دانلود و نمایش مقالات مرتبط با Multilayer perceptron network::صفحه 1
بلافاصله پس از پرداخت دانلود کنید

با سلام خدمت کاربران در صورتی که با خطای سیستم پرداخت بانکی مواجه شدید از طریق کارت به کارت (6037997535328901 بانک ملی ناصر خنجری ) مقاله خود را دریافت کنید (تا مشکل رفع گردد). 

نتیجه جستجو - Multilayer perceptron network

تعداد مقالات یافته شده: 3
ردیف عنوان نوع
1 Fatigue life prediction of metallic materials considering mean stress effects by means of an artificial neural network
پیش بینی طول عمر خستگی مواد فلزی با توجه به میانگین اثرات استرس با استفاده از شبکه عصبی مصنوعی-2020
The mean stress effect plays an important role in the fatigue life predictions, its influence significantly changes high-cycle fatigue behaviour, directly decreasing the fatigue limit with the increase of the mean stress. Fatigue design of structural details and mechanical components must account for mean stress effects in order to guarantee the performance and safety criteria during their foreseen operational life. The purpose of this research work is to develop a new methodology to generate a constant life diagram (CLD) for metallic materials, based on assumptions of Haigh diagram and artificial neural networks, using the probabilistic Stüssi fatigue S-N fields. This proposed methodology can estimate the safety region for high-cycle fatigue regimes as a function of the mean stress and stress amplitude in regions where tensile loading is predominance, using fatigue S-N curves only for two stress R-ratios. In this approach, the experimental fatigue data of the P355NL1 pressure vessel steel available for three stress R-ratios (−1, −0.5, 0), are used. A multilayer perceptron network has been trained with the back-propagation algorithm; its architecture consists of two input neurons (σm, N) and one output neuron (σa). The suggested CLD based on trained artificial neural network algorithm and probabilistic Stüssi fatigue fields applied to dog-bone shaped specimens made of P355NL1 steel showed a good agreement with the high-cycle fatigue experimental data, only using the stress R-ratios equal to 0 and −0.5. Furthermore, a procedure for estimating the fatigue resistance reduction factor, Kf , for the fatigue life prediction of structural details (stress R-ratios equal to 0, 0.15 and 0.3) in extrapolation regions is suggested and used to generate the Kf results for stress R-ratios from −1 to 0.3, based on machine learning artificial neural network algorithm.
Keywords: Fatigue | Artificial neural network | Back-propagation algorithm | Stüssi model | Constant life diagram
مقاله انگلیسی
2 Data mining based approach to study the effect of consumption of caffeinated coffee on the generation of the steady-state visual evoked potential signals
رویکرد مبتنی بر داده کاوی برای بررسی تأثیر مصرف قهوه کافئین دار بر تولید سیگنالهای بالقوه برانگیخته بصری حالت پایدار-2019
The steady-state visual evoked potentials (SSVEP), are elicited at the parieto-occipital region of the cortex when a light source (3.5–75 Hz), flickering at a constant frequency, stimulates the retinal cells. In the last few decades, researchers have reported that caffeine enhances the vigilance and the executive control of visual attention. However, no study has investigated the effect of caffeinated coffee on the SSVEP response, which is used for controlling the brain-computer interface (BCI) devices for rehabilitative applications. The current work proposes a data mining-based approach to gain insight into the alterations in the SSVEP signals after the consumption of caffeinated coffee. Recurrence quantification analysis (RQA) of the electroencephalogram (EEG) signals was employed for this purpose. The EEG signals were acquired at seven frequencies of photic stimuli. The stimuli frequencies were chosen such that they were distributed throughout the EEG frequency bands. The prominent SSVEP signals were identified using the Canonical Correlation Analysis (CCA) method. Several statistical features were extracted from the recurrence plot of the SSVEP signals. Statistical analyses using the t-test and decision tree-based methods helped to select the most relevant features, which were then classified using Automated Neural Network (ANN). The relevant features could be classified with a maximum accuracy of 97%. This supports our hypothesis that the consumption of caffeinated coffee can alter the SSVEP response. In conclusion, utmost care should be taken in selecting the features for designing BCI devices.
Keywords: SSVEP | EEG | Caffeine | Canonical correlation analysis | Recurrence quantification analysis | Multilayer perceptron network
مقاله انگلیسی
3 بررسی عملکرد شبکه عصبی دارای تغذیه رو به جلو برای حریم هم ارز با وسایل باسیم/ پروتکل های دسترسی محافظت شده با وای فای
سال انتشار: 2016 - تعداد صفحات فایل pdf انگلیسی: 14 - تعداد صفحات فایل doc فارسی: 21
هدف: میلیون ها نفر بدون اینکه جنبه های فناوری بی سیم را بدانند، از وسایل بی سیم در زندگی کارهای روزانه خود استفاده می کنند. هدف تحقیق ما ارتقای اجرای پروتکل های وسایل بی سیم ازطریق بررسی رفتار آنها در شبکه عصبی دارای تغذیه رو به جلو می باشد که به صورت گسترده استفاده می شوند. اساسا" شبکه عصبی یک شبکه رشته ای چند لایه ای می باشد. این شبکه، داده های ثبت شده را یکی یکی پردازش می کند و ازطریق مقایسه خروجی به دست آمده با خروجی واقعی، به اطلاعات دست می یابد. رشته های عصبی دارای لایه پنهان یک نقش اصلی در عملکرد نشر و انتشار رو به عقب دارد. فرآیند تعیین تعداد رشته های عصبی دارای لایه پنهان هنوزهم مبهم است. این کار تحقیقی روی ارزیابی عملکرد رشته های عصبی دارای لایه پنهان برای پروتکل های WEP (حریم هم ارز با وسایل با سیم) و WPA (دسترسی محافظت شده با وای فای) متمرکز می باشد.
روشها/ تحلیل آماری: برای این کار، سه معماری شبکه ای جهت انجام تحلیل، انتخاب شده است. این کار تحقیقی با استفاده از الگوریتم انتشار رو به عقب در جعبه ابزار شبکه عصبی روی داده های به دست آمده با استفاده از ابزار وایرشارک، انجام می شود.
یافته ها: رفتار شبکه های عصبی غیر پنهان ازطریق روش شبیه سازی بررسی می شود. عملکرد شبکه نیز با کمک داده های تاریخی و خطای مربع میانگین (MSE) تشخیص داده می شود. عملکرد شبکه عصبی بررسی می شود و نتایج نشان می دهند که شبکه های عصبی دارای لایه پنهان بر کارکرد شبکه اثر می گذارند.
بهبود: ما دوست داریم که با پارامتر و یادگیری شبکه عصبی کار کنیم تا به بهترین نتایج دست یابیم.
کلیدواژه ها: انتشار رو به عقب | شبکه عصبی دارای تغذیه رو به جلو | لایه پنهان | خطای مربع میانگین | دسترسی محافظت شده با وای فای | حریم هم ارز با وسایل با سیم
مقاله ترجمه شده
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi
بازدید امروز: 1715 :::::::: بازدید دیروز: 0 :::::::: بازدید کل: 1715 :::::::: افراد آنلاین: 72