دانلود و نمایش مقالات مرتبط با Neural network (NN)::صفحه 1

بلافاصله پس از پرداخت دانلود کنید

کارابرن عزیز، مقالات سایت ( همگی جزو مقالات isi می باشند) بالاترین کیفیت ترجمه را دارند، ترجمه آنها کامل و دقیق می باشد (حتی محتوای جداول و شکل های نیز ترجمه شده اند) و از بهترین مجلات isi مانند IEEE، Sciencedirect، Springer، Emerald و ... انتخاب گردیده اند.

پشتیبانی
اپلیکشن اندروید
آرشیو مقالات
ورود اعضا
توجه توجه توجه !!!!
تمامی مقالات ترجمه شده ، انگلیسی و کتاب های این سایت با دقت تمام انتخاب شده اند. در انتخاب مقالات و کتاب ها پارامترهای جدید بودن، پر جستجو بودن، درخواست کاربران ، تعداد صفحات و ... لحاظ گردیده است. سعی بر این بوده بهترین مقالات در هر زمینه انتخاب و در اختیار شما کاربران عزیز قرار گیرد. ضمانت ما، کیفیت ماست.
نرم افزار winrar

از نرم افزار winrar برای باز کردن فایل های فشرده استفاده می شود. برای دانلود آن بر روی لینک زیر کلیک کنید
دانلود

پیوندهای کاربردی
پیوندهای مرتبط
نتیجه جستجو - Neural network (NN)

تعداد مقالات یافته شده: 4
ردیف عنوان نوع
1 تحلیل پایداری الگوریتم برنامه‌نویسی پویای مکاشفه ای برای سیستم‌های غیرخطی
سال انتشار: 2015 - تعداد صفحات فایل pdf انگلیسی: 8 - تعداد صفحات فایل doc فارسی: 28
در این مقاله قصد داریم به توسعه‌ی یک الگوریتم برنامه‌نویسی پویای مکاشفه ای(HDP) مبتنی بر ارزش-تکرار بپردازیم، با این هدف که بتوان مسئله‌ی کنترل بهینه را برای سیستم‌های غیرخطی تکراری ازنظر زمانی حل کرد. در ابتدا، یک اثبات همگرایی دقیقی از الگوریتم HDP را ارائه خواهیم داد. دوم، مباحث پایداری مربوط به الگوریتم HDP برای سیستم‌های غیرخطی را نیز موردبررسی قرار خواهیم داد. اعتقاد بر آن است که عیب اصلی الگوریتم HDP این بوده که فقط تابع محدودی از دنباله کنترل تکراری می‌تواند تثبیت گردد، و بنابراین تکرارهای نامحدود مورداجرا قرار خواهند گرفت. به‌منظور تصدیق این مسئله، یک نتیجه‌ی پایداری جدیدی را برای الگوریتم HDP ارائه خواهیم داد که نشان می‌دهد که قوانین کنترل تکراری حاصله در پس از تکرارهای محدود می‌تواند پایداری حلقه بسته را تضمین سازد. یک نتیجه‌ی پایداری مشابهی نیز برای سیستم‌های غیرخطی گسسته زمانی به‌دست‌آمده است. بنابراین، کاربرد الگوریتم HDP در سطح زیادی بهبود پیدا می‌کند. ساختار شبکه‌ی عصبی منفرد (NN) نیز به‌منظور پیاده‌سازی الگوریتم بکار گرفته‌شده است. باید خاطرنشان کرد که این الگوریتم را می‌تواند بدون دانستن پویایی‌های داخلی مربوط به سیستم‌ها پیاده‌سازی کرد. درنهایت، نتایج عددی به‌منظور اثبات بهره‌وری متدهایی که توسعه داده‌ایم ارائه خواهد شد.
کلمات کلیدی: همگرایی | پایداری | برنامه‌نویسی پویای مکاشفه ای | کنترل بهینه | تکرار- ارزش
مقاله ترجمه شده
2 تحلیل پایداری الگوریتم برنامه‌نویسی پویای مکاشفه ای برای سیستم‌های غیرخطی
سال انتشار: 2015 - تعداد صفحات فایل pdf انگلیسی: 8 - تعداد صفحات فایل doc فارسی: 32
در این مقاله قصد داریم به توسعه‌ی یک الگوریتم برنامه‌نویسی پویای مکاشفه ای(HDP) مبتنی بر ارزش-تکرار بپردازیم، با این هدف که بتوان مسئله‌ی کنترل بهینه را برای سیستم‌های غیرخطی تکراری ازنظر زمانی حل کرد. در ابتدا، یک اثبات همگرایی دقیقی از الگوریتم HDP را ارائه خواهیم داد. دوم، مباحث پایداری مربوط به الگوریتم HDP برای سیستم‌های غیرخطی را نیز موردبررسی قرار خواهیم داد. اعتقاد بر آن است که عیب اصلی الگوریتم HDP این بوده که فقط تابع محدودی از دنباله کنترل تکراری می‌تواند تثبیت گردد، و بنابراین تکرارهای نامحدود مورداجرا قرار خواهند گرفت. به‌منظور تصدیق این مسئله، یک نتیجه‌ی پایداری جدیدی را برای الگوریتم HDP ارائه خواهیم داد که نشان می‌دهد که قوانین کنترل تکراری حاصله در پس از تکرارهای محدود می‌تواند پایداری حلقه بسته را تضمین سازد. یک نتیجه‌ی پایداری مشابهی نیز برای سیستم‌های غیرخطی گسسته زمانی به‌دست‌آمده است. بنابراین، کاربرد الگوریتم HDP در سطح زیادی بهبود پیدا می‌کند. ساختار شبکه‌ی عصبی منفرد (NN) نیز به‌منظور پیاده‌سازی الگوریتم بکار گرفته‌شده است. باید خاطرنشان کرد که این الگوریتم را می‌تواند بدون دانستن پویایی‌های داخلی مربوط به سیستم‌ها پیاده‌سازی کرد. درنهایت، نتایج عددی به‌منظور اثبات بهره‌وری متدهایی که توسعه داده‌ایم ارائه خواهد شد.
کلمات کلیدی: همگرایی | پایداری | برنامه‌نویسی پویای مکاشفه ای | کنترل بهینه | تکرار-ارزش
مقاله ترجمه شده
3 طبقه بندی وظایف ذهنی از داده های EEG با استفاده از بهینه سازی الگوریتم جستجوی برگشتی مبتنی بر دسته بندی کننده های عصبی
سال انتشار: 2015 - تعداد صفحات فایل pdf انگلیسی: 7 - تعداد صفحات فایل doc فارسی: 29
رابط هوشی کامپیوتر (BCI) با افزایش تخریب عملکرد شناختی انسان به و سیله ی برگشت سیگنال های هوشی به سیگنال های کنترلی به انجام عملیات می پردازد.. این مقاله به ارائه ی طبقه بندی بهینه ی عصبی با استفاده از بهینه سازی الگوریتم جستجوی برگشتی (BSANN) به منظور طبقه بندی سه وظیفه ی هوشی که شامل تصور حرکتی دست راست یا چپ و تولید عبارات است, می پردازد.BSA یک الگوریتم تکاملی) EA ) می باشد که مناسب برای سرگشایی مسائل غیر طولی و قابل تشخیص است. پارامتر های کنترلی واحد به ارائه ی BSA به عنوان نتیجه ای برای دیگر EU ها به علت درجات پایین غیر مترقبه بودن میپردازند.BSA به نگهداری حافظه ی مربوط به موارد قدیمی به منظور تولید دسته ای از راه حل ها به کار می رود., بنابراین این مورد با استفاده از نتایج به دست آمده از جستجوی نتایج موارد قبلی به کار خود ادامه می دهد. روش پیشنهادی برای BSANN) ) بر روی دسته های داده ای عمومی مربوط به رقابت BCI 5-3 امتحان شده است. نتایج تجربی نشان دهنده ی این قضیه است که به نمایش گذاشتن BSANN دارای نتایج بهتری نسبت به 21 الگوریتم دیگر که برای طبقه بندی وظایف هوشی از نظر صحت طبقه بندی شده اند, بوده است.
کلمات کلیدی: الگوریتم بهینه سازی جستجوی برگشتی(BSA) | رابط هوش کامپیوتر BCI) ) | شبکه ی عصبی طبقه بندی شده هوشی وظیفه ای (NN) | الکترونسفالگرام (EEG)
مقاله ترجمه شده
4 بهینه سازی سیستم HVAC با استفاده از الگوریتم نیرومند ازدحام ذرات چندمنظوره
سال انتشار: 2011 - تعداد صفحات فایل pdf انگلیسی: 9 - تعداد صفحات فایل doc فارسی: 34
در این مقاله، روش داده¬گرا به منظور بهینه¬سازی سیستم گرمسازی، هوارسانی، و تهویه مطبوع (HVAC) در ساختمان اداری، معرفی می¬شود. از الگوریتم شبکه عصبی (NN) (به سبب عملکرد بهتر آن نسبت به پنج الگوریتم دیگری که در این مطالعه مورد بررسی قرار گرفته¬اند) برای ساخت مدل پیش¬بینی¬کننده استفاده شد. سپس، مدل پیش¬بینی NN-گرا، با الگوریتم نیرومند بهینه¬سازی ازدحام ذرات چندمنظوره (S-MOPSO) بهینه شد. رابطه میان مصرف انرژی و سطح دمای راحتی با اندازه¬گیری درجه حرارت و رطوبت، مورد بررسی قرار گرفت. تنظیمات کنترلی با توجه به بهینه¬سازی مدلی که مصرف انرژی را به حداقل برساند و در عین حال درمایی راحتی را در سطح قابل قبولی حفظ نماید، به دست آمد. جواب¬های به دست آمده بوسیله الگوریتم S-MOPSO اشاره به موارد زیادی دارد که باید در سیستم HVAC کنترل شوند، و طیفی از دیگر موارد قابل جایگزین با دمای راحتی و مصرف انرژی را نشان می¬دهد.
کلمات کلیدی: HVAC | بهینه سازی | شبکه عصبی | محاسبات تکاملی | الگوریتم نیرومند ازدحام ذرات چندمنظوره
مقاله ترجمه شده
موضوعات
footer