مقالات شبکه های عصبی (بخش2)
 

ليست مقالات شبکه های عصبی (بخش2)

1. عوامل موثر بر قیمت طلا و ارائه مدل پیش‌بینی بر مبنای شبکه‌های عصبی فازی
2. تخمين بار معلق رودخانه زهره با استفاده از شبكه عصبي مصنوعي
3. شناسايي اشعار شاهنامه فردوسي به کمک شبکه عصبي مصنوعي
4. تشخیص عیوب موتور تراکتور بااستفاده از شبکه عصبی
5. الگوريتم بقا تعميم يافته: الگوريتمي جهت تعيين ساختار شبکه‌هاي عصبي چندلايه
6. تائيد امضا پويا با استفاده از شبکه هاي عصبي زماني- مکاني
7. اسلاید کنترل صحت اطلاعات در شهر الکترونيک با تشخيص صحت امضاء با روش هوشمند شبکه هاي عصبي
8. تشخيص مواد آلرژي زا با استفاده از شبكه هاي عصبي مصنوعي
9. تشخيص دوک خواب با استفاده از شبکه هاي عصبي مصنوعي
10. روشی جدید برای بهینه سازی ساختار شبکه عصبی با استفاده از روش تکامل همکارانه
11. تشخيص هوشمند بيماري ديابت با استفاده از شبکه هاي عصبي چند لايه
12. پاورپوينتي در زمينه مدلسازي درد با استفاده از شبكه‌هاي عصبي مصنوعي
13. محاسبه فاصله زهكشهاي زيرزميني در شرايط غير ماندگار با استفاده از شبكه هاي عصبي مصنوعي
14. تشخيص اشغال کاذب در تجهيزات مخابراتي توسط شبكه هاي عصبي
15. پيش بيني قيمت نفت با دو روش arima و شبكه هاي عصبي مصنوعي
16. کاربرد شبکه عصبی-مصنوعی (ann) برای پیش بینی ناهمواری در روسازی های انعطاف پذیر
17. کاربرد شبکه هاي عصبي در شبيه سازي توابع و نگاشتهاي غير خطي-معکوس
18. مقايسه دقت روشهاي شبكه هاي عصبي مصنوعي و پنمن-مانتيس در محاسبه تبخير و تعرق پتانسيل
19. تشخيص اختلالات تفسي انسدادي و تحديدي با استفاده از شبکه هاي عصبي
20. مقايسة شبكة عصبي مصنوعي و مدل hec-hms در فرايند بارندگي- رواناب
21. بكارگيري شبكه هاي عصبي مصنوعي در تخمين جريانات رودخانه اي
22. اتوماسيون سيستم هاي نگهداري و تعميرات خودرو به کمک شبکه هاي عصبي مصنوعي
23. بررسي كارائي شبكه هاي عصبي مصنوعي در پيش بيني عمق آبشستگي پايه هاي پل و مقايسه نتايج با مدل هاي رياضي معتبر
24. تقریب توابع و مدل سازی با استفاده از شبکه های عصبی مصنوعی بدون استفاده از جعبه ابزار (تولباکس) شبکه عصبی
25. پیاده سازی سه طبقه بندی کننده معروف شبکه عصبی در متلب
26. بازشناسي احساسات انسان با استفاده از شبكه عصبي– فازي anfis
27. تشخيص واج با شبکه عصبي art 2a و مدل مخفي مارکف
28. تشخيص اختلالات تنفسی انسدادی و تحديدی با استفاده از شبکه های عصبی
29. پيش بيني هفتگي زباله توليدي با استفاده از مدل تركيبي شبكه عصبي و تبديل موجك
30. محاسبه ظرفيت شبکه عصبي هاپفيلد و ارائه روش عملي افزايش حجم حافظه
31. يك روش آموزش نوين در شبكه عصبي آشوبگونه
32. معرفي تئوري موجك و كاربرد آن در سازه هاي آبي
33. تخمين ميزان بازيابي نفت طي فرايند آشام با استفاده از شبكه هاي عصبي
34. پيش بيني تقاضاي کوتاه مدت آب شهر تهران با استفاده از شبکه هاي عصبي مصنوعي
35. جبران سازي ديجيتال مبتني بر شبكه عصبي grnn
36. تعمیم دست فرمان راننده در سیستم بینایی ربات با استفاده از شبکه عصبی
37. استفاده از شبكهء عصبي پس – انتشار خطا در تفسير نتايج مدلسازي تابلوي اعلانات الكترونيكي
38. مدیریت مکان واحد سیار در شبکه gsm با استفاده از شبکه عصبی
39. بهينه‌سازي درخواست كاربر مبتني بر هوشمندسازي بازيابي اطلاعات بوسيله شبكه عصبي

