Rafidain Journal of Computer Sciences and Mathematics مجلة الرافدين لعلوم الحاسوب والرياضيات ISSN: 18154816 Year: 2013 Volume: 10 Issue: 1 Pages: 127-135
Publisher: Mosul University جامعة الموصل

Loading...
Loading...
Abstract

Security has become an important issue for networks. Intrusion detection technology is an effective approach in dealing with the problems of network security. In this paper, we present an intrusion detection model based on PCA and MLP. The key idea is to take advantage of different feature of NSL-KDD data set and choose the best feature of data, and using neural network for classification of intrusion detection. The new model has ability to recognize an attack from normal connections. Training and testing data were obtained from the complete NSL-KDD intrusion detection evaluation data set.

أصبحت السرية قضية مهمة في الشبكات والاتصالات. تقنيات كشف التطفل هو فرع فعال في التعامل مع مشكلة سرية الشبكات والانترنيت. في هذا البحث تم تقديم نموذج من كشف التطفل بالاعتماد على تقنية (PCA) وعلى شبكة (MLP). الفكرة الأساسية هي في اخذ أفضل حقول من بيانات كشف التطفل المعتمدة (NSL-KDD) من مجموعة حقول مختلفة واستخدام الشبكات العصبية للتصنيف في نظام كشف التطفل. النموذج الجديد له القدرة على تمييز الاتصالات المصابة من الاتصالات السليمة. تم اخذ بيانات التدريب والاختبار من البيانات المعتمدة (NSL-KDD) كاملة.

Keywords

Intrusion Detection --- PCA --- MLP.


Article
Using Neural Network with Speaker Applications
استخــدام الشبكات العصبيــة مع تطبيقــات المتكــلم

Authors: Samira faris khlibs سميرة فارس خليبص --- Alaa noori mazher علاء نوري مزهر
Journal: Baghdad Science Journal مجلة بغداد للعلوم ISSN: 20788665 24117986 Year: 2010 Volume: 7 Issue: 2 Pages: 1076-1081
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

In Automatic Speech Recognition (ASR) the non-linear data projection provided by a one hidden layer Multilayer Perceptron (MLP), trained to recognize phonemes, and has previous experiments to provide feature enhancement substantially increased ASR performance, especially in noise. Previous attempts to apply an analogous approach to speaker identification have not succeeded in improving performance, except by combining MLP processed features with other features. We present test results for the TIMIT database which show that the advantage of MLP preprocessing for open set speaker identification increases with the number of speakers used to train the MLP and that improved identification is obtained as this number increases beyond sixty. We also present a method for selecting the speakers used for MLP training which further improves identification performance.

في عمليات تمييز الكلام(ASR) , توجه البيانات اللاخطية الناتجة من طبقة مخفية من طبقات (MLP) , لتميز إحدى وحدات الكلام الصغرى (Phonemes) , لتحسين الخصائص التي تزيد من أداء إل (ASR) خصوصا بوجود الضوضاء. وفي المحاولات السابقة التي طبقت لتمييز الكلام لم تنجح في تحسين الأداء باستثناء الدمج ما بين خصائص المعالجة بوساطة (MLP) مع خصائص أخرى. لقد عرضنا نتائج اختبارات لقاعدة بيانات (TIMIT) والتي بينت فوائد المعالجة الأولية ل (MLP) باتجاه تعريف مجموعة من المتكلمين وذلك بزيادة عدد المتكلمين المستخدمين لتدريب إل (MLP) عن إل (60)التي تمكنت من تحسين الأداء. كذلك بينا طريقة لاختيار المتكلمين المستخدمين لتدريب إل (MLP) والتي أعطت بعدا أكثر في أيجاد التماثل.


Article
Modeling of Continuous Stirred Tank Reactor based on Artificial Neural Network
نموذج لخزان مفاعل مستمر الإثارة مبني على أساس الشبكة العصبية الذكية

Author: Ahmed Sabah Al-Araji أحمد صباح عبد الأمير الأعرجي
Journal: AL-NAHRAIN JOURNAL FOR ENGINEERING SCIENCES مجلة النهرين للعلوم الهندسية ISSN: 25219154 / eISSN 25219162 Year: 2015 Volume: 18 Issue: 2 Pages: 202-207
Publisher: Al-Nahrain University جامعة النهرين

Loading...
Loading...
Abstract

This paper presents the dynamic model identification algorithm of the continuous stirred tank reactor (CSTR) using a multi-layer perceptron (MLP) neural network topology. The neural network approach for (CSTR) dynamic modeling is trained by using a particle swarm optimization (PSO) technique as a simple and fast training unsupervised algorithm. Polywog wavelet activation function is used in the structure of MLP neural network. The identification algorithm given in this paper has been proved to be reasonable and precise via Matlab simulation results in terms of fast, stable and minimum number of fitness evaluation for the CSTR modeling.

أن هذا البحث يقدم خوارزمية التعريف لنموذج ديناميكي لخزان مفاعل مستمر الإثارة (CSTR) باستخدام الشبكة العصبية متعددة الطبقات (MLPNN). لقد تعلمت الشبكة العصبية التي تمثل النموذج الديناميكي لخزان مفاعل مستمر الإثارة باستخدام تقنية حشد الجسيمات الامثلية لسهولة و سرعة هذه الخوارزمية للتعلم. وتم استخدام دالة التنشيط (Polywong Wavelet) في الشبكة العصبية.نتائج المحاكات لهذه الخوارزمية التعريفية كانت معقولة و مضبوطة من خلال استخدام الحقيبة البرمجية ماتلاب من حيث سرعة واستقرارية مع أدنى عدد من الاستدعاء لداله التقييم لنموذج (CSTR).


Article
FPGA Implementation of a Multilayer Perceptron (MLP) Network
مصفوفة البوابات المبرمجة حقليا(FPGA) المنفذة لشبكات المدرك متعددة الطبقات(MLP

Authors: Nour talal gadawe نور طلال كداوي --- Rafid Ahmed Khalil رافد أحمد خليل
Journal: AL Rafdain Engineering Journal مجلة هندسة الرافدين ISSN: 18130526 Year: 2009 Volume: 17 Issue: 1 Pages: 1-13
Publisher: Mosul University جامعة الموصل

Loading...
Loading...
Abstract

In this paper, we suggest a method for designing and implementing of multilayer Perceptron (MLP) neural network based on backpropagation (PB) learning algorithm. The method is described using very high speed integrated circuit hardware description language (VHDL), that used in developing the designs of a very large scale integration (VLSI). Firstly artificial neuron with sigmoid activation function has been designed and implemented which is considered as a basic unit of MLP. The MLP network is trained by BP algorithms, in the Matlab environment in order to obtain the ideal parameters of the network. Then hardware implementation of MLP on FPGAs, of types Spartan 3E and Virtex4 is achieved by using integer format and floating point format respectively . A comparison is done between the two arithmetic formats of MLP implementations on FPGAs. Keyword: MLP neural networks , floating-point (FLP) arithmetic, FPGA, VHDL.

في هذا البحث تم اقتراح طريقة تصميم شبكة عصبية نوع مدرك متعددة الطبقات (MLP), بالاعتماد على تدريبها باستخدام خوارزمية الانتشار العكسي (BP) , ثم تنفيذها باستخدام لغة وصف الدوائر المتكاملة ذات السرعة الفائقة (VHDL) والتي تستخدم لعمل تصاميم ضخمة فائقة التكامل (VLSI). في البداية تم تصميم وتنفيذ خلية عصبية(باستخدام دالة التفعيل غير الخطية السيغمويد) والتي تعتبر وحدة أساسية في الشبكات العصبية الاصطناعية, تنفيذ الخلية باستخدام صيغة الاعداد الصحيحة وصيغة النقطة العائمة.تم تصميم وتنفيذ شبكة عصبية متعددة الطبقات. حيث إن الشبكة المصممة دُربت باستخدام خوارزمية الانتشار العكسي باستخدام برنامج محاكاة تم تطويره في بيئة Matlab لغرض الحصول على المعاملات المثلى الخاصة بالشبكة العصبية, تم بناء الكيان المادي للشبكة على شريحة مصفوفة البوابات المبرمجة حقليا نوع ,Spartan 3E وتم تنفيذ هذه الشبكة بصيغة النقطة العائمة على شريحة (FPGA) نوع Virtex4 ومقارنتها مع الشبكة المنفذة بصيغة الإعداد الصحيحة.


Article
FPGA Implementation Of Multilayer Perceptron For Speech Recognition
تنفيذ شبكة المدرك متعددة الطبقات على شريحة FPGA لأغراض تمييز الكلام

Author: Ghassan Hazin Shakoory غسان حازم شكوري
Journal: Journal of Engineering and Sustainable Development مجلة الهندسة والتنمية المستدامة ISSN: 25200917 Year: 2013 Volume: 17 Issue: 6 Pages: 175-185
Publisher: Al-Mustansyriah University الجامعة المستنصرية

Loading...
Loading...
Abstract

In this paper, a method for designing and implementing of Multilayer Percepton (MLP) based on BP algorithm has been suggested. The method has described a MLP on Register Transfer Level (RTL) using VHDL description language and implemented on Field Programmable Gate Array (FPGA) for speech recognition. Firstly, a multiply-accumulate (MAC) unit, and sigmoid nonlinear function are implemented as a basic building units of the MLP. The MLP is trained by BP learning algorithm. The optimized parameters are obtained by Matlab simulation for off chip training design. The implementations have been developed and tested on Xilinx Spartan-IIIE XC3S500E FPGA chip for embedded systems using Xilinx ISE 10.1 software. The research also presents a summary of the performance cost and data throughput with regards to the speed and required computational resources. The proposed hardware architecture are found to be 6 times faster than the software implementation.

في هذا البحث، تم اقتراح طريقة لتصميم وتنفيذ شبكة المدرك متعددة الطبقات (MLP) والمبنية على خوارزمية الانتشار العكسي للخطأ(BP) . تم وصف شبكة MLP في هذه الطريقة بمستوى تصميم المسجلات (RTL) باستخدام لغة وصف الكيان المادي (VHDL)، وتم التنفيذ على شريحة مصفوفة البوابات المبرمجة حقليا (FPGA) لأغراض تمييز الكلام. صممت وحدة الضرب والتجميع (MAC) أولا ,ثم دالة التفعيل الغير خطية نوع سكمويد كوحدات أساسية لتنفيذ البنية المادية الكاملة لشبكة MLP. أستخدم برنامج محاكاة في البيئة البرمجية Matlab لإيجاد القيم المثلى لشبكة MLP باستخدام خوارزمية BP. أن الهدف من هذا البحث هو تطوير واختبار التنفيذ على كيان التشكيل المطاوع لشريحة نوع Xilinx Spartan-IIIE XC3S500E FPGA ولأغراض التطبيق في الأجهزة المضمنة باستخدام برنامج Xilinx ISE 10.1 . قدم هذا البحث أيضا ملخص الايداء وعامل العطاء نسبة للسرعة ومصادر الشريحة المستخدمة. حيث وجدت معمارية الكيان المادي المقترحة أسرع 6 مرات مقارنة مع الكيان البرمجي.


Article
Development Models of Artificial Neural Network and Multiple Linear Regression for Predicting Compression Index and Compression Ratio for Soil Compressibility of Ramadi City

Author: Ahmed Hazim Abdulkareem
Journal: AL-NAHRAIN JOURNAL FOR ENGINEERING SCIENCES مجلة النهرين للعلوم الهندسية ISSN: 25219154 / eISSN 25219162 Year: 2017 Volume: 20 Issue: 4 Pages: 924-936
Publisher: Al-Nahrain University جامعة النهرين

Loading...
Loading...
Abstract

Artificial neural networks (ANN) as new techniques employed for the development of predictive models to estimate the needed parameters in geotechnical engineering to be used for comparison with laboratory and field tests and consequently reduce the cost, time, and effort. Flexible computing techniques are using an alternative statistical tool to analyze and evaluate experimental data from 102 consolidation tests on a variety of undisturbed soils from Ramadi city. The regression equations are developed to estimate the compression index and the compression ratio from index data. Multi-Layer Perceptron (MLP) network model is used to calculate compression index and a compression ratio of soils and comparing with the multiple linear regression statistical model MLR. It is found that the MLP showed a higher performance than MLR in predicting Cc and Cr and model accuracy between 0.81 to 16 percent. This will provide a good method for minimizing the potential inconsistency of correlations.

الشبكة العصبية الاصطناعية (ANN) تقنية جديدة استخدمت لتطوير نماذج تنبؤ للحصول على المتغيرات المطلوبة في مجال الهندسة الجيوتقنية لكي يتم استخدامها للمقارنة مع نتائج الفحوصات المختبرية والحقلية وهذا يساعد على توفير الوقت والجهد وتخفيض الكلفة. تقنيات الحوسبة المرنة استخدمت كاداة احصائية بديلة لتحليل وتقييم بيانات الفحوصات المختبرية من 102 فحص انضمام اجري على انواع من الترب الغير مشوشة. معادلات الانحدار طورت لتخمين دليل ونسبة الانضغاطية من البيانات المبوبة. نموذج المستقبلات المتعدد الطبقات(MPL ) هو نموذج عصبي استخدم لحساب دليل ونسبة الانضغاطية للترب وتم مقارنته مع نتائج النموذج الاحصائي للانحدار الخطي المتعدد MLR. اظهرت النتائج ان MLP ذات اداء اعلى في التنبؤ مقارنتا مع MLR بالنسبة لدليل ونسبة الانضغاطية للترب وبدقة تتراوح بين (0.81 -16) % وهذا سوف يوفر وسيلة جيدة لتقليل التعارض في الموثوقية الكامنة في العلاقات الاحصائية .


Article
Design of New Hybrid Neural Structure for Modeling and Controlling Nonlinear Systems
تصميم هيكل عصبي هجين جديد لنمذجة والسيطرة المنظومات اللاخطية

Authors: Ahmed Sabah Al-Araji احمد صباح الاعرجي --- Shaymaa Jafe'erAl-Zangana شيماء جعفرالزنكنه
Journal: Journal of Engineering مجلة الهندسة ISSN: 17264073 25203339 Year: 2019 Volume: 25 Issue: 2 Pages: 116-135
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

This paper proposes a new structure of the hybrid neural controller based on the identification model for nonlinear systems. The goal of this work is to employ the structure of the Modified Elman Neural Network (MENN) model into the NARMA-L2 structure instead of Multi-Layer Perceptron (MLP) model in order to construct a new hybrid neural structure that can be used as an identifier model and a nonlinear controller for the SISO linear or nonlinear systems. Weight parameters of the hybrid neural structure with its serial-parallel configuration are adapted by using the Back propagation learning algorithm. The ability of the proposed hybrid neural structure for nonlinear system has achieved a fast learning with minimum number of epoch, minimum number of neurons in the hybrid network, high accuracy in the output without oscillation response as well as useful model for a one step ahead prediction controller for the nonlinear CSTR system that is used in the MATLAB simulation.

أن هذا البحث يقترح هيكل جديد لمسيطر عصبي هجين مبنيا على أساس النموذج التعريفي للمنظومات اللاخطية. ان الهدف من هذا العمل هو توظيف هيكل النموذج الشبكة العصبية ايلمن المعدلةMENN في هيكل NARMA-L2 بدلا من نموذج تعدد الطبقات بيرسبترون MLP لكي يكون هيكل عصبي هجين جديد والذي يمكن استخدامه كنموذج معرف ومسيطر لاخطي للمنظومات الخطية و اللاخطية. ان أوزان العناصر لهيكل العصبي الهجين مع هيكل التوالي-التوازي قد تكيف باستخدام خوارزمية التعلم الانتشار العكسي. ان امكانية هذا الهيكل العصبية الهجين المقترح للمنظومات اللاخطية قد حقق سرعة تعلم مع اقل عدد من دورات التعلم وكذلك اقل عدد للعقد الشبكة العصبية الهجينة مع دقة عالية في الإخراج وبدون تذبذب الاستجابة إضافة الى ذلك استخدام النموذج كمسيطر تنبوئي لخطوة واحدة لنظام اللاخطية لخزان مفاعل مستمر الإثارة الذي استخدم في الحقيبة البرمجية ماتلاب. الكلمات الرئيسية: نموذج NARMA-L2, الشبكة العصبية MLP , الشبكة العصبية MENN , خوارزمية الانتشار


Article
Design of New Hybrid Neural Controller for Nonlinear CSTR System based on Identification
تصميم مسيطر عصبي هجين جديد لنظام خزان مفاعل مستمر الاثارة اللاخطي مبنيا على اساس التعريف

Authors: Ahmed Sabah Al-Araji احمد صباح الاعرجي --- Shaymaa Jafe'er Al-Zangana شيماء جعفرالزنكنه
Journal: Journal of Engineering مجلة الهندسة ISSN: 17264073 25203339 Year: 2019 Volume: 25 Issue: 4 Pages: 70-89
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

This paper proposes improving the structure of the neural controller based on the identification model for nonlinear systems. The goal of this work is to employ the structure of the Modified Elman Neural Network (MENN) model into the NARMA-L2 structure instead of Multi-Layer Perceptron (MLP) model in order to construct a new hybrid neural structure that can be used as an identifier model and a nonlinear controller for the SISO linear or nonlinear systems. Two learning algorithms are used to adjust the parameters weight of the hybrid neural structure with its serial-parallel configuration; the first one is supervised learning algorithm based Back Propagation Algorithm (BPA) and the second one is an intelligent algorithm namely Particle Swarm Optimization (PSO) algorithm. The numerical simulation results show that the hybrid NARMA-L2 controller with PSO algorithm is more accurate than BPA in terms of achieving fast learning and adjusting the parameters model with minimum number of iterations, minimum number of neurons in the hybrid network and the smooth output one step ahead prediction controller response for the nonlinear CSTR system without oscillation.

أن هذا البحث يقترح تحسين في هيكل مسيطر عصبي مبنيا على أساس النموذج التعريفي للمنظومات اللاخطية. ان الهدف من هذا العمل هو توظيف هيكل النموذج الشبكة العصبية ايلمن المعدلةMENN في هيكل NARMA-L2 بدلا من نموذج تعدد الطبقات بيرسبترون MLP لكي يكون هيكل عصبي هجين جديد والذي يمكن استخدامه كنموذج معرف ومسيطر لاخطي للمنظومات الخطية و اللاخطية و وأيضاً إجراء مقارنة بين خوارزميات التعلم المختلفة التي استخدمت لتعلم المسيطر الهجين. لقد تم استخدام خوارزميتان لتعليم ولتعديل أوزان العناصر لهيكل العصبي الهجين مع هيكل التوالي-التوازي; ان اول خوارزمية تم استخدامها في هذا البحث هي خوارزمية الانتشار العكسي (BPA) والثاني هي الخوارزمية الذكية والتي حشد الجسيمات االمثلية (PSO).ان نتائج المحاكاة العددية اثبتت أن خوارزمية PSOمع المسيطر الهجين NARMA-L2 هي أكثر دقة من حيث تحقيق التعلم السريع وتعديل عناصر النموذج مع الحد الأدنى من عدد التكرار التعلم وكذلك اقل عدد للعقد الشبكة العصبية الهجينة مع دقة عالية في الإخراج وبدون تذبذب الاستجابة للمسيطر التنبؤي لخطوة واحدة لنظام خزان مفاعل مستمر الإثارة اللاخطية.


Article
Artificial Neural Network for TIFF Image Compression
الشبكات العصبونية الاصطناعية لضغط الصور ذوات صيغة TIFF

Author: Huda Dheyauldeen Najeeb هدى ضياء الدين نجيب
Journal: Ibn Al-Haitham Journal For Pure And Applied Science مجلة ابن الهيثم للعلوم الصرفة والتطبيقية ISSN: 16094042/25213407 Year: 2017 Volume: 30 Issue: 1 Pages: 246-261
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

The main aim of image compression is to reduce the its size to be able for transforming and storage, therefore many methods appeared to compress the image, one of these methods is "Multilayer Perceptron ".Multilayer Perceptron (MLP) method which is artificial neural network based on the Back-Propagation algorithm for compressing the image. In case this algorithm depends upon the number of neurons in the hidden layer only the above mentioned will not be quite enough to reach the desired results, then we have to take into consideration the standards which the compression process depend on to get the best results.We have trained a group of TIFF images with the size of (256*256) in our research, compressed them by using MLP for each compression process the number of neurons in the hidden layer was changing and calculating the compression ratio, mean square error and peak signal-to-noise ratio to compare the results to get the value of original image.The findings of the research was the desired results as the compression ratio was less than five and a few mean square error thus a large value of peak signal-to-noise ratio had been recorded.

إن الهدف الأساسي من ضغط الصورة هو تقليل حجمها حتى تكون قابلة للنقل والتخزين .وبالتالي ظهرت العديد من الطرق لضغط الصورة وإحدى هذه الطرق " متعدد الطبقات بيرسيبترون". متعدد الطبقات بيرسيبترون (MLP) وهو شبكة عصبونية اصطناعية تستخدم خوارزمية الشبكات العصبونية الاصطناعية ذات الانتشار الخلفي في ضغط الصورة. وفي حالة اعتماد هذه الخوارزمية فقط على عدد الخلايا العصبية الموجودة في الطبقة المخفية قد تكون غير كافية للوصول إلى النتائج المرغوبة لذلك لابد من الأخذ بنظر الاعتبار المعايير القياسية الأساسية التي تعتمد عليها عملية الضغط للحصول على نتائج أفضل.ففي هذا البحث قمنا بتدريب مجموعة من الصور من نوع TIFF ذات حجم (256*256) ثم ضغطهم باستخدام متعدد الطبقات بيرسيبترون وعند كل عملية ضغط تم تغيير عدد الخلايا العصبية في الطبقة المخفية و حساب نسبة الضغط و متوسط مربع الخطأ و نسبة الإشارة إلى الضجيج وذلك للوصول إلى قيم الصورة الأصلية .و النتيجة التي توصل اليها البحث هي إمكانية الوصول إلى النتائج المرغوبة عندما تكون نسبة الضغط اقل من 5 و متوسط مربع الخطأ قليل وبالتالي ستكون نسبة الإشارة إلى الضجيج كبيرة.

Listing 1 - 10 of 11 << page
of 2
>>
Sort by
Narrow your search

Resource type

article (11)


Language

English (7)

Arabic and English (3)

Arabic (1)


Year
From To Submit

2019 (2)

2017 (2)

2016 (1)

2015 (1)

2013 (2)

More...