نتایج جستجو برای: شبکه عصبی آشوب گونه
تعداد نتایج: 99675 فیلتر نتایج به سال:
به دلیل ارتباط زونهای کانیسازی با تغییرپذیری عیار در کانسارهای مس پورفیری، تهیه مدل سه بعدی این زونها یکی از گامهای پیش از تخمین در ارزیابی این تیپ کانسارها به شمار میآید. کیفیت این مدل تأثیر بسزایی بر کیفیت تخمینهای ارائه شده برای عیار، طراحی مناسب استخراج بلندمدت و درنهایت کاهش مشکلات بین معدن و کارخانه فرآوری خواهد داشت. روش معمول برای تهیه این مدل استفاده از روش مدلسازی محدود میباشد ...
در این تحقیق سیستم تعادلی پایپرزین-آب- دیاکسیدکربن با استفاده از مدلهای شبکه عصبی مدل سازی شده است. در مدل از دو شبکه عصبی MLP, RBF استفاده شده است. در یادگیری شبکهها الگوریتم پس انتشار خطا به کار رفته است. برای آموزش و تست شبکه های عصبی یک مرور کلی بر کارهای تجربی در زمینه حلالیت دی اکسیدکربن در محلول آبی پایپرزین انجام شده و داده های تجربی جمعآوری و طبقه بندی شده است. نتایج شبکه های عصبی ...
در این مقاله کنترلکننده مد لغزشی ترمینال انتگرالی هوشمند با یک سطح لغزشی جدید مبتنی بر سیستم استنتاج فازی- عصبی تطبیقی، برای کنترل آشوب پیشنهاد میگردد. ابتدا برای یک کلاس از سیستمهای دارای آشوب با نامعینی و اغتشاش یک کنترلکننده مبتنی بر کنترل مد لغزشی ترمینال بر اساس تئوری لیاپانوف با یک سطح لغزش جدید طراحی میگردد. سطح لغزش پیشنهادشده در این روش، ترکیبی از سطح لغزش مد لغزشی ترمینال متداول...
سیستم های مخابراتی آشوب گون یکی از روش های نوین ارسال داده می باشد که با پیشرفت تکنولوژی کاربرد بسیاری پیدا کرده اند. از دینامیک آشوب گون به علت غیر پریودیک بودن وخواص ذاتی پهن باند در سیستم های باند فوق پهن استفاده می شود. به علت حساس بودن دینامیک آشوب به شرایط اولیه، رشته های آشوب گون روش کم هزینه ای برای ساخت رشته های گسترش دهنده در سیستم های طیف گسترده می باشند. انواع روش های مدولاسیون و دم...
در دهههای اخیر بهدلیل اهمیت یافتن مسئله آب و همینطور افزایش تمایل به محاسبه مقدار رواناب حاصل از بارش، توسعه و اجرای روشهای مناسب برای پیشبینی رواناب از روی دادههای بارش به مسئلهای ضروری تبدیل شده است. یکی از این روشها که در بسیاری از رشتهها از جمله هیدرولوژی توسعه یافته است، استفاده از روشهای محاسبات نرم نظیر منطق فازی و شبکههای عصبی مصنوعی است. در این تح...
در این مقاله کنترل کننده مد لغزشی ترمینال انتگرالی هوشمند با یک سطح لغزشی جدید مبتنی بر سیستم استنتاج فازی- عصبی تطبیقی، برای کنترل آشوب پیشنهاد می گردد. ابتدا برای یک کلاس از سیستمهای دارای آشوب با نامعینی و اغتشاش یک کنترلکننده مبتنی بر کنترل مد لغزشی ترمینال بر اساس تئوری لیاپانوف با یک سطح لغزش جدید طراحی میگردد. سطح لغزش پیشنهادشده در این روش، ترکیبی از سطح لغزش مد لغزشی ترمینال متداول ...
دراین تحقیق سعی گردیده است تا در جهت اجرای نگرش مدیریت فعال پرتفوی، روشی برای انجام معاملات هوشمند براساس قیمت پیش بینی شده سهام در یک بازه زمانی چهار ساله مشخص ارائه گردد. ابتدا با استفاده از روش مارکویتز وزن های هریک از شش سهم پرتفوی شش سهمی ساخته شده در هریک از سال های بازه زمانی چهار ساله را بدست می آوریم. سپس با استفاده از بیست ودو نماگر تکنیکی (ویژگی های هر سهم) که به عنوان ورودی های الگو...
در این مقاله از شبکههای عصبی برای شناسایی خواص ترمودینامیکی محلول لیتیوم برماید-آب که یکی از پرکاربردترین محلول ها در شبیه سازی های ترمودینامیکی می باشد، استفاده شده است. برای آموزش شبکه عصبی از داده های شبیه سازی شده ناشی از تحلیل ترمودینامیکی استفاده شده است. به جای استفاده از معادلات پیچیده دیفرانسیلی و داده های تجربی محدود، استفاده از مدل شبکه عصبی استخراج شده پاسخ های سریع تر و ساده تری ر...
پژوهش حاضر به مقایسه مدلهای شبکه عصبی و سریزمانی در پیشبینی قیمت شاخص سهام میپردازد. بدین جهت سه مدل از شبکههای عصبی(پروسپترونی چند لایه ،پایهای شعاعی و رگرسیونی) و یک مدل از مدلهای سریزمانی (باکس- جنکینز) مورد بررسی قرار گرفتهاند. شاخص کل قیمت سهام بازار بورس تهران در بازه زمانی ابتدای فروردین 1384 تا انتهای اسفند 1388 به عنوان جامعه آماری انتخاب شده است. به منظور داشتن معیاری برای ...
در این تحقیق، واکنش کافئیک اسید و 2- فنیل اتانول در حضور لیپاز تثبیت شده از مخمر آنتارکتیکا (نووزیم 435) به منظور تولید کافئیک اسید فن اتیل استر در سیستم ایزواکتان با استفاده از روش های شبکه عصبی مصنوعی و ژنتیک الگوریتم مدل سازی و بهینه گردید. بدین منظور ازیک طرح مرکب مرکزی چرخش پذیر با 4 متغیر و 5 سطح جهت مدل کردن واکنش آنزیمی به کمک شبکه عصبی مصنوعی استفاده شد. متغیرهای مستقل شامل دما، زمان، ...
نمودار تعداد نتایج جستجو در هر سال
با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید