نتایج جستجو برای: شبکه عصبی تطبیقی موجک

تعداد نتایج: 61632  

پایان نامه :وزارت علوم، تحقیقات و فناوری - دانشگاه شهید چمران اهواز 1392

پیش بینی صحیح و مناسب فرآیندهای هیدرولوژیکی می تواند کمک شایانی در زمینه طراحی بهینه پروژه های آبی و مهندسی و نیز جلوگیری از خطرات ناشی از آنها داشته باشد. در این راستا مدلسازی منطقی و مناسب فرآیند بارش-رواناب به عنوان اولین و مهمترین گام در راستای مبارزه و مقابله با سیلاب به عنوان یک بلای طبیعی می باشد. لیکن این فرآیند استوکاستیک به عوامل و پارامترهای مختلفی از جمله شرایط آب و هوا، رطوبت، نفوذ...

پایان نامه :وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی اصفهان - پژوهشکده برق و کامپیوتر 1389

امروزه از شبکه های عصبی در زمینه های تحقیقاتی مختلف مانند محاسبات هوشمند، کنترل، شناسایی، پیش بینی سری های زمانی وغیره استفاده می شود. این شبکه ها به دو گروه شبکه های عصبی پیشرو و شبکه های عصبی بازگشتی طبقه بندی می شوند. شبکه های عصبی پیشرو استاتیکی می باشند به این مفهوم که خروجی آنها فقط به ورودی های فعلی شبکه بستگی دارد و این شبکه ها حافظه ندارند. شبکه های عصبی بازگشتی یک تعمیم از شبکه های عص...

ژورنال: نشریه هیدروفیزیک 2016

جریان‌های سطحی اقیانوسی، نقش مهمی در انتقال گرما و تغییرات آب و هوایی دارد. ازاین‌رو، پیش‌بینی جریان‌های دریایی از اهمیت بسزایی در اقیانوس‌شناسی برخوردار است. در این پژوهش با به‌کارگیری شبکه‌‌عصبی و تکنیک تبدیل موجک به پیش‌بینی جریان‌های سطحی تنگه‌هرمز پرداخته شده است. بدین منظور داده‌های ثبت‌شده این حوزه از نوامبر سال 1992 تا دسامبر سال 2014 با گام زمانی 5 روزه از سایت ناسا تهیه و با به‌کا...

ژورنال: آبخیزداری ایران 2015

پیش‌بینی مؤلفه‌های باد از جمله سرعت باد یکی از عوامل مهم به خصوص در بحث تبخیر در یک حوزه آبخیز محسوب می‌گردد. در این مقاله سعی گردید، جهت افزایش کارایی مدل‌های هوش مصنوعی، در پیش‌بینی سرعت باد، دو مدل شبکه عصبی و فازی-عصبی با تئوری موجک ترکیب شده و دو مدل هیبرید جدید ارائه گردید. در این تحقیق با استفاده از برخی پارامتر‌های اقلیمی ایستگاه همدیدی یزد از جمله سرعت باد، دمای متوسط، دمای بیشینه، رطو...

پایان نامه :وزارت علوم، تحقیقات و فناوری - دانشگاه بوعلی سینا - دانشکده مهندسی 1390

جبرانسازی سری با خازن روشی است که در سیستم های قدرت برای کاهش مشکلات ناشی از راکتانس خطوط انتقال استفاده می شود. با کاهش راکتانس موثر خطوط، این خازن ها می توانند پایداری گذرا را افزایش و قابلیت بارپذیری این خطوط را بهبود دهند و همچنین با کنترل مقدار این راکتانس می توان بار به اشتراک گذاشته بین خطوط موازی را بهتر کنترل نمود. این فواید باعث شده است که این خازن ها بطور گسترده ای در سیستم های قدرت ...

ژورنال: :فصلنامه نقد کتاب علوم محض و کاربردی 0
داریوش کرامتی

کتاب شبکه های عصبی موجک در نگاه نخست کتابی جامع و مفید می نماید اما با نگاهی دقیق تر در آن اشکالاتی به چشم می خورد که چندان شایستۀ کتابی «شایستۀ تدریس» نمی نماید. آشفتگی یا اشتباه در گزینش برابرنهادها، اشتباهات نوشتاری نسبتاً پرشمار، نبودی فهرستی از «نمادها، اختصارات، شکل ها و جداول»، اختصاص یافتن واژه نامۀ پایان کتاب به اصطلاحات به کار رفته در مقالات خود مؤلف و اشکالاتی دیگر همگی از سودمندی این...

پایان نامه :وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی اصفهان 1379

رله های حفاظتی در سیستم قدرت وظیفه تشخیص خطاها از جمله اتصال کوتاه ها را بعهده دارند. اما گاهی خطاهایی از طریق یک جسم واسط با امپدانس بالا رخ می دهد که توسط رله های معمول قابل شناسایی نیستند زیرا در اینگونه خطاها جریان خطا در حد جریان بار یا کمتر محدود می شود. از جمله متداولترین این خطاها که به خطاهای امپدانس بالا معروف هستند، پارگی یک فاز و افتادن آن روی زمین می باشد. تشخیص و رفع این خطاها از ...

پایان نامه :وزارت علوم، تحقیقات و فناوری - دانشگاه قم - دانشکده فنی 1391

امروزه مدیریت در برداشت و مصارف آب به توان و پتانسیل آبدهی و کیفیت منابع آب وابسته است. از اینرو بررسی و پیش بینی تغییرات پارامترهای کیفی آب در طول یک رودخانه بایستی مورد توجه قرار گیرد. جهت تحقق این امر، مدل های متعددی در زمینه مدیریت و پیش بینی کیفیت آب استفاده می شود. پیش بینی دقیق سری زمانی، انگیزه محققان برای توسعه مدل های نو در زمینه مدیریت منابع آب می باشد. یکی از روشهایی که در سالهای اخ...

در این مقاله روش کمینه‌سازی توابع هدف با کمک شبکه‌های عصبی موجک چند لایه، جهت مدل‌سازی توموگرافی یونوسفر به عنوان یک روش جدید ارائه شده است. براساس روش توموگرافی، تابع هدفی تعریف گردیده و سپس با کمک شبکه‌های عصبی موجک چند لایه (WNN) طراحی شده، مقدار این تابع هدف به کمترین میزان خود می‌رسد. جهت بهینه‌سازی وزن‌ها و بایاس‌ها در شبکه‌های عصبی، می‌بایستی از یک الگوریتم آموزش مناسب بهره گرفت. به همین...

ژورنال: :کنترل 0
جعفر طاووسی jafar tavoosi دانشگاه تبریز محمد علی بادامچی زاده mohammad ali badamchizadeh دانشگاه تبریز سحرانه قائمی saharaneh ghaemi

شبکه های عصبی فازی نوع-2 توانایی بالایی در شناسایی و کنترل سیستم های غیرخطی، سیستم های تغییرپذیر با زمان و نیز سیستم های دارای نامعینی دارند. در این مقاله روش طراحی کنترل کننده معکوس تطبیقی عصبی فازی نوع-2 جهت کنترل برخط سیستم های دینامیکی غیرخطی مورد بررسی قرار گرفته است. ابتدا ساختار کلاسی از شبکه های عصبی فازی نوع-2 بازه ای مدل t-s نمایش داده می شود. این شبکه هفت لایه دارد که عملیات فازی ساز...

نمودار تعداد نتایج جستجو در هر سال

با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید