مقالات شبکه های عصبی (بخش3)
 

ليست مقالات شبکه های عصبی (بخش3)

1. یک روش جدید مسیریابی در سیستمهای هدایت اتومبیل با استفاده از شبکه های عصبی
2. تقريب تابع منحني agc راديو بوسيله شبكه عصبي
3. تشخيص عيوب جوشکاري در تصاوير راديوگرافي با استفاده از طبقه بندي کننده شبکه عصبي
4. سيستم تشخيص تهاجم مبتني بر شبکه عصبي art
5. یادگیری سریع با استفاده از شبکه‌های عصبی
6. حذف اعوجاج از سیگنال ارسالی با استفاده از شبکه عصبی
7. پيشگويي زلزله به وسيله شبكه عصبي مصنوعي
8. بلوك شبكه عصبي براكيال با هدايت اولتراسوند: بررسي 30 مورد
9. مدلسازي و بهينه سازي ارتعاشات سيلندر ناشي از گردابه ها بوسيله شبکه عصبي و الگوريتم ژنتيک
10. استفاده از شبكه عصبي در كنترل توان راكتيو tsc و tcr به منظور كاهش هارمونيك
11. شبکه عصبی فازی انعطاف پذیر برای گروه بندی و شناسایی اثر انگشت
12. آموزش در شبكه هاي عصبي – فازي: عملكرد يا تعبيرپذيري؟
13. پيش بينی پديده شکوفايی جلبک با استفاده از شبکه عصبی
14. کاربرد شبکه عصبي مصنوعي در پيش بيني محتواي رطوبتي در طي فرآيند خشک کردن انگور
15. بررسي مقايس هاي توان پي شبيني شبكه هاي عصبي مصنوعي با روش توقف زود هنگام و فرايند سري زماني خودبازگشت در براورد نرخ تورم
16. تخمين دبي رسوب ايستگاه ونيار با استفاده از شبكه عصبي مصنوعي
17. برآورد پتانسيل روانگرايي خاكها بااستفاده از شبكه عصبي مصنوعي
18. استفاده از تبدیل موجک انعکاس صدا و شبکه های عصبی برای سورتینگ پسته
19. پيش بيني تقاضاي ماهيانه برق با استفاده از مدل هاي شبكه عصبي مصنوعي و آريما در ايران
20. تخمین شتاب جانبی، سرعت جانبی و زاویه رول یک خودروی سواری با مخزن cng به کمک شبکه عصبی انتشار برگشتی
21. پيش بيني نرخ سايش فولادهاي متالورژي پودر توسط شبكه هاي عصبي مصنوعي
22. مقايسه نتايج حاصل از شبكه هاي عصبي mlp و rbf در پيش بيني جريان هاي ساحلي
23. مقايسه عملكرد شبكه هاي عصبي rbf و mlp در برآورد تبخير و تعرق گياه مرجع
24. رله جريان زياد بر پايه شبكه مصنوعي
25. مقايسه عملکرد شبکه mlp و شبکه rbf براي شبيه سازي سلول هاي خورشيدي
26. کاربرد شبکه هاي عصبي در شبيه سازي توابع و نگاشت هاي غيرخطي-معکوس
27. مقايسه ي كاربرد روش شبكه ي عصبي مصنوعي با وايازي خطـي و چند متغيره درنحوه ي توزيع رسوب
28. تشخيص خودكار سطح هوشياري با استفاده از شبكه عصبي مصنوعي و ضرايب ويولت
29. كلاس بندي لهجه هاي فارسي با استفاده از شبکه هاي عصبي
30. مدل سازي پيش بيني قيمت سهام با استفاده از شبكه عصبي و مقايسه آن با روشهاي پيش بيني رياضي
31. هدايت بصري روبات توسط شبكه هاي عصبي مصنوعي

یک روش جدید مسیریابی در سیستمهای هدایت اتومبیل با استفاده از شبکه های عصبی
 

یک روش جدید مسیریابی در سیستمهای هدایت اتومبیل با استفاده از شبکه های عصبی

تقريب تابع منحني agc راديو بوسيله شبكه عصبي
 

ببخشید اگه تکراریه !

تشخيص عيوب جوشکاري در تصاوير راديوگرافي با استفاده از طبقه بندي کننده شبکه عصبي
 

تشخيص عيوب جوشکاري در تصاوير راديوگرافي با استفاده از طبقه بندي کننده شبکه عصبي

خلاصه مقاله:
اين مقاله در واقع به كمك روشهاي تشخيص الگو ( Pattern Recognition ) در تصاوير راديوگرافي با اشعه ايكس به تشخيص عيوب جوشكاري مي پردازد . در اين مقاله يك سيستم تشخيص الگو متشكل از قسمتهاي پردازش تصوير استخراج ويژگي و قسمت هوشمند شبكه عصبي جهت تفسير اتوماتيك و كامپيوتري عيوب جوشكاري ارائه شده است . ابتدا با استفاده از بلوك پردازش تصوير كيفيت تصاوير راديوگرافي تا حد قابل قبولي ارتقا داده مي شوند سپس برخي ويژگيهاي ساختاري از هر تصوير استخراج مي شوند تاجهت تغذيه به ورودي بلوك طبقه بندي كننده بكار روند. در نهايت طبقه بندي كننده شبكه عصبي طراحي شده، جداسازي تصاوير معيوب را از سالم انجام مي دهد. در عمل هنگام راديوگرافي ، بيش از 60 (شصت ) درصد تصاوير راديوگرافي معيوب نيستند ولي نياز دارند كه توسط مفسر راديوگرافي جوش كه داراي تخصص و Certificate هاي كافي در اين زمينه باشد مورد بازرسي فني قرار گيرند . اين عمل يك فرآيند وقت گير براي مفسر جوش است و باعث كاهش حساسيت بازرسي چشمي مي شود و قابليت اطمينان تفسير جوش را به خصوص براي تصاوير معيوب به شدت كاهش مي دهد . سيستم هوشمند تشخيص الگوي معرفي شده، جهت حل اين مشكل طراحي شده است و بر روي نمونه تصاوير راديوگرافي خطوط لوله تست شده و نتايج مطلوبي اخذ گرديده است.

كلمات كليدي:
تشخيص الگوي راديوگرافي، آشكارسازي عيوب جوشكاري، استخراج ويژگي ، طبقه بندي كننده شبكه عصبي

سيستم تشخيص تهاجم مبتني بر شبکه عصبي art
 

یادگیری سریع با استفاده از شبکه‌های عصبی
 

سلام دوستان،


این مقاله به درد کسانی‌ میخوره که علاقه دارند به خواندن مقالات جدید و مشاهدهٔ اینکه در حال حاضر چه مقالاتی در مجلات معتبر ارائه میشن. این مقاله ۴ روز پیش در (IEEE) ارائه داده شده.


من خودمم در حال خوندنش هستم. در مورد یاد گیری با شبکه‌های عصبی برای (Classification) هستش. که این روش ادعا می‌کنه در زمان
یادگیری صورت‌ میگیره.

امیدوارم خوشتون بیاد.

حذف اعوجاج از سیگنال ارسالی با استفاده از شبکه عصبی
 

حذف اعوجاج از سیگنال ارسالی با استفاده از شبکه عصبی

چکیده:
يكي از مشکلات ارسال سیگنال وجود نویز و خطای بین سمبلها واعوجاج مي‌باشد. يكي از كاربردهاي شبكه‌هاي عصبي در پردازش سيگنالها طراحي فيلتر است بطوريكه از آن براي: 1. حذف خطاي بين سمبلها [1] (isi)2. حذف اثر اعوجاج كانال 3. حذف اثر نويز استفاده مي‌شود. شبكه با مينيمم كردن كردن سيگنال خطا عملا تلاش مي‌کند تا خطاي سيگنال خروجي به حداقل خود برسد. در این مقاله شبکه عصبی برای حذف اعوجاج طراحی شده است

پيشگويي زلزله به وسيله شبكه عصبي مصنوعي!
 

