در این مقاله، به منظور ارزیابی تأثیر دینامیک های آشوب گونه در افزایش کارایی شبکه های عصبی بازگشتی در بازشناسی مقاوم الگو، دو مدل برای شبکه های عصبی آشوب گونه ارائه شده است. در مدل اول که براساس نظریه انتخاب طبیعی طراحی گردیده است، شبکه عصبی بازگشتی جاذب (arnn) به عنوان هوش حاکم، تنوعات ایجاد شده توسط گره های آشوبی را در جهت رسیدن به جواب بهینه هدایت می نماید. در مدل دوم، ساختاری از شبکه عصبی آش...

این پژوهش با رویکرد ترکیبی، با به‌کارگیری شبکه عصبی بازگشتی مبتنی بر الگوریتم کلونی زنبورعسل مصنوعی (ABC-RNN)، درصدد ارائه مدلی بهینه برای پیش­بینی قیمت سهام در بورس تهران است. برای این منظور با استفاده از داده‌های سهام پذیرفته‌شده در بازار اول تابلوی اصلی بورس تهران که طی سال­های 1390 تا پایان سال 1394 مورد معامله قرارگرفته است، ضمن تعریف مؤلفه­های تکنیکال و بنیادی متعدد، با به‌کارگیری فرآیند ...

کنترل فعال نویز صوتی براساس تولید یک سیگنال نویز دیگر و تداخل آن با نویز اصلی انجام می شود. سیگنال تولید شده دارای دامنه ای برابر با نویز اصلی و 180 درجه اختلاف فاز نسبت به آن می باشد. در این مقاله، کنترل فعال نویز صوتی با استفاده از شبکه های عصبی پیشرو و بازگشتی انجام شده و عملکرد شبکه ها در کاهش نویز مورد بررسی و مقایسه قرار می گیرد. شبکه های عصبی پیشرو و بازگشتی با نویزهای صوتی موجود در پایگ...

فرآیند تقطیر یک فرآیند صنعتی پیچیده و به شدت غیرخطی می باشد. به طور کلی پیدا کردن مدل دقیق تحلیلی از ستونهای تقطیر با خلوص بالا همواره امکان پذیر نمی باشد. از طرفی توسعه مدلهای تحلیلی معمولا وقت گیر و هزینه بر است. برای غلبه بر این مشکلات می توان از مدلهای تجربی نظیر شبکه های عصبی استفاده کرد. یکی از ایرادات اساسی شبکه های عصبی این است که پیش بینی های آن تنها در محدوده اطلاعات شناسایی معتبر است...

برنامه ریزی خطی نیمه نامتناهی، دسته ی مهمی از مسائل بهینه سازی است که بی نهایت قید را شامل می شود. در این مقاله، برای حل این دسته مسائل، یک روش گسسته سازی با یک روش شبکه عصبی ترکیب شده است. با یک گسسته سازی ساده، مسئله برنامه ریزی خطی نیمه نامتناهی به یک مسئله برنامه ریزی خطی تبدیل شده است. سپس از یک مدل شبکه عصبی بازگشتی با یک ساختار ساده بر اساس یک سیستم دینامیکی، برای حل مسئله مورد استفاده ق...

در این مقاله، یک دامنه وسیعی از مسأله برنامه ریزی نیمه معین (sdp) با استفاده از شبکه های عصبی بازگشتی (rnns)  ارائه می شود. sdp یک ابزار عددی مهم برای آنالیز و ترکیب  در سیستم ها و تئوری کنترل است. در اینجا، ابتدا مسأله اصلی را به یک مسأله برنامه ریزی خطی تبدیل کرده، سپس آن را به یک سیستم مرتبه اول از معادلات دیفرانسیل معمولی فرموله می کنیم. در پایان برای حل، یک مدل شبکه عصبی بازگشتی، وابسته به...

امروزه روش­های هوشمند و الهام گرفته از طبعیت در حل مسائل پیچیده طرفداران زیادی دارد یکی از پرطرفدارترین و کاراترین این ساختارها، شبکه­های عصبی مصنوعی هستند که قادرند یک رابطه کلی بین اطلاعات حجیم و پیچیده ناشی از آزمایش­ها و مثال­های تجربی به دست آورند. از طرف دیگر، ترکیب بتن الیافی با بتن خودتراکم، یک نوع بتن جدید با سیالیت بالا و چسبندگی خوب تولید می­کند. این نوع بتن به علت حضور الیاف دارای م...

در این مقاله به منظور بررسی ارتباط بین افت فشار سیکلون جداسازی و پارامترهای هندسی سیکلون غبارگیری، سه نوع شبکه عصبی مصنوعی انتشار بازگشتی[1]، شبکه عصبی تابع پایه شعاعی[2] و شبکه عصبی رگرسیون تعمیم یافته[3] به کارگرفته شده­اند. پس از آموزش آن­ها با داده­های تجربی، پارامترهای بهینه عملکردی هر کدام شبکه ها، با روش جستجوی چند مرحله ای[4] به دست آمده اند. شبکه­ها بر اساس میزان ضریب همبستگی[5]، خطای ...

امروزه روش­های هوشمند و الهام گرفته از طبعیت در حل مسائل پیچیده طرفداران زیادی دارد یکی از پرطرفدارترین و کاراترین این ساختارها، شبکه­های عصبی مصنوعی هستند که قادرند یک رابطه کلی بین اطلاعات حجیم و پیچیده ناشی از آزمایش­ها و مثال­های تجربی به دست آورند. از طرف دیگر، ترکیب بتن الیافی با بتن خودتراکم، یک نوع بتن جدید با سیالیت بالا و چسبندگی خوب تولید می­کند. این نوع بتن به علت حضور الیاف دارای م...