دانلود مقاله انگلیسی رایگان:تراکم و سرعت پیش بینی صدا برای مخلوط های باینری مایعات یونی آب و آمونیوم با استفاده از شبکه های عصبی cascade forward - 2020
بلافاصله پس از پرداخت دانلود کنید

با سلام خدمت کاربران عزیز، به اطلاع می رساند ترجمه مقالاتی که سال انتشار آن ها زیر 2008 می باشد رایگان بوده و میتوانید با وارد شدن در صفحه جزییات مقاله به رایگان ترجمه را دانلود نمایید.

دانلود مقاله انگلیسی شبکه های نورونی رایگان
  • Density and speed of sound prediction for binary mixtures of water and ammonium-based ionic liquids using feedforward and cascade forward neural networks Density and speed of sound prediction for binary mixtures of water and ammonium-based ionic liquids using feedforward and cascade forward neural networks
    Density and speed of sound prediction for binary mixtures of water and ammonium-based ionic liquids using feedforward and cascade forward neural networks

    سال انتشار:

    2020


    عنوان انگلیسی مقاله:

    Density and speed of sound prediction for binary mixtures of water and ammonium-based ionic liquids using feedforward and cascade forward neural networks


    ترجمه فارسی عنوان مقاله:

    تراکم و سرعت پیش بینی صدا برای مخلوط های باینری مایعات یونی آب و آمونیوم با استفاده از شبکه های عصبی cascade forward


    منبع:

    Sciencedirect - Elsevier - Journal of Molecular Liquids, 311 (2020) 113212. doi:10.1016/j.molliq.2020.113212


    نویسنده:

    Alexandre S. Zimmermann⁎, Silvana Mattedi


    چکیده انگلیسی:

    Ionic liquids have attracted a lot of attention in the past years because of some of their properties that distinguish them fromthe classic solvents. Thus, the need for models that can represent their properties without new experimental efforts arises, as experiments are frequently expensive and time-consuming. Neural networks are processing systems capable of simulating biological learning and generalizing the learned functional relations to new cases never seen before. They have been used with success in several areas, like optimization, pattern recognition and function approximation. Therefore, they can be an important asset for properties prediction. This work is focused on designing, training and studying feedforward and cascade forward neural networks for density and speed of sound prediction for binary mixture of water and ammonium-based ionic liquids, using the temperature, mass fraction of ionic liquid and the structural groups of the reagents used to synthesize the ionic liquid as input variables. Besides the synaptic paradigm, some network parameters were also evaluated, namely the hidden neuron number and the number of layers. Also, 13 training algorithms were tested and had their performance evaluated. It was verified a superiority of the Levenberg-Marquardt method and the Bayesian regularization in the training. The proposed neural networks, two 12-10-10-1 cascade forward networks trained with Bayesian regularization, achieved an average absolute relative deviation of 0.0107% for density prediction and 0.1% for speed of sound prediction. The error dispersions showed the networks did not develop trends in prediction.
    Keywords: Neural networks | Ionic liquids | Density | Speed of sound | Thermophysical properties


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 12
    حجم فایل: 763 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi