پیش بینی خصوصیات نخ ریسیده شده در ریسندگی فاستونی با استفاده از روش ترکیبی شبکه عصبی با ناظر و بدون ناظر
نویسندگان
چکیده
یکنواختی نخ، یکی از مهم ترین پارامترهای نخ از لحاظ کیفی می باشد که تأثیرات قابل توجهی بر عملیات چله کشی، بافندگی و در نهایت منسوج تولیدی دارد. این پارامتر بستگی مستقیم به خصوصیات الیاف و پارامترهای فرآیند ریسندگی دارد. در این تحقیق نایکنواختی نخ در سیستم ریسندگی فاستونی با استفاده از روش ترکیبی شبکه عصبی خود سازمان دهنده کوهونن و شبکه پرسپترون پیش بینی گردیده است. تعداد 2490 سری آزمایش شامل پارامترهای مواد اولیه و پارامترهای کیفی نخ تولیدی در یک کارخانه ریسندگی فاستونی جمع آوری و مورد پردازش قرار گرفت. در مرحله اول، ابتدا داده ها با استفاده از شبکه عصبی کوهونن خوشه بندی گردید. سپس هر خوشه به طور جداگانه به یک شبکه پرسپترون تغذیه گردید .در مرحله بعدی، پیش بینی یکنواختی نخ تنها با یک شبکه پرسپترون صورت پذیرفت. مقایسه نتایج حاصل از روش ترکیبی در مقایسه با شبکه پرسپترون نشان داد که استفاده از روش ترکیبی شبکه کوهونن و پرسپترون، خطا را به میزان 3.34 درصد کاهش می دهد.
منابع مشابه
اثر بربرین در تنظیم آستروسیتهای Gfap+ ناحیه هیپوکمپ موشهای صحرایی دیابتی شده با استرپتوزوتوسین
Background: Diabetes mellitus increases the risk of central nervous system (CNS) disorders such as stroke, seizures, dementia, and cognitive impairment. Berberine, a natural isoquinolne alkaloid, is reported to exhibit beneficial effect in various neurodegenerative and neuropsychiatric disorders. Moreover astrocytes are proving critical for normal CNS function, and alterations in their activity...
متن کاملاثر بربرین در تنظیم آستروسیتهای Gfap+ ناحیه هیپوکمپ موشهای صحرایی دیابتی شده با استرپتوزوتوسین
Background: Diabetes mellitus increases the risk of central nervous system (CNS) disorders such as stroke, seizures, dementia, and cognitive impairment. Berberine, a natural isoquinolne alkaloid, is reported to exhibit beneficial effect in various neurodegenerative and neuropsychiatric disorders. Moreover astrocytes are proving critical for normal CNS function, and alterations in their activity...
متن کاملپیش بینی دامنه تغییرات طلا با استفاده از مدل ترکیبی ARIMA و شبکه عصبی
مدل خودرگرسیو میانگین متحرک انباشته (ARIMA) که تحت عنوان روش باکس و جنکینزشناخته میشود، یکی از پرکاربردترین مدلها در پیشبینی سریهای زمانی است. اما پیش فرض اصلی این مدل خطی بودن سریهای زمانی میباشد. از سوی دیگر شبکهی عصبی یک تخمین زنندهی عمومی است که الگوهای غیر خطی را بسیار خوب مدلسازی مینماید. دانستن الگوی دادهها مبنی بر خطی و غیر خطی بودن در واقعیت کمی دشوار است، بنابراین این اید...
متن کاملپیش بینی نوسانات بازده بازار با استفاده از مدل های ترکیبی گارچ ـ شبکه عصبی
در این پژوهش به مطالعه توان پیش بینی طیف وسیعی از مدل های ناهمسانی واریانس شرطی (G)ARCH طی یک دوره 126 ماهه بر روی بازده روزانه شاخص کل بورس تهران (TEDPIX) پرداخته شده است. نتایج بررسی این مدل ها تأیید کننده وجود سه ویژگی نوسان خوشه ای، عدم تقارن و نیز غیر خطی بودن، در سری زمانی بازده می باشد. سپس با هدف افزایش قدرت پیش بینی، این مدل ها با شبکه های عصبی مصنوعی ترکیب شده اند و نتایج حاصل از طرق ...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
عنوان ژورنال:
محاسبات نرمجلد ۲، شماره ۲، صفحات ۶۲-۷۳
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023