پيشگويي زلزله به وسيله شبكه عصبي مصنوعي
:61::113:

خلاصه مقاله:

اين مقاله به بررسي سيستمي در مورد پيشگويي زلزله مي پردازد كه بر اساس استفاده از ميدان الكتريكي تك قطبي طراحي گرديده است، هدف از پيشگويي زلزله تعيين اندازه، مركز زلزله و زمان وقوع زلزله مي باشد. شبكه هاي عصبي مصنوعي به عنوان ابزار قدرتمندي براي يادگيري و بازسازي سيستمها در زمينه هاي مختلف كاربردي شناخته مي شوند. يكي از ويژگيهاي اصلي شبكه هاي عصبي توانايي يادگيري آنها از روي الگوها مي باشد. شبكه هاي عصبي مصنوعي داراي ساختار لايه اي مي باشد كه هر نورون مصنوعي در آنها در تقابل با ساير تورونها مي باشد. در مقايسه با سيستمهاي كلاسيك كه به وسيله مجموعه اي از روابط شناسايي مي شوند شبكه هاي عصبي مصنوعي از روي مثالهاي آموزشي كه به آنها داده مي شوندآموزش مي بينند و قوانين و روابط حاكم بر خود را پايه ريزي مي كنند يادگيري در شبكه هاي عصبي مصنوعي به وسيله تغيير در وزنهاي اتصالات نرونها تحقق مي پذيرد. فاصله و اندازه زلزله كه از دستگاههاي زلزله نگار به دست آمده اند به وسيله شبكه هاي عصبي به گروههاي همان طبقه بندي شده و اين خروجي به عنوان خروجي مطلوب يه شبكه عصبي مصنوعي براي آموزش اعمال مي شود. اين كار باعث افزايش قابليت پيشگويي شبكه عصبي مي شود.

كلمات كليدي:

پيشگويي زلزله ، شبكه عصبي مصنوعي ، ميدان الكتريكي تك قطبي

بلوك شبكه عصبي براكيال با هدايت اولتراسوند: بررسي 30 مورد
 

مدلسازي و بهينه سازي ارتعاشات سيلندر ناشي از گردابه ها بوسيله شبکه عصبي و الگوريتم ژن
 

مدلسازي و بهينه سازي ارتعاشات سيلندر ناشي از گردابه ها بوسيله شبکه عصبي و الگوريتم ژنتيک
:8:

استفاده از شبكه عصبي در كنترل توان راكتيو tsc و tcr به منظور كاهش هارمونيك
 

شبکه عصبی فازی انعطاف پذیر برای گروه بندی و شناسایی اثر انگشت
 

شبکه عصبی فازی انعطاف پذیر برای گروه بندی و شناسایی اثر انگشت
:67:

آموزش در شبكه هاي عصبي – فازي: عملكرد يا تعبيرپذيري؟
 

سمينار
آموزش در شبكه هاي عصبي – فازي: عملكرد يا تعبيرپذيري؟
ارائه دهنده : دكتر مهدي علياري شورهدلي
زمان: دوشنبه 2 دي 87
مكان: اتاق سمينار دانشكده مهندسي برق دانشگاه صنعتي خواجه نصيرالدين طوسي
:3:

فايل صوتي
و چکيده اي از اين سمينار

پيش بينی پديده شکوفايی جلبک با استفاده از شبکه عصبی
 

پيش بينی پديده شکوفايی جلبک با استفاده از شبکه عصبی
:71:

کاربرد شبکه عصبي مصنوعي در پيش بيني محتواي رطوبتي در طي فرآيند خشک کردن انگور
 

کاربرد شبکه عصبي مصنوعي در پيش بيني محتواي رطوبتي در طي فرآيند خشک کردن انگور
:71::8:

بررسي مقايس هاي توان پي شبيني شبكه هاي عصبي مصنوعي با روش توقف زود هنگام و فرايند سري
 

بررسي مقايس هاي توان پي شبيني شبكه هاي عصبي مصنوعي با روش توقف زود هنگام و فرايند سري زماني خودبازگشت در براورد نرخ تورم
:39::61:

تخمين دبي رسوب ايستگاه ونيار با استفاده از شبكه عصبي مصنوعي
 

برآورد پتانسيل روانگرايي خاكها بااستفاده از شبكه عصبي مصنوعي
 

برآورد پتانسيل روانگرايي خاكها بااستفاده از شبكه عصبي مصنوعي
:34:

استفاده از تبدیل موجک انعکاس صدا و شبکه های عصبی برای سورتینگ پسته
 

پيش بيني تقاضاي ماهيانه برق با استفاده از مدل هاي شبكه عصبي مصنوعي و آريما در ايران
 

تخمین شتاب جانبی، سرعت جانبی و زاویه رول یک خودروی سواری با مخزن cng به کمک شبکه عصبی
 

تخمین شتاب جانبی، سرعت جانبی و زاویه رول یک خودروی سواری با مخزن cng به کمک شبکه عصبی انتشار برگشتی
:34:

پيش بيني نرخ سايش فولادهاي متالورژي پودر توسط شبكه هاي عصبي مصنوعي
 

مقايسه نتايج حاصل از شبكه هاي عصبي mlp و rbf در پيش بيني جريان هاي ساحلي
 

مقايسه نتايج حاصل از شبكه هاي عصبي mlp و rbf در پيش بيني جريان هاي ساحلي
:6:

بررسی جریان های ساحلی هنگام طوفان از آن جهت دارای اهمیت وﯾﮋه می باشد که اکثر تغییرات در خطوط ساحلی و جابجایی رسوبات در این زمان رخ می دهد. در برآورد جریان های ساحلی در شرایط طوفانی به علت سختی کار در برداشت داده هاي ميداني و نیز پیچیدگی تحلیل بر روی داده های همزمان اثر موج و باد های شدید تاکنون تحقیقات چندانی صورت نگرفته و داراي ابهامات زیادی است. هدف از تحقیق حاضر مقايسه دو نوع شبکه عصبیmlp وrbf برای برآورد جریان های ساحلی در شرایط طوفانی است که از پرکاربردترین شبکه ها در مسایل تقریب توابع هستند. در اين تحقيق توانمندی های اين دو نوع شبكه عصبي در مدلسازی جریان هاي ساحلي در ساحل جواتسو- اوگاتا نشان داده شد. به گونه ای که این مدل ها توانستند نتایج معقولی در مناطق مختلف این سایت ارائه دهند. مدل های کلی ارائه شده نهایی نشان مي دهند که می توانند نواحی مختلف ساحلی را به خوبي درک کرده و نیز در تمامی حالات جواب هایی با دقت قابل قبول داشته باشند. همچنین قابلیت این شبکه ها نيز با یکدیگر مورد مقایسه قرار گرفت. با مقایسه پاسخ ها ، ارقام و روند مشابهی در دو نوع شبکه ملاحظه گردید. در نهايت مقایسه ای بین این دو نوع شبکه با مدل های رگرسیون آماری انجام گرفت که نتایج نشان دهنده میزان عملكرد بهتر این شبکه ها نسبت به مدل رگرسیونی بود.

مقايسه عملكرد شبكه هاي عصبي rbf و mlp در برآورد تبخير و تعرق گياه مرجع
 

مقايسه عملكرد شبكه هاي عصبي rbf و mlp در برآورد تبخير و تعرق گياه مرجع

تبخير و تعرق يكي از اجزاي اصلي چرخه هيدرولوژي است. اين فرايند پيچيده به عوامل متعدد اقليمي وابسته است. شبكه هاي عصبي مصنوعي در چند دهه اخير و در مطالعات صورت گرفته براي مدل سازي سيستم هاي پيچيده و غيرخطي قابليت بسيار بالايي از خود نشان داده اند. در تحقيق حاضر امكان استفاده از شبكه هاي با تابع پايه شعاعي (rbf) و شبكه هاي پرسپترون چند لايه (mlp) براي تخمين تبخير و تعرف گياه مرجع مورد مطالعه قرار گرفته است. با استفاده از سري داده هاي هواشناسي سال هاي 1330-1383 ايستگاه تبريز، ابتدا مقادير متوسط تبخير و تعرق ماهانه گياه مرجع از روش استاندارد پنمن - مونتيث (pm)، محاسبه شد. سپس با استفاده از اين مقادير به عنوان خروجي هاي هدف، شبكه هاي مختلفي با ساختار متفاوت تعريف و آموزش داده شد. در نهايت قابليت شبكه براي تخمين تبخير و تعرق با استفاده از قسمتي از داده ها كه در طراحي و يا آموزش شبكه استفاده نشده اند، مورد بررسي قرار گرفت. با بررسي هاي انجام گرفته مشخص شد كه تنها با استفاده از دو پارامتر دماي ميانگين و سرعت باد به عنوان ورودي، مي توان ميزان تبخير و تعرق گياه مرجع را با استفاده از اين دو نوع شبكه با دقت قابل قبولي rmse<0.4081) و r2>0.976 براي مجموعه صحت سنجي) تخمين زد. همچنين با مقايسه نتايج حاصل از دو شبكه مشخص شد كه شبكه هاي mlp نسبت به rbf در تخمين تبخير و تعرق گياه مرجع از دقت نسبتا بيشتري برخوردارند و تنها مزيت شبكه هاي rbf زمان كمتر مورد نياز براي آموزش است.


كليد واژه: تبخير و تعرق گياه مرجع، روش پنمن - مونتيث، شبكه هاي با تابع پايه شعاعي، شبكه هاي پرسپترون چند لايه

رله جريان زياد بر پايه شبكه مصنوعي
 

رله جريان زياد بر پايه شبكه مصنوعي

چكيده:
اين مقاله شرحي بر طراحي و توسعه رله جريان زياد جهتي بر پايه شبكه عصبي مصنوعي مي باشد. شبكه پس خور چند لايه را با روش الگوريتم خطاي برگشتي آموزش داده و جهت بررسي اين رله در نظر گرفته شده است. اين شبكه عصبي بر پايه اين الگوريتم بصورت off-line با استفاده از معادلات رياضي شبيه سازي شده و جهت تست جريان زياد و ولتاژ در شرايط خطا مورد ارزيابي قرار گرفته است. اين رله پيشنهادي كه بر پايه شبكه عصبي عمل مي نماييد از قابليت اطمينان، سرعت و دقت بالا برخوردار است.

واژه هاي كليدي: شبكه عصبي مصنوعي (ANN) , پس خور به جلو (feed forward) انتشار و به عقب propogation) (Back , رله جريان زياد جهتي (directional over current) , حفاظت (Protection)

مقايسه عملکرد شبکه mlp و شبکه rbf براي شبيه سازي سلول هاي خورشيدي
 

مقايسه عملکرد شبکه mlp و شبکه rbf براي شبيه سازي سلول هاي خورشيدي
:52:

کاربرد شبکه هاي عصبي در شبيه سازي توابع و نگاشت هاي غيرخطي-معکوس
 

مقايسه ي كاربرد روش شبكه ي عصبي مصنوعي با وايازي خطـي و چند متغيره درنحوه ي توزيع رسو
 

مقايسه ي كاربرد روش شبكه ي عصبي مصنوعي با وايازي خطـي و چند متغيره درنحوه ي توزيع رسوب

