شناسایی سازه با استفاده از شبکه عصبی موجک بهبود یافته فازی

پایان نامه
چکیده

در این پژوهش یک شبکه عصبی موجک بهبود یافته ی فازی با فیدبک داخلی برای شناسایی سازه طراحی و پیشنهاد خواهد شد و جهت شناسایی سازه ها مورد استفاده قرار می گیرد. فیدبک داخلی با افزودن بازخورد در لایه دوم از شبکه های موجک عصبی در حقیقت المان حافظه را به شبکه اضافه کرده و باعث می شود سیستم رفتار زمانی مناسبی از خود نشان دهد.برای تنظیم پارامترهای شبکه، الگوریتم لونبرگ- مارکواردت بهبود یافته به همراه روش حداقل مربعات معمولی به کار گرفته شده و برای بهبود عملکرد این الگوریتم از یک ناظر فازی برای تنظیم پارامترهای آموزش استفاده می شود. همچنین یکی از فاکتورهای مهم در آموزش شبکه مقدار دهی اولیه ی پارامترهای شبکه می باشد. مقدار دهی اولیه پارامترهای قابل تنظیم شبکه، تأثیر بسزایی در روند همگرایی و تضمین همگرایی شبکه دارد. از این رو در این پژوهش از یک الگوریتم دسته بندی فازی برای مقدار دهی اولیه ی پارامتر انتقال موجک و از روش حداقل مربعات برای مقداردهی اولیه ی وزن های شبکه استفاده خواهد شد. مقداردهی اولیه بقیه ی پارامترهای متغیر شبکه از قبیل پارامتر بسط موجک و ضریب مسیر بازگشتی گره موجک، به صورت تصادفی است.

منابع مشابه

تخمین عملکرد کمی و کیفی نیشکر با استفاده از شبکه فازی- عصبی تطبیقی بهبود یافته با الگوریتم بهینه‌سازی ازدحام ذرات

متغیرهای مختلفی بر عملکرد مزارع نیشکر تأثیر‌گذارند. با بررسی این متغیرها و تعیین میزان اثر هر یک از آنها می‌توان به راهکارهایی به‌منظور افزایش بهره‌وری مزارع نیشکر دست یافت. امروزه استفاده از یافته‌های هوش مصنوعی و داده کاوی برای کمک به پیش‌بینی تولید محصول مورد توجه قرار گرفته است. هدف از این مقاله، معرفی روش‌ هوشمند سیستم استنتاج فازی- عصبی تطبیقی و ترکیب این تکنیک با الگوریتم بهینه‌س...

متن کامل

شناسایی ترک با تحلیل فرکانسهای طبیعی سازه با استفاده از شبکه های عصبی نوع gmdh و سیستم عصبی- فازی anfis

وجود ترک در سازه، موجب نرمی محلی و تغییر در خواص سختی و رفتار دینامیکی سازه می شود. رفتار دینامیکی سازه دارای ترک، به عمق و مکان ترک بستگی دارد؛ از این رو می توان برای شناسایی عمق و مکان ترک از تغییرات رفتار دینامیکی سازه ناشی از ترک، استفاده نمود. در این مقاله ابتدا سه فرکانس طبیعی اول یک تیر یکسردرگیر که یک ترک سطحی باز برای ده عمق ترک مختلف و برای سی مکان مختلف در آن ایجاد شده است، با استفاد...

متن کامل

شناسایی محل بانک خازنی کلیدزنی شده در شبکه توزیع با استفاده از شبکه عصبی-فازی

در این مقاله، روش جدیدی برمبنای سیستم عصبی فازی (ANFIS) برای مکان یابی بانک خازنی کلیدزنی شده در شبکه توزیع ارائه می شود. این روش بر اساس شاخصی عمل می کند که از طریق آنالیز حالت گذرای جریان بدست می آید و از این شاخص برای آموزش شبکه عصبی فازی استفاده می شود. این شاخص را می توان بصورت Offline یا Online بوسیله ی اطلاعات کیفیت توان سیستم محاسبه نمود. روش بیان شده فقط از شکل موج حالت گذرای جریان است...

متن کامل

شناسایی خسارت در سازه با استفاده از پردازش سیگنال و شبکه های عصبی مصنوعی

در طول دو دهه اخیر بحث شناسایی خرابی و پایش سلامت سازه ها با هدف کاهش هزینه نگهداری و بهبود ایمنی و قابلیت اطمینان سازه مورد توجه قرار گرفته است. پس از وقوع زلزله با توجه به وضعیت بحرانی موجود و تعداد زیاد سازه های بلند مرتبه امکان مراجعه حضوری به تک تک سازه ها وجود ندارد. این موضوع اهمیت توسعه روش هایی که بتوانند تنها با استفاده از سیگنال های پاسخ ثبت شده در مدت زمان زلزله، خسارت ایجاد شده در ...

متن کامل

شبکه های عصبی موجک، سامانه های فازی - عصبی و من!

کتاب شبکه های عصبی موجک در نگاه نخست کتابی جامع و مفید می نماید اما با نگاهی دقیق تر در آن اشکالاتی به چشم می خورد که چندان شایستۀ کتابی «شایستۀ تدریس» نمی نماید. آشفتگی یا اشتباه در گزینش برابرنهادها، اشتباهات نوشتاری نسبتاً پرشمار، نبودی فهرستی از «نمادها، اختصارات، شکل ها و جداول»، اختصاص یافتن واژه نامۀ پایان کتاب به اصطلاحات به کار رفته در مقالات خود مؤلف و اشکالاتی دیگر همگی از سودمندی این...

متن کامل

منابع 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 اصفهان - دانشکده مهندسی برق و کامپیوتر

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023