محمد تشنه‌لب
دانشگاه صنعتی خواجه نصیرالدین طوسی - دانشکده مهندسی برق
[ 1 ] - طراحی کنترل‌کننده فازی تطبیقی مستقیم برای سیستم‌های مرتبه کسری غیرخطی به کمک جبران‌ساز
با توجه به گسترش حسابان کسری، این زمینه روزبه‌روز بیش‌تر مورد توجه پژوهشگران قرار می‌گیرد. مهندسان کنترل نیز از این امر مستثنی نبوده و الگوریتم‌های کنترلی مختلفی برای سیستم‌های مرتبه کسری ارائه داده‌اند. همچنین توانایی بالای سیستم‌های فازی در کنترل سیستم‌های دینامیکی با نامعینی و اغتشاش ثابت شده است. شرط اصلی استفاده از سیستم‌های فازی پیاده‌سازی مناسب دانش فرد خبره است. در صورتی که نقصی در انتق...
[ 2 ] - فیلتر غیرخطی تطبیقی عصبی شناساگر با نرخ آموزش بهینه برای همگرایی پارامترها بر پایه گرادیان نزولی
بحث همگرایی در شبکه‌های عصبی شناساگر و کنترل‌کننده یکی از موارد پراهمیت در مهندسی کنترل می‌باشد، که در این راستا تحقیقات متنوعی صورت پذیرفته است که عمدتاً در چهار چوب شبکه‌های عصبی معمولی بوده است. در این مقاله الگوریتم گرادیان نزولی تطبیقی با یادگیری پارامترهای شبکه عصبی چند لایه بصورت بهنگام بر اساس بسط سری تیلور خطای خروجی مطرح و همگرایی الگوریتم آموزشی بررسی شده است. برای افزایش دقت و سرعت ...
[ 3 ] - طراحی یک سیستم CAD برای شناسایی و طبقه‌بندی تومورهای سرطان سینه در تصاویر DCE-MR بر اساس شبکه‌های عصبی کانولوشن سلسله مراتبی
در این مقاله، یک سیستم CAD بر اساس شبکه های عصبی کانولوشن سلسله‌مراتبی با ساختاری جدید، جهت ایجاد تمایز بین تومورهای خوش‌خیم و بدخیم در تصاویر MR سینه پیشنهاد شده است. شبکه‌ی عصبی کانولوشن، یک شبکه‌ی سلسله مراتبی عصبی است که بر روی تصاویر دو بعدی اعمال می‌شود و فرآیندهای استخراج ویژگی و طبقه‌بندی را در یک ساختار واحد و کاملاً تطبیقی، ادغام می‌کند. این ساختار می تواند ویژگی های دو بعدی کلیدی را ب...
[ 4 ] - طراحی الگوریتم بهینه‌سازی چندهدفه به کمک الگوریتم جغرافیای زیستی و الگوریتم تکاملی تفاضلی
بهینه‌سازی بر پایه جغرافیای زیستی، الگوریتم تکاملی جدیدی بر اساس جمعیت است که ریاضیات جغرافیای زیستی، بر آن حاکم است و الگوریتم تکامل تفاضلی، الگوریتمی قدرتمند برای حل بسیاری از مسائل بهینه‌سازی است. الگوریتم تکامل تفاضلی در اکتشاف فضای جستجو و تعیین مکان مینیمم سراسری خوب، ولی در استخراج راه‌حل مسأله کند است. در این مقاله قابلیت اکتشاف الگوریتم تکامل تفاضلی با قابلیت استخراج الگوریتم بهینه...
[ 5 ] - Nonlinear System Identification Using Hammerstein-Wiener Neural Network and subspace algorithms
Neural networks are applicable in identification systems from input-output data. In this report, we analyze theHammerstein-Wiener models and identify them. TheHammerstein-Wiener systems are the simplest type of block orientednonlinear systems where the linear dynamic block issandwiched in between two static nonlinear blocks, whichappear in many engineering applications; the aim of nonlinearsyst...
[ 6 ] - Adaptive Rule-Base Influence Function Mechanism for Cultural Algorithm
This study proposes a modified version of cultural algorithms (CAs) which benefits from rule-based system for influence function. This rule-based system selects and applies the suitable knowledge source according to the distribution of the solutions. This is important to use appropriate influence function to apply to a specific individual, regarding to its role in the search process. This rule ...