چکيده:
پديده ي فرسايش و انتقال رسوب يكي از پيچيده ترين مسايل هيدروديناميك (آب پويايي ) مي باشد كه در مطالعه ي طرحهاي آبي از اهميتي بسيار برخوردار است. با توجه به اين كه شبكه هاي عصبي مصنوعي از دو ويژگي اساسي يادگيري يا نگاشت پذيري بر اساس ارايه ي داده هاي تجربي (قدرت و توانايي تعميم پذيري) و ساختارپذيري موازي برخوردارند، يكي از مهم ترين روش هاي هوش مصنوعي می باشند كه در آن با الهام گيري از مغز انسان، ضمن اجراي فرآيند آموزش، اطلاعات مربوط به داده ها درون وزن هاي شبكه ذخيره مي شوند. در اين پژوهش ضمن طراحي شبكه هاي عصبي مصنوعي با روش پس انتشار خطا و تجزيه و تحليل پايداري و همگرايي فراسنج هاي اداره كننده ي سامانه هاي حلقه اي آن، عملكرد آن ها در برآورد نحوه ي توزيع رسوب مخزن سداكباتان مورد بررسي قرار گرفته و در پي آن نيز با استفاده از وايازي خطي و وايازي چند متغيره اقدام به برآورد ميزان و نحوه ي توزيع رسوب مخزن سد نامبرده شده و نتايج بدست آمده با يك ديگر مقايسه و مورد بررسي قرار گرفته اند. پس از تعيين ضرايب (r2) و(rsme) شبيه شبكه هاي عصبي مصنوعي براي بررسي و نحوه ي توزيع رسوب گذاري مخازن سدها به عنوان يكي از دقيق ترين روش ها پيشنهاد مي گردد. افزون بر آن، كاربرد وايازي خطي، به دليل ساز و كار پخش خطا در محاسبات، بر وايازي چند متغيره غيرخطي برتري دارد.

کليدواژگان:
انتقال رسوب، شبكه هاي عصبي مصنوعي، هوش مصنوعي، پس انتشار خطا، وايازي چند متغيره

تشخيص خودكار سطح هوشياري با استفاده از شبكه عصبي مصنوعي و ضرايب ويولت
 

تشخيص خودكار سطح هوشياري با استفاده از شبكه عصبي مصنوعي و ضرايب ويولت
:109::58:

كلاس بندي لهجه هاي فارسي با استفاده از شبکه هاي عصبي
 

كلاس بندي لهجه هاي فارسي با استفاده از شبکه هاي عصبي
:15::4:

مدل سازي پيش بيني قيمت سهام با استفاده از شبكه عصبي و مقايسه آن با روشهاي پيش بيني ري
 

مدل سازي پيش بيني قيمت سهام با استفاده از شبكه عصبي و مقايسه آن با روشهاي پيش بيني رياضي
:36::79:

هدايت بصري روبات توسط شبكه هاي عصبي مصنوعي
 

هدايت بصري روبات توسط شبكه هاي عصبي مصنوعي
:26::4:

اعوجاج همون امواجه دیگه؟؟؟؟؟
شرمنده نمی دونستم

با سلام خیلی ممنون از این سایت واقعا عالیتون امیدوارم موفق باشید همراه با ارزوی توفیق روزافزون

مقالاتتون عالی بود دم همتون گرم

سپاس و تشکر فراوان

ترجمه این مقاله را می خواهم
با تشکر

سلام....ممنون از مقاله عالیتون..نسخه انگلیسیشو ندارین

دانلود
 

سلام. من نتونستم این فایل مقاله رو باز کنم. میشه راهنمایی کنید!؟ ممنون می شم

نه عزیزم
اعوجاج:اغتشاش شکل موج است که از پاسخ ناقص سیستم به سیگنال مورد نظر سرچشمه میگیرد،اعوجاج با قطع شدن سیگنال از بین میرود اگر سیستم پاسخی همراه با اعوجاج داشته باشد می توان به کمک فیلتر های خاصی که تعدیل کننده نام دارد اعوجاج را کاهش داد و یا حتی از بین برد.