با ورود شبکه های عصبی به عرصه علوم مختلف از جمله علوم کنترل و نیز با توجه به قابلیتهای جالبی که در این نوع شبکه ها وجود دارد طراحان سیستمهای کنترل، این شبکه ها را جهت شناسایی و کنترل سیستمهای دینامیکی بکار گرفته اند. در این راستا همواره افزایش قابلیتها و کاهش حجم محاسبات این شبکه ها مورد نظر بوده است . شبکه های عصبی بازگشتی (recurrent-nnets) با ایجاد نگاشتهای دینامیک ، دارای قابلیتهای دینامیکی ...

بازشناسی خودکار گفتار در شرایط عدم تطابق دادگان آموزش و آزمون، یکی از چالش های مهم در این مورد است. به منظور کاهش هر چه بیشتر این عدم تطابق، روش های مرسوم، سعی در بهسازی گفتار یا تطابق مدل آماری دارند. در این زمینه از جمله روش های دیگر می توان به آموزش مدل در شرایط مختلف اشاره کرد. موفقیت در این روش ها، در مقابل کارایی سیستم درک و بازشناسی در انسان بسیار ابتدایی به نظر می رسد.در مقاله حاضر با ا...

موفقیت بلندمدت هر کسب و کار، به ایجاد ارزش و رضایت مندی برای مشتریانش وابسته است. این امر موجب خرید دوباره و رشد هم زمان بازار می شود. در این نوشتار با استفاده از مفاهیم شبکه های عصبی، مدلی برای سنجش میزان وفاداری مشتریان نسبت به محصولات خدمات مختلف ارائه شده است. در این مدل پیشنهادی، از شبکه های عصبی خود سازمان ده برای این منظور، استفاده شده است. استفاده از شبکه های عصبی خودسازمان ده به جای شب...

به دلیل وجود اختلافاتی همچون مقیاس، دوران و شدت روشنایی و تغییر شکل ناشی از ارتفاع در بین تصاویر ماهواره ای، تناظریابی این تصاویر یکی از چالش برانگیزترین مسائل در سنجش از دور می باشد. این فعالیت به صورت گسترده ای در سنجش از دور به منظور طبقه بندی چند منبعی، مانیتورینگ محیط، بازرسی تغییرات، موزائیک نمودن تصاویر و ... کاربرد دارد. روش‏های زیادی برای تناظریابی ارائه شده اند، یکی از این روش ها تناظ...

امروزه استفاده ی روز افزون از تجهیزات الکترونیکی و بارهای غیر خطی در سیستم قدرت، مسئله کیفیت توان را به یک موضوع مهم تبدیل کرده است. در این مقاله برای شبیه سازی وقایع کیفیت توان به طور همزمان از دو روش مدل سازی ریاضی و داده های حاصل از شبیه سازی با نرم افزار Pscad استفاده شده است. با توجه به عملکرد بسیار خوب شبکه های عصبی در کارهای تشخیص الگو و طبقه بندی، شبکه عصبی چند لایه برای طبقه بندی وقایع...

مقدمه: در سال های اخیر مفاهیم شبکه های عصبی مصنوعی در کشف اولیه و طبقه بندی بیماری ها متحمل پیشرفت های فراوانی شده است. استفاده از شبکه های عصبی به دلیل توانایی های بالقوه ی آن درکاربردهای پزشکی و در پیدا کردن کنش بین متغیرها، تشخیص و مدل سازی بیماری ها به طور وسیعی مقبول واقع شده است. هدف از این پژوهش، طراحی و پیاده سازی سیستم تصمیم یار مبتنی بر شبکه های عصبی مصنوعی به منظور کشف اولیه ی سرطان ...

سابقه و هدف: مدل سازی سینتیک خشک شدن با استفاده از روشهای جدید مدل سازی از جمله منطق فازی و شبکه های عصبی مصنوعی می تواند به بهینه سازی فرایند و کاهش انرژی مصرفی کمک کند. در این پژوهش علاوه بر مدل سازی رگرسیونی، در رویکردی جدید اصول منطق فازی و شبکه های عصبی مصنوعی به صورت ترکیبی و مکمل هم به کار برده شده و مدلی فازی – عصبی ارائه ودر نهایت توپولوژی بهینه شبکه های عصبی مصنوعی برای خشک کردن پیاز...

برای طرح و مدیریت روسازی، پیش بینی عمر خستگی مخلوطهای آسفالتی، مورد نیاز بوده و مورد توجه پژوهشگران مختلف قرارگرفته است. این تحقیق به دنبال بکارگیری تکنیک شبک ههای عصبی ) ANN ( برای پیش بینی عمر خستگی مخلوطهای آسفالتی است. به دلیل محدودیت و عدم دسترسی به داد ههای جامع آزمایشگاهی مربوط به عمر خستگی در داخل کشور، در این تحقیق از داد ههای آزمایشگاهی ایالت کانزاس آمریکا برای مدل سازی استفاده شده اس...

نرمالیزاسیون رادیومتریک نسبی اغلب در آنالیزهای تصاویر سنجش از دور، مخصوصا در آنالیزهای آشکارسازی تغییرات پوششی اراضی مورد استفاده قرار می گیرد. نرمالیزاسیون، اختلافات رادیومتریکی بین تصاویر، ناشی از نابرابری شرایط تصویربرداری و نه به خاطر تغییرات واقعی در بازتاب سطحی را کاهش می دهد. در این مقاله، یک روش نرمالیزاسیون اتوماتیک، مبتنی بر شبکه های عصبی و پیکسل های تغییرنیافته، معرفی می گردد. در روش...