نجمه نشاط

دانشجوی دکترای مهندسی صنایع- دانشگاه تریبت مدرس

[ 1 ] - رویکردی نوین در مدل‌سازی شبکه عصبی مصنوعی بر اساس منطق رگرسیون فازی و کاربرد آن در پیش‌بینی (مورد کاوی: پیش‌بینی قیمت گاز مایع ژاپن)

در این مقاله، یک رویکرد جدید مدلسازی برای مدل‌های شبکه عصبی مصنوعی بر مبنای مفاهیم شبکههای عصبی و رگرسیون فازی ارائه شده است. به این منظور، مدل شبکه عصبی مصنوعی در قالب یک مدل رگرسیون غیرخطی فازی فرموله شده است، به نحوی که این مدل، مزایای هر دو مدل رگرسیون فازی و شبکه عصبی مصنوعی را دارد. بنابراین، این مدل به دلیل انعطافپذیری بالا، قابلیت استفاده در شرایط نبود قطعیت، مبهم یا پیجیده را دارد. ...

[ 2 ] - پیش‌بینی عملکرد فرایندهای تولیدی بااستفاده از رگرسیون لجستیک و شبکه عصبی مصنوعی (مورد کاوی: فرایند افشانه‌ی خشک‌کننده کاشی سرامیکی)

در این نوشتار با ارائه‌ی نمونه‌ی عملی فرایند «افشانه‌ی خشک‌کنندهپانویس{s‌p‌r‌a‌y d‌r‌y‌i‌n‌g}»، مدل‌سازی فرایندها با استفاده از مدل‌های رگرسیون لجستیک و الگوریتم شبکه‌ی عصبی مصنوعی با هدف پیش‌بینی )برون‌یابی و درون‌یابی( عملکرد فرایند به کار گرفته می‌شود. به‌منظور مقایسه‌ی قدرت هرکدام از این دو مدل در پیش‌بینی عملکرد فرایند، شاخص‌های ارزیابی پایایی مدل، شامل ضرایب تعیین مدل و درصد صحت پیش‌بینی،...

[ 3 ] - A Game Theoretic Approach for Sustainable Power Systems Planning in Transition

Intensified industrialization in developing countries has recently resulted in huge electric power demand growth; however, electricity generation in these countries is still heavily reliant on inefficient and traditional non-renewable technologies. In this paper, we develop an integrated game-theoretic model for effective power systems planning thorough balancing between supply and demand for e...

[ 4 ] - An Approach of Artificial Neural Networks Modeling Based on Fuzzy Regression for Forecasting Purposes

In this paper, a new approach of modeling for Artificial Neural Networks (ANNs) models based on the concepts of fuzzy regression is proposed. For this purpose, we reformulated ANN model as a fuzzy nonlinear regression model while it has advantages of both fuzzy regression and ANN models. Hence, it can be applied to uncertain, ambiguous, or complex environments due to its flexibility for forecas...

Co-Authors