پیاده سازی rmpbel ترکیبی از الگوریتم bel و شبکه عصبی چند لایه بازگشتی برای استخراج دانش در سیستم های bci

پیاده سازی شبکه های عصبی راف با یادگیری احتمالاتی جهت شناسایی سیستم های غیرخطی

در این مقاله یک شبکه عصبی راف بهبود یافته به منظور شناسایی سیستم  های غیرخطی آشوبی ارائه شده است. شبکه  های عصبی راف نوعی از ساختارهای عصبی هستند که براساس نرون  های راف طراحی می  شوند. یک نرون راف را می  توان بصورت زوجی از نرون  ها در نظر گرفت، که به نرون  های کرانه بالا و کرانه پایین موسوم هستند. رویکرد نرون راف استفاده از محاسبات بازه  ای در شبکه عصبی را امکان پذیر می  سازد، بنابراین می  توا...

بهینه سازی مشخصات ابعادی در اتصال مواد مرکب چند لایه به کمک شبکه عصبی مصنوعی و الگوریتم ژنتیک

در این مقاله حالات و بارهای گسیختگی برای اتصالات چندپینی در ورق مواد مرکب الیاف شیشه­ای اپوکسی تک جهته، با استفاده از روش اجزای محدود و آزمون­های تجربی تحلیل می­شوند. به علاوه با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک، الگویی معرفی می­شود که در آن پین‌ها در موقعیت بهینه‌شده‌ای قرار ‌گیرند. در اتصالات چند پینی، تغییرات گام نسبت به قطر پین، عرض ورق نسبت به قطر پین و نسبت فاصله از لبه ورق به...

طراحی بهینه سیستم قدرت ترکیبی چند منبعی مستقل از شبکه با استفاده از الگوریتم ژنتیک

The annals of history are replete challenges over which feelings have been widely ambivalent. Beyond any shadow of doubt clean and reasonable power production based on environmental problems and lack of fossil fuel sources is one of them. This essay takes an in-depth look at the result of an output simulation of a multi sources hybrid power system includes Wind, PV and Diesel generators to show...

مهندسی شبکه های عصبی توسط اتوماتانهای یادگیر: تعیین اندازه مطلوب برای شبکه های عصبی سه لایه

هدف از مهندسی شبکه های عصبی بررسی معایب و مزایای شبکه های عصبی مصنوعی و ارایه روشهایی برای بهبود کارایی آنهاست. یکی از موضوعات مورد بحث در مهندسی شبکه های عصبی چند لایه، یافتن ساختار مناسب(نزدیک به بهینه) برای حل مسئله می باشد. معیار و نحوه انتخاب اندازه شبکه عصبی برای یک مسئله خاص هنوز شناخته شده نیست. در روشهای کلاسیک،طراح شبکه در ابتدای آموزش ساختاری را برای شبکه تعیین و سپس شبکه را آموزش می...

استفاده از سیستم هوش مصنوعی شبکه های عصبی برای شبیه سازی

شناسایی و استخراج رخساره‌های کانالی با استفاده از شبکه عصبی پرسپترون چند لایه با الگوریتم پس‌انتشار و فیلتر اتصال کوچکترین اجزای ساختاری

رخساره‌های کانالی از جمله پدیده‌های چینه‌شناسی حائز اهمیت از منظر اکتشاف منابع هیدروکربنی هستند که با توجه به عمق تدفین و محتویات سیال، ممکن است قابلیت مخزنی داشته باشند یا به‌عنوان مخاطره حفاری لحاظ شوند. لذا مکان‌یابی دقیق آنها قبل از تعیین هدف و طراحی مسیر حفاری ضروری است. با توجه به حجم بالای داده‌های لرزه‌ای و افزایش روزافزون تعداد نشانگرها، ترکیب نشانگرهای لرزه‌ای با الگوریتم‌های محاسباتی...