تخمین پارامترهای کیفی روغن زیتون دارای اهمیت ویژه‌ای در روش‌های کنترل کیفیت مدرن است یکی از مهم‌ترین مشکلات در هنگام پیش بینی کیفیت روغن در طی نگهداری، پیچیدگی ویژگی‌های فیزیکو شیمیایی ماده اولیه و اختلاف داده ها به علل مختلف است. مدل‌سازی پایداری اکسایشی روغن زیتون با استفاده از سامانه استنتاج فازی– عصبی تطبیقی می‌تواند به بهبود فرآیند کنترل کیفیت این محصول کمک کند. ثبات اکسایشی یکی از پارامتر...

مقدمه: پیش بینی شاخص های کیفی تصفیه فاضلاب دارای اهمیت زیادی در روش های تصفیه فاضلاب مدرن است. یکی از مهمترین مشکلات در هنگام پیش بینی کارآیی فاضلاب تصفیه شده، پیچیدگی ویژگی های فیزیک و شیمیایی فاضلاب اولیه و اختلاف داده ها به علل مختلف است. مدل سازی تصفیه فاضلاب با استفاده از سامانه استنتاج فازی- عصبی تطبیقی می تواند به بهبود فرآیند کنترل کیفیت فاضلاب کمک کند. هدف از این مطالعه، مدل سازی تصفیه...

در این مقاله یک روش جدید یادگیری تقویتی پیوسته برای مسائل کنترل ارائه می‌شود. روش ارائه شده از ترکیب روش "تکرار سیاست کمترین مربعات " با یک سیستم فازی سوگنوی مرتبه صفر حاصل شده و "تکرار سیاست کمترین مربعات فازی" نامیده شده است. در اینجا برای هر قاعده فازی تعدادی عمل نامزد در نظر گرفته می‌شود. هدف، یافتن مناسب‌ترین عمل نامزد (تالی) برای هر قاعده می‌باشد. با استفاده از بردار شدت آتش قواعد فازی و ...

این رساله به معرفی توابع پایه شعاعی و شبکه های عصبی می پرداد و پس ازآشنایی با ساختار شبکه عصبی مبتنی بر توابع پایه شعاعی به حل برخی از معادلات انتگرال اشاره می کند.

یکی از چالش های یادگیری تقویتی، عدم وجود الگوریتم های قابل اجرا در فضای حالت و عمل پیوسته است که دارای استدلال ریاضی باشند. در این پایان نامه سعی داریم با ارائه یک روش جدید یادگیری تقویتی پیوسته مبتنی بر معماری نقاد-تنها برای مسائل کنترل این چالش ها را برطرف کنیم. روش ارائه شده از ترکیب روش "تکرار سیاست کمترین مربعات" با یک سیستم فازی سوگنوی مرتبه صفر حاصل شده و "تکرار سیاست کمترین مربعات فازی"...

شبکه های عصبی مصنوعی که از جمله مباحث هوش محاسباتی است دارای کاربردهای بسیاری در مباحثی چون بازشناسی آماری الگو، خوشه بندی الگوها و تقریب توابع می باشد. مبانی عملکرد شبکه های عصبی بر استخراج دانش، ویژگی و نگاشت از داخل اطلاعات بر پایه ارائه بهنگام داده های عددی است. اساس پروژه حاضر تقریب توابع با استفاده از شبکه های عصبی است. بدین منظور ابتدائا معنی و مبنای شبکه های عصبی، مفهوم یادگیری در شبکه ...

در این پایان نامه یک مجموعه جدید از توابع متعامد که اصطلاحا توابع ترکیبی می باشند و شامل توابع متعامد shf و tf هستند ارائه کرده ایم که برای موارد زیر به کاربرده می شود : 1- تقریب توابع 2- ترکیب ماتریسهای عملگر انتگرال توابع متعامد shf و tf و بدست آوردن ماتریس عملگر انتگرال در دامنه توابع ترکیبی 3- انتگرال گیری از تابع وابسته به زمان با استفاده از ماتریس عملگر انتگرال در دامنه توابع ترکیبی ...

در این پایان نامه به معرفی و بررسی زیرکلاسu(?,?,?,k)، از توابع تحلیلی نرمال شده در قرص باز واحد ?می پردازیم. این زیرکلاس، کلاس توابع به طور یکنواخت محدب را تعمیم می دهد. به علاوه ویژگی های متنوع تابع ها ی موجود درکلاسu(?,?,?,k)، از قبیل قضیه مشخصه سازی، نامساوی ضرایب، برآورد ضرایب، قضیه دگردیسی، قضیه پوششی، نقاط نهایی، شعاع نزدیک به محدب، شعاع محدب و شعاع ستاره گونی بررسی می گردد. همچنین ارتباط...

ویولتها قادر هستند که یک تابع را در دقتهای مختلف تقریب بزنند. این خاصیت آنها را برای مدل سازی و تقریب سیستمهای غیر خطی مناسب ساخته است. برای بدست آوردن یک تقریب مناسب محاسبه پارامترهای توابع پایه ویولت از اهمیت زیادی برخوردار است. برای محاسبه پارامترهای توابع پایه ویولت روشهای متعددی از جمله روشهای بر مبنای شبکه های عصبی (ویونت) به کار برده شده است. در این مقاله روش جدیدی بر اساس اتوماتای یادگی...