پیش بینی کیفیت انگور خشک شده به کمک شبکه های عصبی مصنوعی

پیش بینی برخی خواص خشک کردن دانه های انار، انگور و بنه به کمک شبکه های عصبی مصنوعی

چکیده هدف از این تحقیق برآورد ضریب پخش رطوبت موثر، انرژی مصرفی ویژه، نرخ خشک­کردن و نسبت رطوبت در خشک کردن بستر سیال دانه های انار، انگور و بنه به کمک شبکه­های عصبی مصنوعی می­باشد. سه عامل موثر برای پیش­بینی ضریب پخش رطوبت موثر و انرژی مصرفی ویژه عبارتند از: نوع محصول، سرعت هوای ورودی، دمای هوای ورودی. برای پیش­بینی نرخ خشک­کردن و نسبت رطوبت از چهار عامل موثر استفاده شد که عبارت بودند از: نوع م...

پیش بینی زبری سطح در تراش کاری خشک به کمک شبکه های فازی- عصبی تطبیقی

Optimization of machining parameters is very important and the main goal in every machining process. Surface finishing prediction is a pre-requirement to establish a center for automatic machining operations. In this research, a neuro-fuzzy approach is used in order to model and predict the surface roughness in dry turning. This approach has both the learning capability of neural network and li...

پیش بینی زبری سطح در تراش کاری خشک به کمک شبکه های فازی- عصبی تطبیقی

پیش بینی زبری سطح یک پیش نیاز اساسی برای ایجاد یک مرکز ماشین کاری خودکار می باشد. بهینه سازی فرآیند ماشین کاری در این راستا از اهمیت خاصی برخوردار است. در این مقاله از رهیافت ترکیبی فازی- عصبی (سیستم استنتاج فازی- عصبی تطبیقی ANFIS) به منظور پیش بینی زبری سطح در تراش کاری خشک استفاده شده است. به طوری که داده های حاصل از آزمایش ها به منظور ایجاد قواعد فازی و ویرایش این قواعد به کمک شبکه های عصبی...

انتخاب نمودارهای بهینه در پیش بینی اشباع و تخلخل به کمک شبکه های عصبی مصنوعی

پیش بینی مشخصات سخت شده بتن خودتراکم الیافی به کمک شبکه های عصبی مصنوعی

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...

پیش بینی قیمت محصولات کشاورزی به کمک الگوهای شبکه عصبی مصنوعی و سری زمانی