استفاده از الگوریتم شبکه های عصبی مصنوعی در پیش بینی خصوصیات کششی نخهای مغزی دار با مغزی نایلون و رویه پنبه

Authors

علی اکبر قره آغاجی

a.a. gharehaghaji مازیار پالهنگ و محسن شنبه

m. palhang

and m. shanbeh

abstract

شبکه های عصبی مصنوعی سیستمهای پردازش اطلاعات هستند. در سالهای اخیر این الگوریتمها مورد توجه محققان بسیاری برای مدلسازی فرایندهای مختلف و همچنین حل مسائل گوناگون قرار گرفته اند.در این تحقیق یک مدل شبکه عصبی مصنوعی برای پیش بینی خصوصیات کششی نخهای مغزی دار با رویه پنبه و مغزی نایلون ارائه می شود. بدین منظوراز شبکه های چند لایه پیشرونده با الگوریتم آموزشی انتشار به عقب برای بررسی رابطه و ایجاد یک نگاشت بین پارامترهای تولید(نمره جزء رویه، نمره جزء مغزی، کشیدگی اولیه اعمالی به جزء مغزی و تاب اعمال شده به نخهای مغزی دار) و خواص کششی (استحکام و ازدیاد طول تا حد پارگی) نخهای مغزی دار استفاده می شود. نتایج حاصل نشان داد شبکه های عصبی مصنوعی یک روش موثر برای پیش بینی خصوصیا ت کششی نخهای مغزی دار است؛ به طوری که انحراف استاندارد خطای پیش بینی دسته های آموزش دهنده و آزمایش کننده همواره از انحراف استاندارد آزمایشات کمتر بود.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

بررسی تاثیر تثبیت حرارتی بر میزان تاب زندگی و خصوصیات کششی نخ های مغزی دار با رویه پنبه و مغزی پلی استر

نخ های مغزی دار را می توان با استفاده از سیستم ریسندگی رینگ، چرخانه ای، اصطکاکی و جت هوا تولید نمود؛ در این میان، ریسندگی رینگ قدیمی ترین روش تولید به شمار می آید. هدف از این تحقیق، بررسی فرآیند تثبیت حرارتی خشک و بخار اشباع نخ های مغزی دار با رویه پنبه و مغزی نخ فیلامنت پلی استر 70 دنیر کشیده شده بر روی میزان تاب زندگی و خصوصیات کششی است. در فرآیند تولید نخ های مغزی دار، کشیدگی اولبه اعمالی به...

full text

پیش بینی هوشمندانه خصوصیات تخته خرده چوب با استفاده از شبکه عصبی مصنوعی

چکیده شبکه های عصبی در دهه ی اخیر به عنوان ابزار قدرتمندی جهت پیش بینی در حوزه های مختلف مورد استفاده قرار گرفته اند. در این تحقیق از شبکه عصبی پیشخور پرسپترون چند لایه (MLP) با یادگیری پس انتشار از الگوریتم آموزش انتشار به عقب (BP)، با تکنیک بهینه سازی عددی لونبرگ- مارکوات (LM)،توسط نرم افزار متلب مورد استفاده قرار گرفت. درصد رطوبت کیک ، دمای پرس و زمان بسته شدن پرس به عنوان متغیرهای ورودی و خ...

full text

بررسی تاثیر تثبیت حرارتی بر میزان تاب زندگی و خصوصیات کششی نخ های مغزی دار با رویه پنبه و مغزی پلی استر

نخ های مغزی دار را می توان با استفاده از سیستم ریسندگی رینگ، چرخانه ای، اصطکاکی و جت هوا تولید نمود؛ در این میان، ریسندگی رینگ قدیمی ترین روش تولید به شمار می آید. هدف از این تحقیق، بررسی فرآیند تثبیت حرارتی خشک و بخار اشباع نخ های مغزی دار با رویه پنبه و مغزی نخ فیلامنت پلی استر 70 دنیر کشیده شده بر روی میزان تاب زندگی و خصوصیات کششی است. در فرآیند تولید نخ های مغزی دار، کشیدگی اولبه اعمالی به...

full text

مدل سازی و پیش بینی رشد اقتصادی در ایران با استفاده از شبکه های عصبی مصنوعی

شبکه های عصبی مصنوعی، یک ابزار قدرتمند برای تجزیه و تحلیل داده ها و مدل سازی روابط غیر خطی به حساب می آید که استفاده از آن طی سال های گذشته در اقتصاد کلان گسترش یافته است. در این مطالعه، کارایی یک مدل شبکه عصبی با یک مدل خطی رگرسیون برای پیش بینی نرخ رشد اقتصادی در ایران مقایسه می شود. برای این منظور ابتدا، یک مدل رگرسیون رشد برای دوره 1315-1373 برآورد شده و سپس با همان مجموعه رگرسورها (متغیرها...

full text

پیش بینی مصرف انرژی بخش کشاورزی ایران با استفاده از مدل ترکیبی الگوریتم ژنتیک و شبکه های عصبی مصنوعی

هدف از این مقاله ارزیابی الگوی ترکیبی شبکه­های عصبی مصنوعی و الگوریتم ژنتیک در پیش بینی تقاضای انرژی بخش کشاورزی ایران می­باشد. برای این منظور، از داده­های سالانه مصرف انرژی بخش کشاورزی کشور به عنوان متغیر خروجی مدل­های پیش­بینی و از داده­های سالانه جمعیت کل کشور و کل تولیدات بخش کشاورزی کشور به عنوان متغیرهای ورودی مدل­های پیش­بینی استفاده شد. در پایان به منظور مقایسه نتایج پیش­بینی مدل ترکیبی...

full text

My Resources

Save resource for easier access later


Journal title:
روش های عددی در مهندسی (استقلال)

جلد ۲۴، شماره ۲، صفحات ۲۴۱-۲۵۱

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023