معرفی و فرمول بندی شبکه های عصبی کسری و مقایسه آن با شبکه عصبی ساده در یک سیستم خاص
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی امیرکبیر(پلی تکنیک تهران) - دانشکده مهندسی برق
- نویسنده عارفه برومند
- استاد راهنما محمدباقر منهاج
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1387
چکیده
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 این پایان نامه بسط و توسعه شبکه های عصبی ساختار یافته با استفاده از محاسبات کسری می باشد. با معرفی اپراتورهای کسری و شیوه های حل معادلات دیفرانسیلی درجه کسری، سیستمهای درجه کسری معرفی و برخی مفاهیم کنترلی توسعه یافته اند. سپس به منظور استفاده از اپراتورهای کسری در ساختار شبکه های عصبی، شبکه هاپفیلد پیوسته مبنای کار برای فرموله کردن مساله قرار گرفته و آنالیز پایداری شبکه هاپفیلد کسری با انتخاب تابع انرژی شبکه به عنوان تابع کاندید لیاپانوف صورت می گیرد. قوانین تنظیم پارامترهای شبکه هاپفیلد کسری برای حل مساله شناسایی پارامترهای سیستمهای خطی درجه صحیح و کسری به طور جداگانه، به گونه ای استخراج می شوند که تابع خطای شناسایی مینیمم شود. نتایج نشان می دهند وجود پارامتر طراحی انتخاب درجه کسری شبکه عصبی، منجر به افزایش اختیارات طراح در کوچک کردن خطای شناسایی و به عبارتی بهبود عملکرد شناساگر کسری در مقابل شناساگر استاندارد شده است. در ادامه به منظور حل مساله شناسایی سیستمهای غیر خطی از ساختار جامع تری برای شبکه های عصبی درجه کسری معرفی شده استفاده می شود. در این شبکه ها که شبکه های عصبی دیفرانسیلی درجه کسری نامیده می شوند. با فرض انطباق کامل شناساگر غیر خطی کسری بر مدل سیستم تحت شناسایی و قابل اندازه گیری بودن تمامی متغیرهای حالت سیستم، قوانین یادگیری بر اساس متد لیاپانوف برای تنظیم پارامترهای شبکه عصبی دیفرانسیلی درجه کسری استخراج شده و اثبات می شود که خطای تخمین به صورت مجانی پایدار جامعه بوده و به صفر میل می نماید. مقایسه شبکه عصبی دیفرانسیلی درجه کسری و درجه صحیح نشان می دهد که استفاده از اپراتورهای کسری در ساختار شبکه های عصبی، افزایش ناحیه جذب، افزایش مقاوت در برابر نویز حالت و انطباق بیشتر مدل شناساگر عصبی بر مدل سیستم غیر خطی را نتیجه می دهد.
منابع مشابه
مقایسه تأثیر وضعیت طاق باز و دمر بر وضعیت تنفسی نوزادان نارس مبتلا به سندرم دیسترس تنفسی حاد تحت درمان با پروتکل Insure
کچ ی هد پ ی ش مز ی هن ه و فد : ساسا د مردنس رد نامرد ي سفنت سرتس ي ظنت نادازون داح ي سکا لدابت م ي و نژ د ي سکا ي د هدوب نبرک تسا طسوت هک کبس اـه ي ناـمرد ي فلتخم ي هلمجزا لکتورپ INSURE ماجنا م ي دوش ا اذل . ي هعلاطم ن فدهاب اقم ي هس عضو ي ت اه ي ندب ي عضو رب رمد و زاب قاط ي سفنت ت ي هـب لاتـبم سراـن نادازون ردنس د م ي سفنت سرتس ي لکتورپ اب نامرد تحت داح INSURE ماجنا درگ ...
متن کاملفرمول بندی شبکه برای آنالیز سیستم های نیروی برق
در این مقاله خلاصه ای از عملیا ت مقدماتی ماتریسی بمنظور آنالیز سیستم های قدرت با استفاده از کامپیوتر عرضه خواهد شد . مطالب مورد بررسی عبارتند از شبکه پرمتیو ، وپولوژی شبکه های الکتریکی ، تبدیل مختصات ماتریسهای ادمیتانس شمش و امپدانس شمش ، ماتریسهای امپدانس حلقه و ادمیتانس حلقه و توضیحات تکمیلی .
متن کاملمقایسه عملکرد شبکه های عصبی مصنوعی و شبکه های عصبی موجکی در پیش بینی درصد شکستگی جو در کمباین برداشت
در این تحقیق، نحوه عملکرد شبکه های عصبی موجکی با شبکه های عصبی مصنوعی در پیش بینی درصد شکستگی دانه های جو در کمباین مقایسه شد. شبکههای مزبور به صورت تابعی از درجه حرارت هوا، سرعت کوبنده، سرعت پیشروی کمباین، فاصله کوبنده و ضدکوبنده در جلو و عقب واحد کوبنده و درصد رطوبت جو آموزش داده شد. شبکه عصبی موجکی (RASP1) با دقت 2/90 درصد در پیش بینی شکستگی دانه جو به عنوان یک جایگزین مناسب برای شبکههای...
متن کاملطراحی یک سیستم هوشمند مبتنی بر شبکه های عصبی و ویولت برای تشخیص آریتمی های قلبی
In this paper, Automatic electrocardiogram (ECG) arrhythmias classification is essential to timely diagnosis of dangerous electromechanical behaviors and conditions of the heart. In this paper, a new method for ECG arrhythmias classification using wavelet transform (WT) and neural networks (NN) is proposed. Here, we have used a discrete wavelet transform (DWT) for processing ECG recordings, and...
متن کاملمقایسه قدرت مدل های شبکه عصبی مصنوعی و شبکه عصبی پویا در پیش بینی نرخ ارز: کاربردی از تبدیل موجک
این مطالعه تلاشی است در جهت بهکارگیری ترکیب مدل شبکهی عصبی پویا و تجزیهی موجک جهت میسر نمودن امکان انتخاب یک الگوی بهینه جهت پیشبینی متغیر مذکور میباشد. جهت تحقق این مهم، از دادههای سریزمانی ماهانهی نرخ ارز طی بازهی زمانی فروردین 1377 الی آذر 1391، که مشتمل بر 177 مشاهده بوده که از این بین، تعداد 150 مشاهده جهت مدلسازیها استفاده شده و تعداد 27 مشاهده نیز جهت شبیهسازی و یا به بیان دی...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی امیرکبیر(پلی تکنیک تهران) - دانشکده مهندسی برق
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023