دانلود و نمایش مقالات مرتبط با شبکه عصبی مصنوعی (ANN)::صفحه 1
دانلود بهترین مقالات isi همراه با ترجمه فارسی

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.

نتیجه جستجو - شبکه عصبی مصنوعی (ANN)

تعداد مقالات یافته شده: 13
ردیف عنوان نوع
1 Wake modeling of wind turbines using machine learning
مدل سازی توربین های بادی با استفاده از یادگیری ماشین-2020
In the paper, a novel framework that employs the machine learning and CFD (computational fluid dynamics) simulation to develop new wake velocity and turbulence models with high accuracy and good efficiency is proposed to improve the turbine wake predictions. An ANN (artificial neural network) model based on the backpropagation (BP) algorithm is designed to build the underlying spatial relationship between the inflow conditions and the three-dimensional wake flows. To save the computational cost, a reduced-order turbine model ADM-R (actuator disk model with rotation), is incorporated into RANS (Reynolds-averaged Navier-Stokes equations) simulations coupled with a modified k − ε turbulence model to provide big datasets of wake flow for training, testing, and validation of the ANN model. The numerical framework of RANS/ADM-R simulations is validated by a standalone Vestas V80 2MW wind turbine and NTNU wind tunnel test of double aligned turbines. In the ANN-based wake model, the inflow wind speed and turbulence intensity at hub height are selected as input variables, while the spatial velocity deficit and added turbulence kinetic energy (TKE) in wake field are taken as output variables. The ANN-based wake model is first deployed to a standalone turbine, and then the spatial wake characteristics and power generation of an aligned 8-turbine row as representation of Horns Rev wind farm are also validated against Large Eddy Simulations (LES) and field measurement. The results of ANNbased wake model show good agreement with the numerical simulations and measurement data, indicating that the ANN is capable of establishing the complex spatial relationship between inflow conditions and the wake flows. The machine learning techniques can remarkably improve the accuracy and efficiency of wake predictions.
Keywords: Wind turbine wake | Wake model | Artificial neural network (ANN) | Machine learning | ADM-R (actuator-disk model with rotation) | model | Computational fluid dynamics (CFD)
مقاله انگلیسی
2 Fuzzy logic interpretation of quadratic networks
تفسیر منطق فازی از شبکه های درجه دوم-2020
Over past several years, deep learning has achieved huge successes in various applications. However, such a data-driven approach is often criticized for lack of interpretability. Recently, we proposed arti- ficial quadratic neural networks consisting of quadratic neurons in potentially many layers. In cellular level, a quadratic function is used to replace the inner product in a traditional neuron, and then under- goes a nonlinear activation. With a single quadratic neuron, any fuzzy logic operation, such as XOR, can be implemented. In this sense, any deep network constructed with quadratic neurons can be interpreted as a deep fuzzy logic system. Since traditional neural networks and quadratic counterparts can represent each other and fuzzy logic operations are naturally implemented in quadratic neural networks, it is plau- sible to explain how a deep neural network works with a quadratic network as the system model. In this paper, we generalize and categorize fuzzy logic operations implementable with individual quadratic neu- rons, and then perform statistical/information-theoretic analyses of exemplary quadratic neural networks.
Keywords: Machine learning | Artificial neural network (ANN) | Quadratic network | Fuzzy logic
مقاله انگلیسی
3 Application of artificial neural network (ANN) model for prediction and optimization of coronarin D content in Hedychium coronarium
استفاده از مدل شبکه عصبی مصنوعی (ANN) برای پیش بینی و بهینه سازی محتوای coronarin D در Hedychium coronarium-2020
The pharmacological properties of Hedychium coronarium Koen. is due to the presence of its active constituent Coronarin D. Coronarin D has been found to possess a myriad of therapeutic activities ranging from antimicrobial to anticancer. Coronarin D content in H. coronarium greatly differs in different habitat. In this study, an artificial neural network (ANN) based model was developed to investigate the influence of abiotic factors (climate and soil) and predict a suitable region for cultivation of H. coronarium with high content of coronarin D. The experimental dataset of 50 was generated by collecting H. coronarium rhizomes from 50 different geographical locations distributed in five different states of India. For each location, 18 input parameters were considered including soil nutrients (micronutrients and macronutrients) and climatic factors. Datasets were randomly partitioned with 72 %, 14 % and 14 % for training, validation and testing dataset, respectively. HPTLC analysis revealed coronarin D content to vary from 0.136 to 0.687 mg/100 mg dry wt among 50 H. coronarium rhizomes. Results showed that the multilayer perceptron (MLP) neural network with single hidden layer containing 5 neurons namely 18-5-1 structure could predict the coronarin D content accurately with a correlation coefficient (R2) of 0.891 and root mean square error (RMSE) of 0.06. Sensitivity analysis revealed the effect of altitude, manganese and zinc on predicted coronarin D content to be slightly higher compared to other factors. The developed ANN model will assume a great significance in the prediction of the proper regions/site for optimum coronarin D yield in H. coronarium.
Keywords: Artificial neural network | Coronarin D | Environmental factor | Hedychium coronarium | Soil nutrients
مقاله انگلیسی
4 Integrating a wind turbine into a parking pavilion for generating electricity
ادغام یک توربین بادی در یک غرفه پارکینگ برای تولید برق-2020
The paper aims at developing a new design to find an aerodynamic form of a pavilion that is optimized to generate on-site electricity with attached wind turbines. To do so, the authors present a way in which advanced digital technologies can be integrated to manage a series of complex design parameters and data. Through the design process, the paper integrates parametric (Non-uniform rational basis spline, NURBS) modeling, computational simulation tools (Computational Fluid Dynamics), and machine-learning methods (the Artificial Neuron Network). The most significant limitation of wind turbine applications in urban areas can be found in its shape. By designing and building a prototype that does not look like a typical wind turbine but still produces electricity, the public’s general perception of wind turbines could change. The unique design output will reduce the negative perception of wind turbines and display an aesthetic integrity between the intuitive creativity and the optimization process.
Keywords: Wind turbine | Pavilion | Artificial neural network (ANN) | Computational fluid dynamics (CFD) | Optimization | Fabrication
مقاله انگلیسی
5 Prediction of displacement in the equine third metacarpal bone using a neural network prediction algorithm
پیش بینی جابجایی در استخوان metacarpal سوم اسب با استفاده از الگوریتم پیش بینی شبکه عصبی-2019
Bone is a nonlinear, inhomogeneous and anisotropic material. To predict the behavior of bones expert systems are employed to reduce the computational cost and to enhance the accuracy of simulations. In this study, an artificial neural network (ANN) was used for the prediction of displacement in long bones followed by ex-vivo experiments. Three hydrated third metacarpal bones (MC3) from 3 thoroughbred horses were used in the experiments. A set of strain gauges were distributed around the midshaft of the bones. These bones were then loaded in compression in an MTS machine. The recordings of strains, load, Load exposure time, and displacement were used as ANN input parameters. The ANN which was trained using 3,250 experimental data points from two bones predicted the displacement of the third bone (R2 ≥ 0.98). It was suggested that the ANN should be trained using noisy data points. The proposed modification in the training algorithm makes the ANN very robust against noisy inputs measurements. The performance of the ANN was evaluated in response to changes in the number of input data points and then by assuming a lack of strain data. A finite element analysis (FEA) was conducted to replicate one cycle of force-displacement experimental data (to gain the same accuracy produced by the ANN). The comparison of FEA and ANN displacement predictions indicates that the ANN produced a satisfactory outcome within a couple of seconds, while FEA required more than 160 times as long to solve the same model (CPU time: 5 h and 30 min).
Keywords: Artificial neural network (ANN) | Displacement prediction | Finite element analysis (FEA) | Expert system | Long bones | Equine third metacarpal bone (MC3)
مقاله انگلیسی
6 Time to seize the digital evolution: Adoption of blockchain in operations and supply chain management among Malaysian SMEs
زمان استفاده از تحول دیجیتالی: پذیرش بلاکچین در عملیات و مدیریت زنجیره تأمین در باره شرکتهای کوچک و متوسط ​​مالزی-2019
This study aims to investigate the effects of relative advantage, complexity, upper management support, cost, market dynamics, competitive pressure and regulatory support on blockchain adoption for operations and supply chain management among Small-Medium Enterprises (SMEs) in Malaysia. Unlike existing studies that employed linear models with Technology Acceptance Model or United Theory of Acceptance and Use of Technology that ignores the organisational and environmental factors, we adopted the Technology, Organisation and Environment Framework that covers the technological dimensions of relative advantage and complexity, organisational dimensions of upper management support and cost and environmental dimensions of market dynamics, competitive pressure and regulatory support. Empirical data from 194 SMEs were investigated and ranked using a nonlinear non-compensatory PLS-ANN approach. Competitive pressure, complexity, cost and relative have significant effects on behavioural intention. Market dynamics, regulatory support and upper management support were insignificant predictors. SMEs often lack resources for technological investments but faces same requirements for streamlining business processes to optimise returns and blockchain presents a viable option for SMEs’ sustainability due to its features of immutability, transparency and security that have the potential to revolutionise businesses. This study contributes new knowledge to the literature on factors that affect blockchain adoption and justifications were discussed accordingly.