عوامل موثر بر قیمت طلا و ارائه مدل پیش‌بینی بر مبنای شبکه‌های عصبی فازی
 

تخمين بار معلق رودخانه زهره با استفاده از شبكه عصبي مصنوعي
 

2- تخمين بار معلق رودخانه زهره با استفاده از شبكه عصبي مصنوعي

دانلود مقاله:

شناسايي اشعار شاهنامه فردوسي به کمک شبکه عصبي مصنوعي!
 

3- شناسايي اشعار شاهنامه فردوسي به کمک شبکه عصبي مصنوعي
:):rolleyes:
دانلود مقاله:

تشخیص عیوب موتور تراکتور بااستفاده از شبکه عصبی
 

الگوريتمي جهت تعيين ساختار شبکه‌هاي عصبي چندلايه
 

تائيد امضا پويا با استفاده از شبکه هاي عصبي زماني- مکاني
 

6- تائيد امضا پويا با استفاده از شبکه هاي عصبي زماني- مکاني
:rolleyes:

اسلاید کنترل صحت اطلاعات در شهر الکترونيک با تشخيص صحت امضاء با روش هوشمند شبکه هاي ع
 

7- اسلاید کنترل صحت اطلاعات در شهر الکترونيک با تشخيص صحت امضاء با روش هوشمند شبکه هاي عصبي
:rolleyes:

تشخيص مواد آلرژي زا با استفاده از شبكه هاي عصبي مصنوعي
 

تشخيص دوک خواب با استفاده از شبکه هاي عصبي مصنوعي
 

روشی جدید برای بهینه سازی ساختار شبکه عصبی با استفاده از روش تکامل همکارانه
 

تشخيص هوشمند بيماري ديابت با استفاده از شبکه هاي عصبي چند لايه
 

مدلسازي درد با استفاده از شبكه‌هاي عصبي مصنوعي
 

12- پاورپوينتي در زمينه مدلسازي درد با استفاده از شبكه‌هاي عصبي مصنوعي
:)

محاسبه فاصله زهكشهاي زيرزميني در شرايط غير ماندگار با استفاده از شبكه هاي عصبي مصنوعي
 

13- محاسبه فاصله زهكشهاي زيرزميني در شرايط غير ماندگار با استفاده از شبكه هاي عصبي مصنوعي
:rolleyes:

تشخيص اشغال کاذب در تجهيزات مخابراتي توسط شبكه هاي عصبي
 

14- تشخيص اشغال کاذب در تجهيزات مخابراتي توسط شبكه هاي عصبي
:rolleyes:

پيش بيني قيمت نفت با دو روش arima و شبكه هاي عصبي مصنوعي
 

15- پيش بيني قيمت نفت با دو روش arima و شبكه هاي عصبي مصنوعي

چکيده:
توانايي كم نظير شبكه هاي عصبي مصنوعي به عنوان ابزاري قدرتمند براي تحليل و برآورد در حوزه علوم تجربي و مهندسي موجب شد تا مورد توجه اقتصاددانان قرار گيرد. در اين پژوهش، پس از مرور پژوهش هاي انجام شده در مورد توانايي پيش بيني مدل هاي خود توضيح جمعي ميانگين متحرك (arima) و شبكه هاي عصبي مصنوعي(ann) به مقايسه اين دو روش براي پيش بيني قيمت روزانه نفت در دوره آوريل 1983 تا ژوئن 2005 پرداخته ايم. افزون بر اين، در اين پژوهش پس از مدلسازي به وسيله شبكه هاي عصبي مصنوعي، به منظور تشخيص سهم مشاركت هر پارامتر ورودي در اين مدل از تجزيه و تحليل حساسيت استفاده كرده ايم. با توجه به حجم وسيع به كارگيري اطلاعات روزانه قيمت جهاني نفت (بيش از 5500 روز اطلاعات) نتايج به دست آمده نشان دهنده برتري غيرقابل مقايسه مدل شبكه هاي عصبي مصنوعي نسبت به مدل arima در پيش بيني قيمت روزانه نفت است.

کليدواژگان:
سري هاي زماني، شبكه هاي عصبي مصنوعي(ann)، مدل arima، آناليز حساسيت.

`کاربرد شبکه عصبی-مصنوعی (ann) برای پیش بینی ناهمواری در روسازی های انعطاف پذیر
 

کاربرد شبکه هاي عصبي در شبيه سازي توابع و نگاشتهاي غير خطي-معکوس
 

مقايسه دقت روشهاي شبكه هاي عصبي مصنوعي و پنمن-مانتيس در محاسبه تبخير و تعرق پتانسيل
 

تشخيص اختلالات تفسي انسدادي و تحديدي با استفاده از شبکه هاي عصبي
 

مقايسة شبكة عصبي مصنوعي و مدل hec-hms در فرايند بارندگي- رواناب
 

بكارگيري شبكه هاي عصبي مصنوعي در تخمين جريانات رودخانه اي
 

21- بكارگيري شبكه هاي عصبي مصنوعي در تخمين جريانات رودخانه اي
:cool:

اتوماسيون سيستم هاي نگهداري و تعميرات خودرو به کمک شبکه هاي عصبي مصنوعي
 

بررسي كارائي شبكه هاي عصبي مصنوعي در پيش بيني عمق آبشستگي پايه هاي پل
 

23- بررسي كارائي شبكه هاي عصبي مصنوعي در پيش بيني عمق آبشستگي پايه هاي پل و مقايسه نتايج با مدل هاي رياضي معتبر
:63::115:

تقریب توابع و مدل سازی با استفاده از شبکه های عصبی مصنوعی بدون استفاده از جعبه ابزار
 

24- تقریب توابع و مدل سازی با استفاده از شبکه های عصبی مصنوعی بدون استفاده از جعبه ابزار (تولباکس) شبکه عصبی:69::15:
Function Approximation Using Neural Network Without using Toolbox

پیاده سازی سه طبقه بندی کننده معروف شبکه عصبی در متلب
 

25- پیاده سازی سه طبقه بندی کننده معروف شبکه عصبی در متلب

Neural Network Classifiers

:69::5::48:
این برنامه شامل پیاده سازی سه نوع طبقه بندی کننده عصبی نظارت شده از نوع LVQ است. اسامی این سه روش عبارتند از: GRLVQ ، SRNG و H2MGLVQ

بازشناسي احساسات انسان با استفاده از شبكه عصبي– فازي anfis
 

26- بازشناسي احساسات انسان با استفاده از شبكه عصبي– فازي anfis
:6::69:

تشخيص واج با شبکه عصبي art 2a و مدل مخفي مارکف
 

27- تشخيص واج با شبکه عصبي art 2a و مدل مخفي مارکف
:105::3:

تشخيص اختلالات تنفسی انسدادی و تحديدی با استفاده از شبکه های عصبی
 

28- تشخيص اختلالات تنفسی انسدادی و تحديدی با استفاده از شبکه های عصبی
:114:

پيش بيني هفتگي زباله توليدي با استفاده از مدل تركيبي شبكه عصبي و تبديل موجك
 

29- پيش بيني هفتگي زباله توليدي با استفاده از مدل تركيبي شبكه عصبي و تبديل موجك
:79:

محاسبه ظرفيت شبکه عصبي هاپفيلد و ارائه روش عملي افزايش حجم حافظه
 

يك روش آموزش نوين در شبكه عصبي آشوبگونه
 

يك روش آموزش نوين در شبكه عصبي آشوبگونه
:26::48:

معرفي تئوري موجك و كاربرد آن در سازه هاي آبي
 

معرفي تئوري موجك و كاربرد آن در سازه هاي آبي
:36::15::79::69:
خلاصه مقاله:
تبديل موجك عملياتي است كه يك تابع جديد را از روي توابع پايه و با تغيير در آنها مي سازد. آناليز تبديل موجكي يك شيوه جديد را براي پ1ردازش سيگنالها از طريق قابلين تجزيه سيگنالهاست به زمان و بسامد پيشنهاد مي كند همانطوري كه مطالعات زيادي براي سيگنالهاي متناوب و غيرثابت از آناليز فو.ريه قبلا صورت گرفته است. با آموزش يك شبكه موجكي متناسب و جايگزيني آن با تحليل دقيق زمان محاسباتي بهينه سازي كاهش يافته و دقت عمليات كاهش قابل ملاحظه اي نشان نمي دهد. كاربرد تحليل موجكي اكنون بسيار رايج است و همچنين در برآورد خسارت وارده به سازه هاي آبي نيز مي تواند مورد استفاده قرار گيرد و تلاشهايي براي تحقيق در ساختار جريان متلاطم در دامنه مكاني وزماني صورت گرفته است. تركيب تئوري موجك با شبكه هاي عصبي منجر به تشكيل شبكه جديد بنام شبكه عصبي موجكي ميشود، تبديلهاي موجكي به دو گروه پيوسته و گسسته تقسيم مي شوند.

كلمات كليدي:
تبديل موجكي ، سيگنال ، شبكه عصبي موجكي ، موجك پيوسته ، موجك گسسته

تخمين ميزان بازيابي نفت طي فرايند آشام با استفاده از شبكه هاي عصبي
 

پيش بيني تقاضاي کوتاه مدت آب شهر تهران با استفاده از شبکه هاي عصبي مصنوعي
 

پيش بيني تقاضاي کوتاه مدت آب شهر تهران با استفاده از شبکه هاي عصبي مصنوعي
:39:

جبران سازي ديجيتال مبتني بر شبكه عصبي grnn
 

جبران سازي ديجيتال مبتني بر شبكه عصبي grnn

خلاصه مقاله:
با توجه به ساختار كانال هاي مخابراتي، ارسال و دريافت اطلاعات ديجيتال تحت تأثير نويز موجود در كانال و تداخل سمبلهاي كناري واقع شده و به همين دليل اطلاعات ارسالي دچار خطا مي گردد. جهت جبران اثر نويز و تداخل از جبران ساز استفاده مي شود. با توجه به غير خطي بودن مسأله جبران سازي و با توجه به ويژگي هاي فيلترينگ و غير خطي كه در شبكه هاي عصبي مصنوعي وجود دارد، در اين مقاله سعي برآن است كه يك جبران ساز مبتني بر شبكه عصبي grnn ارائه شود. نشان داده شود كه جبران ساز ديجيتال مبتني بر شبكه عصبي grnn به پارامتر پهناي توابع گوسي كه در مراكز شبكه grnn استفاده مي شوند حساسيت زيادي ندارد و نشان خواهيم داد كه مي توان وزن ها را با يك جايگزيني ساده و سريعتر نسبت به ساير روش ها آموزش داد.

كلمات كليدي:
آموزش شبكه عصبي grnn آموزش وزن ها، جبران ساز grnn

تعمیم دست فرمان راننده در سیستم بینایی ربات با استفاده از شبکه عصبی
 

تعمیم دست فرمان راننده در سیستم بینایی ربات با استفاده از شبکه عصبی
:113:
چکیده:
کنترل رباتهای سیار(موبایل ربات) جهت عدم برخورد با موانع بر اساس آموزش و پیشگویی مختصات موانع در لحظات بعدی از موسوم ترین روش های کنترل سینماتیک و دینامیک روباتهای سیار می باشد.اما آنچه که ما ارائه می دهیم، براساس آموزش شبکه عصبی از دست فرمان اپراتور ربات درمقایسه با موانع پیش آمده درحین آموزش ربات است.این ایده برای کنترل اتوموبیل ها نیز قابل تعمیم است.بعبارتی ربات ما نیازی به داشتن یک حافظه برای بخاطر سپردن موقعیت موانع در حین آموزش، برای پبشگویی مکان های موانع بعدی ندارد.در نمونه های رایج دنیا ربات با اسکن نامحدود صفحه مورد آزمایش میخواهد نحوه چینش موانع را بر اساس x , y صفحه تست بیاموزد ، تا در حالت اجرا پس ازآموزش بتواند موانع را پیشگویی کند.اما ما یک دست فرمان ایده آل خودمان را از طریق اپراتور به ربات آموزش داده سپس آن را در محیط های متنوع دیگر میتوانیم بکار بگیریم
كليدواژه‌ها: Feed Forward Network - Back Propagation

استفاده از شبكهء عصبي پس – انتشار خطا در تفسير نتايج مدلسازي تابلوي اعلانات الكترونيك
 

استفاده از شبكهء عصبي پس – انتشار خطا در تفسير نتايج مدلسازي تابلوي اعلانات الكترونيكي

چكيده:
در اين مقاله، روش تفسير نتايج شبيه‌سازي سيستم‌هاي گسسته با استفاده از شبكه عصبي بايادگيري نظارت شده، بعنوان شيوهء يادگيري ماشين مورد مطالعه قرار گرفته است.
براي تحقق اين مهم، مجموعه‌اي از داده‌هاي واقعي متشكل از زيرمجموعه نمونه‌گيري ، از سيستم تابلوي اعلانات الكترونيكي كتابخانهء منطقه‌اي علوم و تكنولوژي شيراز جمع‌آوري گرديد. سيستم تابلوي اعلانات الكترونيكي كتابخانهء منطقه‌اي با استفاده از اطلاعات گردآوري شده توسط برنامه اي كه در محيط «جي‌پي‌اس‌اس/اچ» ‌نوشته‌شد،‌شبيه‌سازي گرديد و از نتايج آن بعنوان ورودي براي تعليم شبكهء عصبي پس _ انتشار خطا استفاده شد. اين بررسي نشان مي‌دهد كه مدل شبكه عصبي كه به‌عنوان الگوريتم يادگيري ماشين به كار گرفته شده داراي دقتي است كه با شبيه‌سازي انجام‌شده توسط «جي پي اس اس/ اچ» قابل مقايسه مي‌باشد و با تعليم گرفتن شبكه، سيستم مي‌تواند عمليات خود را بلافاصله به انجام برساند. كارآيي سيستم شبكهء عصبي در مورد تخمين زمان خدمت‌دهي به هر كاربر در سيستم تابلوي اعلانات الكترونيكي، با كارآيي سيستم شبيه‌ساز مقايسه گرديد و نشان داده شد كه نتايج مطلوب است. شبكهء عصبي پس‌_ انتشار خطا در زمينهء بررسي نتيجه شبيه‌سازي داراي قابليت‌هاي خوبي است كه مي‌‌توان از آن براي بهينه‌سازي و پيش‌بيني سيستم‌هاي تابلوي اعلانات الكترونيكي كتابخانه استفاده نمود.

كليدواژه‌ها: شبيه‌سازي سيستم‌هاي گسسته؛ شبكه عصبي پس _ انتشار خطا‌؛متامدل؛ «جي‌پي‌اس‌اس/ اچ» ؛ «آر اِل‌اس‌تي» ؛ كتابخانهء منطقه‌اي علوم و تكنولوژي شيراز _ تابلوي اعلانات الكترونيكي.

مدیریت مکان واحد سیار در شبکه gsm با استفاده از شبکه عصبی
 

مدیریت مکان واحد سیار در شبکه gsm با استفاده از شبکه عصبی

چکیده :
در این مقاله ابتدا به بررسی روشهای مرسومی پرداخته می شود که هم اکنون برای تعیین مکان کاربران در شبکه سلولی بکار می رود و اشكالاتی که در استفاده از این روشها وجود دارد بیان می شود و سپس یک روش مناسب جهت پیشگویی مکان واحد سیار در شبکه gsm ارایه می گردد .
به طور کلی سعی بر آن است که با استفاده از اطلاعاتی که در بانک اطلاعاتی (db) ایستگاههای پایگاه (bs) یک شبکه سیار سلولی موجود است و همچنین اطلاعاتی که از سابقه حرکتی و زمان حرکت کاربر در طی یک مدت زمان معین به دست می آید، استفاده نموده و مکان فعلی و مکان بعدی کاربر را با استفاده از یک روش هوشمند تعیین نماییم .
با در نظر گرفتن آنکه حرکت کاربران از قبل برنامه ریزی شده هستند و تا حد زیادی به خصوصیات فردی شخص بستگی دارند و اینکه شبکه عصبی با توانایی یاد گیری و تعمیم پذیری اش یک ابزار مناسب برای پیشگویی مکان پایانه است ، مکان پایانه سیار را با استفاده از آموزش شبکه عصبی و به کمک الگوی حرکتی شخص پیشگویی می کنیم .
كليدواژه‌ها : مدیریت مکان ، پیشگویی مکان, mt ,mlp

بهينه‌سازي درخواست كاربر مبتني بر هوشمندسازي بازيابي اطلاعات بوسيله شبكه عصبي
 

بهينه‌سازي درخواست كاربر مبتني بر هوشمندسازي بازيابي اطلاعات بوسيله شبكه عصبي

چكيده:
امروزه استفاده از كامپيوتر براي رده‌بندي و ذخيره اطلاعات مرسوم شده است. با توجه به انبوه اطلاعات موجود در شبكه‌ها از جمله اينترنت، و ساختمند نبودن اطلاعات، نياز به بازيابي خودكار اطلاعات بيشتر گرديده است. با توجه به تنوع اطلاعات موجود در شبكه و ناهمگن بودن مدارك ايجاد درخواست براي كاربران ساده نيست و در بسياري از موارد نيازمند اصلاح بوسيله شخص خبره مي‌باشد. منظور از هوشمندسازي سيستم بازيابي اطلاعات، سيستمي است كه محتواي مدرك و درخواست را درك كند. و با توجه به دانش زمينه، كاربر را در يافتن اطلاعات موردنياز، راهنمايي نمايد. در بسياري از سيستمهاي تجاري، فهرست‌گذاري موضوعي، انجام شده است. يكي از كاربردهاي چنين سيستمي استفاده از فهرست موضوعي و آموزش شبكه عصبي براي بهينه‌سازي درخواست كاربر مي‌باشد. اصول اين سيستم شباهت جواب درخواستهاي مشابه است، بنابراين سيستم هوشمند بردار درخواست كاربر را طوري تغيير مي‌دهد تا با دانش موجود در مجموعه بهترين جواب بدست‌ آيد.

كليدواژه‌ها: بازيابي اطلاعات متني/ شبكه عصبي/ بازيابي اطلاعات هوشمند/ بهينه‌سازي درخواست