[ 7 ] - Two Novel Learning Algorithms for CMAC Neural Network Based on Changeable Learning Rate
Cerebellar Model Articulation Controller Neural Network is a computational model of cerebellum which acts as a lookup table. The advantages of CMAC are fast learning convergence, and capability of mapping nonlinear functions due to its local generalization of weight updating, single structure and easy processing. In the training phase, the disadvantage of some CMAC models is unstable phenomenon...
[ 8 ] - Non-linear Fractional-Order Chaotic Systems Identification with Approximated Fractional-Order Derivative based on a Hybrid Particle Swarm Optimization-Genetic Algorithm Method
Although many mathematicians have searched on the fractional calculus since many years ago, but its application in engineering, especially in modeling and control, does not have many antecedents. Since there are much freedom in choosing the order of differentiator and integrator in fractional calculus, it is possible to model the physical systems accurately. This paper deals with time-domain id...
[ 9 ] - Designing stable neural identifier based on Lyapunov method
The stability of learning rate in neural network identifiers and controllers is one of the challenging issues which attracts great interest from researchers of neural networks. This paper suggests adaptive gradient descent algorithm with stable learning laws for modified dynamic neural network (MDNN) and studies the stability of this algorithm. Also, stable learning algorithm for parameters of ...
[ 10 ] - EMCSO: An Elitist Multi-Objective Cat Swarm Optimization
This paper introduces a novel multi-objective evolutionary algorithm based on cat swarm optimizationalgorithm (EMCSO) and its application to solve a multi-objective knapsack problem. The multi-objective optimizers try to find the closest solutions to true Pareto front (POF) where it will be achieved by finding the less-crowded non-dominated solutions. The proposed method applies cat swarm optim...
[ 11 ] - پیشنهاد توابعِ فعال سازِ بازه ای در شبکۀ عصبیِ بر پایه توابعِ شعاعی برای پیش بینی سیستم هایِ غیرِ خطیِ پویا
چکیده: «شبکۀ عصبیِ بر پایۀ توابعِ شعاعی » یک تقریب گر عمومی می باشد. در این مقاله «تابعِ فعال سازِ گرانولی» برای بهبودِ یادگیری این شبکه در شرایط نویزی پیشنهاد می گردد که یک تابعِ گاوسی با «انحراف استاندارد بازه ای و میانگین ثابت» است و به آن «تابعِ فعال سازِ بازه ای» نیز گفته می شود. در لایۀ میانیِ این شبکه، سه پارامترِ وابسته به توابعِ فعال سازِ گرانولی آموزش می بینند که «مرکزِ توابعِ فعال سازِ گرانولی» که ...
[ 12 ] - طراحی کنترل کننده فازی مدل مرجع بر پایه فیدبک حالت با کنترل انتگرال
این پژوهش، به ارائه ساختار کنترلی جدیدی با عنوان کنترل کننده فازی مدل مرجع بر پایه فیدبک حالت با کنترل انتگرال اختصاص یافته است. اگرچه یکی از روشهای کنترلی مناسب استفاده از روش فیدبک حالت می‌باشد اما، این روش دارای دو مشکل اساسی است. نخست اینکه این روش دارای عملکرد نامناسبی در حضور اغتشاشات می‌باشد که برای چیره شدن بر این مشکل، استفاده از کنترل انتگرال به همراه فیدبک حالت می‌تواند روش موثری واق...
[ 13 ] - طراحی کنترل کننده فازی سلسله مراتبی با آموزش پسخور خطا بر اساس تابع لیاپانوف برای کلاسی از سیستم های غیرخطی مرتبه بالا
در این نوشتار، یک کنترل کننده فازی سلسله مراتبی به همراه کنترل کننده کلاسیک PD با روش آموزش پسخور خطا برای کلاسی از سیستم های غیرخطی تک ورودی-تک خروجی و در حضور اغتشاش محدود ارایه شده است. برای پایداری سیستم تحت کنترل، تابع لیاپانوفی در نظر گرفته شده است که ضمن تضمین پایداری، قانون به روز رسانی تمامی کل پارامترهای تالی سیستم فازی سلسله مراتبی نیز از آن استخراج شده است. پارامترهای تالی سیستم فاز...
[ 14 ] - کنترل لغزش چرخ ها با استفاده از کنترل مد لغزشی در شبیه ساز دقیق
عملکرد مطلوب سیستم ترمز ضد قفل برای هر نوع جاده با کیفیت های خاص خود در مقدار مشخصی لغزش اتفاق می افتد، بنابراین تنظیم لغزش مطلوب چرخ ها منجر به عملکرد بهتر سیستم ترمز ضد قفل شده و خودرو بدون قفل شدن چرخ ها در زمان کوتاه تری پس از ترمز گیری متوقف می شود. سیستم ترمز ضدقفل، سیستمی غیرخطی همراه با عدم قطعیت های فراوان بر اساس کیفیت جاده می باشد که بحث کنترل لغزش چرخ را مشکل می سازد. در این مقاله ...
[ 15 ] - معرفی سیستم فازی شبه چند جمله‌ای تاکاگی-سوگنو-کانگ با کاربرد در شناسایی سیستم و کلاس بندی الگو
در این مقاله به معرفی ساختاری نوین از سیستم فازی تاکاگی-سوگنو-کانگ (TSK) که دارای بخش استخراج ویژگی در قسمت ورودی می‌باشد، می‌پردازیم. روش پیشنهادی تحت عنوانSemi-Polynomial data Mapping Fuzzy Inference System و به اختصار (SPMFIS) معرفی می‌شود. در روش پیشنهادی از یک نگاشت داده شبه چند جمله‌ای به منظور تبدیل ورودیهای اصلی به ورودیهای جدید با ابعاد کاهش یافته استفاده می‌شود. در گام بعد خروجی حاص...
[ 16 ] - مدلسازی اتصالات نواحی مغزی جهت شناسایی اختلالات مغزی ناشی از غواصی با استفاده از الکتروانسفالوگرافی
بیماری غواصان عارضه ایست که بدن و مغز انسان را با اختلالاتی روبرو می‌کند. با پردازش سیگنال‌های الکتروانسفالوگرافی غواصان، می‌توان اطلاعاتی را در رابطه با اختلالات نوروفیزیولوژیک آنها استخراج کرد و نواحی مغزی دچار عارضه را به‌صورت دقیق مشخص نمود. در این مقاله با استفاده از ویژگی‌های استخراج شده از سیگنال‌های ثبت شده غواصان و افراد غیر غواص که شامل آنتروپی و انرژی است، مدلی مبتنی بر کارکرد مغز ای...
[ 17 ] - مقایسه و ارزیابی مدل‌های شبکه عصبی بیزین، برنامه‌ریزی بیان ژن، ماشین بردار پشتیبان و رگرسیون خطی در تخمین بده جریان؛ مطالعه موردی حوضه صوفی چای
پیش‌بینی جریان رودخانه برای برنامه‌ریزی طراحی و مدیریت مطمئن پروژه های منابع آب مهم است. در این پژوهش قابلیت کاربرد شبکه عصبی بیزین، برنامه‌ریزی ژن، ماشین بردار پشتیبان و رگرسیون خطی چندمتغیره برای پیش‌بینی سری زمانی جریان رودخانه صوفی چای بررسی شد. سری زمانی جریان روزانه رودخانه برای دوره 1376 تا 1389 برای ایستگاه هیدرومتری تازه کند رودخانه صوفی چای مورد استفاده واقع شد. جهت بدست آوردن بهترین ...
[ 18 ] - Identification of Cement Rotary Kiln in Noisy Condition using Takagi-Sugeno Neuro-fuzzy System
Cement rotary kiln is the main part of cement production process that have always attracted many researchers’ attention. But this complex nonlinear system has not been modeled efficiently which can make an appropriate performance specially in noisy condition. In this paper Takagi-Sugeno neuro-fuzzy system (TSNFS) is used for identification of cement rotary kiln, and gradient descent (GD) algori...
[ 19 ] - A Higher Order Online Lyapunov-Based Emotional Learning for Rough-Neural Identifiers
o enhance the performances of rough-neural networks (R-NNs) in the system identification, on the base of emotional learning, a new stable learning algorithm is developed for them. This algorithm facilitates the error convergence by increasing the memory depth of R-NNs. To this end, an emotional signal as a linear combination of identification error and its differences is used to achie...
[ 20 ] - Identification of Multiple Input-multiple Output Non-linear System Cement Rotary Kiln using Stochastic Gradient-based Rough-neural Network
Because of the existing interactions among the variables of a multiple input-multiple output (MIMO) nonlinear system, its identification is a difficult task, particularly in the presence of uncertainties. Cement rotary kiln (CRK) is a MIMO nonlinear system in the cement factory with a complicated mechanism and uncertain disturbances. The identification of CRK is very important for different pur...
[ 21 ] - Efficient Method Based on Combination of Deep Learning Models for Sentiment Analysis of Text
People's opinions about a specific concept are considered as one of the most important textual data that are available on the web. However, finding and monitoring web pages containing these comments and extracting valuable information from them is very difficult. In this regard, developing automatic sentiment analysis systems that can extract opinions and express their intellectual process has ...
Co-Authors