Keywords: Blockchain | Operations and Supply Chain Management | (OSCM) | Partial Least Squares Structural Equation | Modelling (PLS-SEM) | Artificial Neural Network analysis (ANN) | Technology, Organisation and Environment | Framework (TOE)
مقاله انگلیسی
7 ارزیابی کارایی تکنیک های طبقه بندی داده کاوی برای پیش بینی بیماری قلبی
سال انتشار: 2018 - تعداد صفحات فایل pdf انگلیسی: 6 - تعداد صفحات فایل doc فارسی: 12
بیماری قلبی ممکن است یکی از دلایل اصلی مرگ باشد. به علت فقدان دانش و تجربیات متخصصان درمورد علائم نارسایی قلب برای پیش بینی اولیه این بیماری، کار آسان برای تشخیص بیماری نیست. در نتیجه، پیش بینی مبتنی بر رایانه؛ مبتلایان به بیماری قلبی می تواند نقش مهمی را در تشخیص پیش از مرحله برای انجام اقدامات مناسب با توجه به بهبودی بیماران بازی کند. با این حال، انتخاب روش طبقه بندی مناسب داده کاوی می تواند به طور موثر پیش بینی مرحله اولیه بیماری را برای بازگشت از آن به همراه داشته باشد. در این مقاله، سه تکنیک طبقه بندی استفاده شده غالب از قبیل ماشین بردار پشتیبانی (SVM)، نزدیکترین همسایۀ k (KNN) و شبکه عصبی مصنوعی (ANN) را مورد بررسی قرار می دهیم، با توجه به ارزیابی آنها برای پیش بینی بیماری های قلبی با استفاده از مجموعه داده های بیماری کلیوی استاندارد مورد مطالعه قرار گرفته است.. نتایج تجربی نشان می دهد که دقت طبقه بندی با استفاده از SVM (85.1852٪) بهتر از استفاده از KNN (82663٪) و ANN (73.3333٪) است.
لغات کلیدی: داده کاوی | ماشین بردار پشتیبانی | نزدیکترین همسایۀ k | شبکه عصبی مصنوعی | پیش بینی بیماری قلبی | تکنیک های طبقه بندی
مقاله ترجمه شده
8 بهینه سازی ساچمه پاشی ‏ با ابزار تصمیم گیری پیچیده: تصمیم گیری چند معیاره
سال انتشار: 2018 - تعداد صفحات فایل pdf انگلیسی: 9 - تعداد صفحات فایل doc فارسی: 25
فرایند ساچمه پاشی ‏ کنترل شده با دو روش مستقل: (1) ساچمه پاشی اولیه از نوار Almen برای تعیین شدت مورد نظر، (2) ساچمه کاری نمونه واقعی با شدت Almen ، انجام شد. ساچمه پاشی Almen در مرحله اول زمان زیادی طول می کشد. که علت آن این است که علاوه بر استفاده از پارامترهای ورودی، اندازه گیری ارتفاع قوس و کنترل شدت Almen نیز باید به طور پیوسته انجام شود. نتایج به طور مستقیم بر ویژگی های واقعی موثر است. با این حال اندازه گیری ارتفاع و تنظیم پارامترهای ورودی به تکنسین کارفرما بستگی دارد. بنابراین، روش عددی با مدلسازی اجزای محدود (FEM) ، شبکه عصبی مصنوعی (ANN) و RSM (روش شناسی سطح پاسخ) پیشرفت بیشتری دارد. بدین منظور، روش عددی دیگری از جمله تصمیم گیری چند معیاره (MCDM) توسعه یافته اند و همچنین در مقایسه با نتایج آزمایشگاهی، زبری سطح و سختی سطح قرار گرفت. نتایج نشان داد که روش های MCDM با خودشان سازگار هستند و در چارچوب پارامترهای ورودی (فشار هوا، اندازه ساچمه، طول ساچمه باری) و پارامترهای خروجی نیز سازگار است (سختی سطح، زبری سطح). رویکرد Topsis نتایج سازگار را در مقایسه با دیگر رویکردها و شرایط آزمایشی ارائه می دهد.
کليدواژگان: شدت Almen | ساچمه کاری | Topsis | Vikor | GRA | MCDM
مقاله ترجمه شده
9 امکان‌سنجی مدل PSO-ANN برای پیش‌بینی میزان نشست سطحی ناشی از تونل زنی
سال انتشار: 2016 - تعداد صفحات فایل pdf انگلیسی: 11 - تعداد صفحات فایل doc فارسی: 23
نشست سطحی احتمالی، به‌ویژه در نواحی شهری، یکی از خطرسازترین عوامل در مترو و دیگر حفاری‌های زیر بنایی است. بنابراین، پیش‌بینی دقیق حداکثر نشست سطحی (MSS) نقش مهمی در به حداقل رساندن ریسک احتمالی وارد آمدن صدمات دارد. در این مقاله یک مدل ترکیبی جدید از شبکه عصبی مصنوعی (ANN) بهینه‌شده توسط الگوریتم بهینه‌سازی ازدحام ذرات (PSO) برای پیش‌بینی MSS ارائه شد. در اینجا، این ترکیب با استفاده از PSO-ANN مختصر می‌شود. به‌منظور نشان دادن عملکرد مدل PSO-ANN پیشنهادی در پیش‌بینی MSS، یک مدل ANN از قبل موجود استفاده شد. برای ایجاد مدل‌های موردنظر، نسبت تنش افقی به عمودی، چسبندگی و مدول¬های یانگ به‌عنوان پارامترهای ورودی انتخاب شدند، درحالی‌که MSS به‌عنوان خروجی سیستم در نظر گرفته شد. یک پایگاه داده متشکل از 143 مجموعه داده حاصل از خط شماره 2 مترو کرج، برای ایجاد مدل‌های پیش‌بینی مورداستفاده قرار گرفت. عملکرد مدل‌های پیش‌بینی با مقایسه پارامترهای پیش‌بینی عملکرد، شامل خطای جذر میانگین مربعات (RMSE)، حساب واریانس برای (VAF) و ضریب همبستگی (R2) مورد ارزیابی قرار گرفت. نتایج نشان می‌دهد که مدل پیشنهادی PSO-ANN قادر به پیش‌بینی MSSبا میزان دقت بالاتر در مقایسه با نتایج ANN است. علاوه بر این، نتایج تجزیه‌وتحلیل حساسیت نشان می‌دهد که نسبت تنش افقی به عمودی اثر بیشتری بر MSS در مقایسه با سایر مدل‌های ورودی دارد.
کلمات کلیدی: تونل زنی | نشست سطحی | PSO-ANN | مدل ترکیبی
مقاله ترجمه شده
10 امکان‌سنجی مدل PSO-ANN برای پیش‌بینی میزان نشست سطحی ناشی از تونل زنی
سال انتشار: 2016 - تعداد صفحات فایل pdf انگلیسی: 11 - تعداد صفحات فایل doc فارسی: 23
نشست سطحی احتمالی، به‌ویژه در نواحی شهری، یکی از خطرسازترین عوامل در مترو و دیگر حفاری‌های زیر بنایی است. بنابراین، پیش‌بینی دقیق حداکثر نشست سطحی (MSS) نقش مهمی در به حداقل رساندن ریسک احتمالی وارد آمدن صدمات دارد. در این مقاله یک مدل ترکیبی جدید از شبکه عصبی مصنوعی (ANN) بهینه‌شده توسط الگوریتم بهینه‌سازی ازدحام ذرات (PSO) برای پیش‌بینی MSS ارائه شد. در اینجا، این ترکیب با استفاده از PSO-ANN مختصر می‌شود. به‌منظور نشان دادن عملکرد مدل PSO-ANN پیشنهادی در پیش‌بینی MSS، یک مدل ANN از قبل موجود استفاده شد. برای ایجاد مدل‌های موردنظر، نسبت تنش افقی به عمودی، چسبندگی و مدول¬های یانگ به‌عنوان پارامترهای ورودی انتخاب شدند، درحالی‌که MSS به‌عنوان خروجی سیستم در نظر گرفته شد. یک پایگاه داده متشکل از 143 مجموعه داده حاصل از خط شماره 2 مترو کرج، برای ایجاد مدل‌های پیش‌بینی مورداستفاده قرار گرفت. عملکرد مدل‌های پیش‌بینی با مقایسه پارامترهای پیش‌بینی عملکرد، شامل خطای جذر میانگین مربعات (RMSE)، حساب واریانس برای (VAF) و ضریب همبستگی (R2) مورد ارزیابی قرار گرفت. نتایج نشان می‌دهد که مدل پیشنهادی PSO-ANN قادر به پیش‌بینی MSSبا میزان دقت بالاتر در مقایسه با نتایج ANN است. علاوه بر این، نتایج تجزیه‌وتحلیل حساسیت نشان می‌دهد که نسبت تنش افقی به عمودی اثر بیشتری بر MSS در مقایسه با سایر مدل‌های ورودی دارد.
کلمات کلیدی: تونل زنی | نشست سطحی | PSO-ANN | مدل ترکیبی
مقاله ترجمه شده
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi