محاسبات کسری یک مبحث ریاضی است که در طی چندین دهه اخیر کاربرد آن در علوم مهندسی گسترش چشمگیری داشته است. مهمترین مزیت استفاده از اپراتورهای کسری در مدلسازی و طراحی کنترل کننده ها، ایجاد درجات آزادی بالاتر در طراحی و به منظور بهبود عملکرد سیستم می باشد. مطالعه تحقیقات صورت گرفته نشان می دهد تا کنون به شکل کاربردی از محاسبات کسری در شبکه های عصبی استفاده نشده است. از این رو مهمترین هدف از انجام ا...

چکیده ندارد.

افزایش محبوبیت شبکه¬های بی¬سیم، منجر به رشد تقاضای ظرفیت شده است. از طرف دیگر شبکه¬های سلولی فعلی این توانایی را ندارند تا ضمن پاسخ¬گویی به حجم بالای تقاضا، کیفیت مناسبی را نیز برای همه¬¬ی کاربران، به¬ویژه کاربران داخلی فراهم کنند. فمتوسل¬ها ابزار هوشمندی هستند که ارائه¬ی خدمات با نرخ بالا و کیفیت مطلوب را در داخل ساختمان¬ها فراهم می¬کنند. به منظور افزایش بهره وری از طیف فرکانسی فمتوسل ها از من...

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...

به دلیل وجود اختلافاتی همچون مقیاس، دوران و شدت روشنایی و تغییر شکل ناشی از ارتفاع در بین تصاویر ماهواره‌ای، تناظریابی این تصاویر یکی از چالش‌برانگیزترین مسائل در سنجش از دور می‌باشد. این فعالیت به صورت گسترده‌ای در سنجش از دور به منظور طبقه‌بندی چند منبعی، مانیتورینگ محیط، بازرسی تغییرات، موزائیک نمودن تصاویر و ... کاربرد دارد. روش‏های زیادی برای تناظریابی ارائه شده‌اند، یکی از این روش‌ها تناظ...

در این مقاله روش شبکه عصبی هاپفیلد برای تفسیر هوشمند داده های گرانی استفاده شده است. یک شبکه عصبی هاپفیلد برای تخمین عمق چشمه گرانی طراحی شده است. این شبکه طراحی شده برای داده های مصنوعی و واقعی آزمایش شده اند. در مورد داده های واقعی این شبکه برای تخمین عمق یک تونل قنات واقع در موسسه ژئوفیزیک به کار برده شده و نتایج حاصله به مقادیر واقعی عمق بسیار نزدیک است.

در این مقاله روش شبکه عصبی هاپفیلد برای تفسیر هوشمند داده های گرانی استفاده شده است. یک شبکه عصبی هاپفیلد برای تخمین عمق چشمه گرانی طراحی شده است. این شبکه طراحی شده برای داده های مصنوعی و واقعی آزمایش شده اند. در مورد داده های واقعی این شبکه برای تخمین عمق یک تونل قنات واقع در موسسه ژئوفیزیک به کار برده شده و نتایج حاصله به مقادیر واقعی عمق بسیار نزدیک است.

روش شبکه ی عصبی می تواند مسائل بهینه سازی را سریع تر از متداول ترین الگوریتم های بهینه سازی حل کند. ارائه ی یک شبکه ی عصبی بازگشتی برای حل برنامه ریزی خطی توسط تانک و هاپفیلد برای بسیاری از محققین الهام بخش بود تا آنها به دنبال شبکه های عصبی دیگری برای حل مسائل برنامه ریزی خطی و غیرخطی باشند. این پایان نامه یک مدل شبکه ی عصبی بازگشتی با پیوستگی زمانی برای حل برنامه ریزی کسری غیرخطی با هر تابع ...

شبکه عصبی پیشنهادی پروفسور هاپفیلد (hnn) در کاربردهای عملی بسیاری از جمله حافظه‎های به‎هم پیوسته آدرس‎پذیر، تشخیص الگو و چهره و حل مسائل بهینه‎سازی با درجه سختی np مانند مسئله فروشنده دوره‎گرد به کار گرفته شده است. به‎علاوه hnn ابزار بهینه‎ساز مناسبی برای مدل‎سازی و حل مسائل مسیریابی در شبکه‎های ارتباطی نوری و بی‎سیم به شمار می‏رود. شبکه عصبی هاپفیلد از تعدادی واحد پردازش‎گر به نام نرون که همه ...

مرتبط سازی تصویر روند تعیین بهترین تطبیق مکانی بین دو یا چند تصویر بدست آمده در زمان‏های مختلف، از منظرهای متفاوت و یا با سنسورهای مختلف می‏‏باشد که دو تصویر مبنا و ورودی را به صورت هندسی بر هم منطبق می‏‏نماید. این فرآیند شامل چهار مرحله استخراج عوارض، تناظریابی عوارض، محاسبه‏ی تابع تبدیل و نمونه برداری و ترانسفورماسیون می‏‏باشد. هر یک از این موارد نقش مهمی ‏‏‏را در فرآیند مرتبط سازی ایفا می‏‏ن...