شناسایی ترکیب غیرمسلط عوامل کنترلی در مسأله چندپاسخه با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک

شناسایی ترکیب غیرمسلط عوامل کنترلی در مسئله‌ی چندپاسخه با استفاده از شبکه‌ی عصبی مصنوعی و الگوریتم ژنتیک

شروع{چکیده} یافتن بهترین ترکیب عوامل کنترلی برای بهینه‌سازی توأمان چندین متغیر پاسخ که اکثراً با یکدیگر در تضادند، یکی از مهم‌ترین نیازهای مسائل صنعتی است. روش معمول برای حل این‌گونه مسائل استفاده از رگرسیون چندجمله‌یی برای شناسایی روابط بین عوامل کنترلی و متغیرهای پاسخ است، در حالی که شبکه‌ی عصبی مصنوعی در حالاتی که این روابط پیچیده باشد قابلیت مناسب‌تری از خود نشان می‌دهند. در این نوشتار، ...

شناسایی ترکیب غیرمسلط عوامل کنترلی در مسئله ی چندپاسخه با استفاده از شبکه ی عصبی مصنوعی و الگوریتم ژنتیک

شروع{چکیده} یافتن بهترین ترکیب عوامل کنترلی برای بهینه سازی توأمان چندین متغیر پاسخ که اکثراً با یکدیگر در تضادند، یکی از مهم ترین نیازهای مسائل صنعتی است. روش معمول برای حل این گونه مسائل استفاده از رگرسیون چندجمله یی برای شناسایی روابط بین عوامل کنترلی و متغیرهای پاسخ است، در حالی که شبکه ی عصبی مصنوعی در حالاتی که این روابط پیچیده باشد قابلیت مناسب تری از خود نشان می دهند. در این نوشتار، برخل...

پیش‌بینی شاخص سهام با استفاده از ترکیب شبکه عصبی مصنوعی و مدل‌های فرا ابتکاری جستجوی هارمونی و الگوریتم ژنتیک

هدف پژوهش حاضر پیش‌بینی شاخص قیمت بورس اوراق بهادار تهران با استفاده از مدل شبکه عصبی هیبریدی مبتنی بر الگوریتم ژنتیک و جستجوی هارمونی است. مربوط‌ترین نماگرهای تکنیکی به عنوان متغیرهای ورودی و تعداد بهینه نرون در لایه پنهان شبکه عصبی مصنوعی با استفاده از الگوریتم‌های فراابتکاری ژنتیک و جستجوی هارمونی حاصل می‌گردد. مقادیر روزانه شاخص قیمت بورس اوراق بهادار تهران از تاریخ 1/10/91 الی 30/9/94 جهت ...

مدل‌سازی فرایند تبدیل خشک متان به‌کمک پلاسما با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک

 پیش‌بینی فراورده‌های (هیدروژن و کربن مونوکسید) تبدیل خشک متان به‌کمک پلاسما در فشار جوی با استفاده از شبکه عصبی مصنوعی شبیه‌سازی شد. داده‌های تجربی موردنیاز برای مدل‌سازی شبکه عصبی مصنوعی از یک واکنشگاه پلاسمایی تخلیه کرونا جمع‌آوری شد. اثر عامل‌های فرایندی (توان تخلیه پلاسما، دبی خوراک ورودی) بر کارایی تبدیل متان و گزینش‌پذیری نسبت به فراورده‌های مورد بررسی قرار گرفتند. شبکه پیش‌خور با الگوری...

بهینه‌سازی فرایندهای عملیاتی پیش تصفیه آب صنعتی با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک

شناسایی دستکاری قیمت سهام از طریق مدل ترکیبی الگوریتم ژنتیک – شبکه عصبی مصنوعی و مدل SQDF

هدف این پژوهش، شناسایی دستکاری قیمت سهام در بورس اوراق بهادار تهران می­باشد که از طریق مدل ترکیبی الگوریتم ژنتیک-شبکه عصبی مصنوعی (ANN-GA)[1] و مدل تابع تفکیکی درجه دوی تعدیل شده (SQDF)[2] انجام گرفته است. در این پژوهش از متغیرهای قیمت، حجم معاملات و سهام شناور آزاد برای تطبیق نتایج مدل و داده­های واقعی از دستکاری قیمت استفاده شده است. در مدل ترکیبی ابتدا داده­های مربوط به 316 شرکت از نخستین رو...