بهبود كارايي الگوريتم هاي ژنتيك كوانتومي با استفاده از جستجوي محلی Simulated Annealing

الگوريتم هاي ژنتيك كوانتوم برپاية ديدگاه محاسبات و كامپيوترهاي كوانتومي شكل گرفته اند. مزيت اين الگوريتم ها در ايجاد توازن ميان تعمق و جستجو است. پژوهش هاي اخير نشان مي دهد اين الگوريتم ها در حلّ مسائلِ بهينه سازيِ تركيبي مانند مسئلة كوله پشتي از كارايي بسيار بالايي برخوردارند. ولي در مجموع اين الگوريتم ها نيز دچار مشكل گير كردن در قلّة محلّي، و كندي سرعت همگرايي هستند. براي همين منظور بايستي روش هايي براي بهبود كارايي اين الگوريتم ها پيشنهاد كرد. الگوريتم هاي ژنتيك كوانتوم مانند ساير الگوريتم هاي تكاملي يك روش جستجوي عمومي مي باشند و تلفيق آنها با رو شهاي جستجوي محلّي مي تواند بر كارايي آنها بيفزايد. در اين پژوهش مي كوشيم كارايي الگوريتم هاي ژنتيك كوانتوم را با استفاده از روش جستجوي محلّي Simulated Annealing بهبود دهيم. نتايج نشان ميدهند به كارگيري اين الگوريتم موجب افزايش بسيار زياد كارايي الگوريتم هاي ژنتيك كوانتوم ميشود.

بهبود كيفيت فشردهسازي سريع فركتالي نرم يك1 با موجك

فشردهسازي فركتالي از مباحث مورد توجه چند ساله اخير بوده است. در اين شيوه با كنار هم قرار گرفتن مجموعه اي از قطعه 1 تصويرها كه نگاشت مناسبي برروي آنها اعمال شده است، تصوير اصلي ساخته ميشود. انتخاب قطعه تصوير و نگاشت مناسب آن، مستلزم يك جستجو در ميان تمام قطعه تصويرهاي دامنه 2 براي هر قطعه از تصوير اصلي است. لذا اين الگوريتمها همواره زمان زيادي را صرف عمل فشرده سازي مينمايند. بدين جهت بهبود سرعت آنها از جمله مباحث مورد توجه محققين حوز فركتال بوده است. عمده اشكال الگوريتمهاي سريع كيفيت پائين تر آنها نسبت به الگوريتم كدينگ فركتالي با جستجوي كامل 3 است. در اين مقاله الگوريتمي جديد مبتني بر فركتال و موجك 4 ارائه شده است كه كيفيت تصوير حاصل از فشرده سازي را تا حدود زيادي بهبود بخشيده و از سرعت مناسبي نيز برخوردار است.

بهينه سازي پارامترهاي موثر در استخراج ويژگي از ارقام دست نويس فارسي با استفاده از الگوريتم ژنتيك

در اين مقاله، يك روش مبتني بر الگوريتم ژنتيك براي انتخاب بهينة پارامترهاي مربوط به استخراج ويژگي از ارقام دستنويس فارسي ارائه شده است. ويژگي هاي پيشنهاد شده جهت استخراج از ارقام دست نويس، شامل سه دستة اصلي هستند: تصوير كوچك شده، نيمرخ هاي چپ، راست، بالا و پايين و تصاوير مقطع افقي و عمودي. در مجموع 14 پارامتر در نحوة استخراج ويژگي ها از تصوير ارقام دخيل هستند. براي بهينه سازي پارامترها، الگوريتم ژنتيك به ازاي دو تابع ارزيابي مختلف به اجرا در آمد. نتايج بدست آمده از بكارگيري دو مجموعة بهينه در استخراج ويژگي از ارقام، در مقايسه با دو مجموعه پارامتر ديگر كه به صورت تجربي مشخص شده بودند، بهبود خوبي را نشان مي دهد.

بهينه سازي ساختار شبكه هاي عصبي با استفاده از روش اتوماتاي يادگير

عملكرد شبكه هاي عصبي به طرز چشمگيري به پارامترهاي ساختاري آن وا بسته است . تعداد نرونها، تعداد لايه هاي مخفي، نحوه اتصال نرونها، و نوع توابع تحريك مثالهاي بارزي از اين پارامترها هستند . در اين تحقيق روشي جديد براي بهينه سازي ساختار شبكه هاي عصبي جهت دستيابي به عملكرد بهينه (يا نزديك به آن) ارائه شده است. اين روش مبتني بر الگوريتم اتوماتاي يادگير است. در روش پيشنهادي پارامترهاي ساختاري شبكه عصبي به عنوان متغيرهاي مستقل در نظر گرفته شده ، و تابع عملكرد شبكه عصبي به وسيله روش بهينه سازي تابعي اتوماتاي يادگير بهينه مي شود. شبكه هاي عصبي مورد آزمايش در اين تحقيق به منظور طبقه ب ندي داده به كار گرفته شده است . نتايج عملي حاصل از آزمايشات متعدد بر روي داده هاي آزمايشي متنوع (در ابعاد فضاي ويژگي، تعدا د نمونه ها و تداخل كلاسها) كارايي روش پيشنهادي را به خوبي آشكار مي كند. براي محك زدن هر چه بهتر روش پيشنهادي، عملكرد آن با روش بهينه سازي تكاملي نيز مقايسه شده است.

بهينه سازي سازه هاي فضاكار تخت دو لايه به كمك الگوريتم ژنتيك و شبكه هاي عصبي مصنوعي

امروزه در سراسر دنيا شاهد كاربرد روزافزون سازه هاي فضاكار هستيم كه به علت خصوصيات و قابليت هاي منحصر بفرد اين سازه ها مي باشد. با توجه به وجود تعداد زياد عضو در اين سازه ها، انتخاب شكل مناسب تاثير زيادي در كاهش وزن و درنتيجه كاهش هزينه سازه خواهد داشت. در اين مقاله سازه هاي فضاكار تخت دو لايه با سه توپولوژي مختلف با متغير هاي طول، عرض، ارتفاع، فاصله ستونها و طول اعضاي افقي مورد بررسي قرار گرفته است. در تخمين وزن اين مدلها از شبكه عصبي مصنوعي و براي بهينه سازي آنها از الگوريتم ژنتيك استفاده شده است. ورودي الگوريتم ژنتيك، عرض و طول سازه بوده و خروجي آن، انتخاب بهينه شكل سازه از ميان سه توپولوژي موجود به همراه ارتفاع، فاصله ستونها وطول اعضاي افقي مي باشد

بهينه سازي سيستم بازشناسي حروف دست نويس فارسي بر اساس انتخاب آگاهانه ويژگي هاي تاثير گذار بر دسته بند به كمك الگوريتم ژنتيك

نفرين بعديت يكي از مشكلات دسته بندي است. هرچه ابعاد مساله بزرگ تر باشد، هزينه دسته بندي بالاتر رفته، به علاوه اين كه مي تواند باعث خطا در دسته بندي شود. در اين مقاله نفرين بعديت به عنوان مساله بهينه سازي مطرح شده و با دو ابزار احتمالاتي و الگوريتم ژنتيك به سمت انتخاب موثرترين ويژگي ها در جهت كاهش ابعاد مساله حركت مي كنيم. روش احتمالاتي به وسيله تكرار در استفاده از دسته بند بيزين با ويژگي هاي مختلف پياده سازي مي شود. الگوريتم ژنتيك نيز با توليد كروموزوم هاي مختلف، كه در هر كروموزوم تعدادي ويژگي حضور وتعدادي حضور ندارند ارائه ميشود. نتايج نشان داد كه در مرحله آموزش بخاطر تكرار در جهت يافتن خصايص بهينه هزينه آموزش بويژه در استفاده از الگوريتم ژنتيك بسيار بالا است. اما در مرحله تست به علت كم شدن ابعاد مساله هزينه بسيار كاهش يافته و نتايج بهتري حاصل شده است كه الگوريتم ژنتيك در اين راه موفقتر بوده است. در واقع هرچه براي آموزش زمان و هزيته گذاشته شود در مرحله تست و كاربرد سيستم جبران خواهد شد اين مقاله همچنين از روش قاب بندي براي استخراج ويژگي ها استفاده مي كند. اين روش با يك تغيير كوچك در مرحله پيش پردازش براي هر زباني با هر قلمي و هر اندازه اي مي تواند كارا باشد. نمونه هاي استفاده شده بصورت دستي جمع آوري و پردازش شده اند.

بهينه سازي مدارهاي منطقي تركيبي در سطح گيت با استفاده از الگوريتم ژنتيك

از پارامترهاي مهم در طراحي مدارهاي منطقي تركيبي كاهش تعداد گيت و همچنين تعداد ترانزيستورهاي بكاررفته در ساخت مدار مي باشد. سخت افزار قابل تكامل (ehw) تكنيكي جهت طراحي اتوماتيك مدارها معرفي مي نمايد كه در آن پيكربندي مدار با استفاده از الگوريتمهاي تكاملي انجام مي شود . در اين مقاله ابتدا اشاره اي به تكنيكهاي طراحي اتوماتيك مدارها مي نماييم، سپس روشي جديد براي كمينه كردن تعداد گيتها با استفاده از الگوريتم ژنتيك پيشنهاد مي نماييم. ما از گيتهاي xor و not، nor ,nand براي ساخت توابع منطقي استفاده مي كنيم كه نسبت به گيتهاي not و or ،and از تعداد كمتري ترانزيستور در ساختار آنها استفاده مي شود. در نهايت نتايج اين روش با روشهاي ديگر مقايسه شده است و ملاحظه مي شود كه با اين روش همراه با كاهش تعداد گيتها، تعداد ترانزيستور بكار رفته در ساخت يك تابع نيز كاهش قابل ملاحظه اي مي يابد

تاييد هويت افراد از طريق خطوط اصلي كف دست با استفاده از فيلتر گابور دايره ای

خطوط كف دست، يكي از ويژگي هاي بيومتريكي است كه در متمايزكردن افراد مختلف از يكديگر دقّت بالايي دارد. لذا، روشهاي مختلفي براي تعيين اين خطوط توسط پژوهشگران ارائه گرديده است. در اين مقاله براي تعيين خطوط اصلي كف دست، روشي مبتني بر فيلتر گابور پيشنهاد شده كه با تغييري در قسمت موهومي فيلتر گابور، از آن بعنوان يك اپراتور لبه ياب استفاده ميشود تا خطوط اصلي كف دست را از ساير خطوط موجود در كف دست تميز دهد. مقايسه نتايج حاصل از اعمال اين روش و لبه يابهايي چون مار و كني، بيانگر عملكرد خوب و دقيق اين روش در تعيين خطوط اصلي كف دست مي باشد. سپس در فاز تاييد هويت بر مبناي اين خطوط اصلي، از فيلتر گابور دايره اي جهت استخراج ويژگي و براي بررسي ميزان شباهت دو تصوير كف دست، متريك همينگ بكار گرفته شده است. نتايج حاصل در تاييد هويت فرد، نشان از عملكرد نسبتاً دقيق روش ارائه شده، دارد.

تحليل استاتيكي سازه خرپا با استفاده از پارامترهاي فازي

تحليل استاتيكي يك خرپاي دو بعدي با استفاده از مدلسازي عدم قطعيتهاي موجود در پارامترهاي مؤثر در تحليل سازه بصورت اعداد فازي با توابع عضويت مثلثي انجام شد. محاسبات فازي در حالت اول براي بارگذاري، ضريب كشساني و ابعاد هندسي؛ در حالت دوم براي بارگذاري و ابعاد هندسي و در مرحله سوم براي ضريب كشساني و ابعاد هندسي انجام شد. با افزايش تعداد اعداد فازي در محاسبات، جابجايي هاي بدست آمده با استفاده از اصل گسترش لطفي زاده فازي تر مي شوند. پاسخهاي فازي، طيف مقادير ممكن را براي جابجايي المانهاي خرپا همراه با درجه عضويت آنها نشان مي دهند و اين مي تواند، راه جايگزين مناسبي براي آزمايشهاي تحليل سازه باشد. نتايج فازي همخواني كاملي با پاسخهاي بدست آمده از نرم افزار ansys 10 به روش اجزاي محدود براي تعيين تنش و جابجايي براي هر عضو سازه دارند.

تحليل تاثير پارامترهاي مختلف سنگزني بر توزيع تنشهاي پسماند با هوش مصنوعي

تنشهاي پسماند تنشهاي هستند كه در حالتيكه بر جسم نيروهاي خارجي اعمال نشده در آن وجود دارد. اين تنشها در فلزات و ديگر مواد تحت تاثير فرآيندهاي مكانيكي، حرارتي و يا شيميايي ايجاد مي شود. بر اثر اين فرآيندها تغيير شكل دائمي و غير يكنواخت در جسم ايجاد ميشود. اين تنشها بصورت كششي و فشاري هستند. در اين تحقيق ابتدا بر روي چند نمونه آزمايشگاهي سنگ زني انجام مي شود. در هر نمونه پارمتراهاي موثر بر سنگ زني از قبيل ميزان براده برداري، سرعت تراش و نوع خنك كننده متفاوت در نظر گرفته مي شود. آنگاه تنشهاي پسماند ناشي از فرآيند توسط پرتو ايكس اندازه گيري مي شود. سپس با استفاده از نتايج آزمايشگاهي، يك شبكه عصبي مصنوعي ايجاد مي گردد. پس از آموزش شبكه عصبي، با استفاده از آن مي توان ميزان تنش پسماند در عمق نمونه را تحت هر شرايطي بدست آورد . از مزاياي اين روش صرفه جويي در وقت و هزينه است . نتايج نشان ميدهد كه هرگاه در فرآيند سنگ زني اثر دماي بالا آشكار شود تنش پسماند كششي در سطح جسم ظاهر مي شود و چنانچه اثر حرارت ناچيز باشد تنش پسماند فشاري توليد مي شود.

تخمين تنشهاي پسماند در ساچمه زني با استفاده از شبكة عصبي مصنوعي

تنشهاي پسماند موجود در يك جسم مي توانند مضر و يا مفيد باشند . تنشهاي پسماند كششي معمولاً مضر بوده و باعث ترد شدن و كاهش مقاومت مكانيكي سطح مي شوند. در مقابل در اغلب اوقات تنشهاي پسماند فشاري مفيدند . در فرآيند ساچمه زني بدليل تغيير شكل پلاستيك تحت تاثير نيروهاي خارجي، تنشهاي پسماندي بوجود مي آيند. بدليل كم بودن عمق نفوذ در فرآيند ساچمه زني، سطح جسم بيشتر از داخل آن دچار تغيير شكل شده، و تنشهاي فشاري از داخل جسم به سطح آن وارد مي شوند. در اين تحقيق با استفاده از دستگاه xrd تنشهاي پسماند را بر روي يك نمونه تحت تاثير شرايط مختلف ساچمه زني از قبيل قطر گلوله، سرعت پرتاب، و زاويه برخورد در عمق نمونه، انداز ه گيري مي شود . سپس يك شبكه عصبي مصنوعي انتشار برگشتي ايجاد شده و آموزش داده مي شود. پس از آموزش شبكه عصبي مصنوعي، مي توان ميزان تنش پسماند در عمق نمونه را تحت هر شرايطي بدون انجام آزمايش بدست آورد . از مزاياي اين روش صرفه جويي در وقت و هزينه است . نتايج نشان مي دهد كه سرعت پرتاب ساچمه ها و قطر گلوله ها تاثير بسزايي در توزيع تنشهاي پسماند بر روي سطح داشته و با استفاده از شبكه عصبي با دقت بالا مي توان توزيع تنش پسماند را بدست آورد.

ﺗﺸﺨﻴﺺ ﺑﻴﻤﺎري دﻳﺎﺑﺖ ﻧﻮع 1 ﺑﺎ اﺳﺘﻔﺎده از ﺗﺮﻛﻴﺐ اﻟﮕﻮرﻳﺘﻢ anfis و ga-nn

از جمله مشكلاتي كه در روشهاي رايج تشخيص بيماري ديابت نوع 1 وجود دارد عدم در نظر گرفتن ويژگيهاي مناسب به منظور تشخيص بيماري و در نتيجه ضعف در تشخيص آن بيماري خصوصاً در مراحل ابتدايي آن ميباشد. در اين مقاله سعي شده است تا ابتدا با استفاده از يك بهينه ساز الگوريتم تكاملي ، ويژگيهاي مطلوب د ر روند تشخيص بيماري انتخاب و سپس با استفاده از الگوهاي بهينه انتخاب شد ه در يك الگوريتم anfis ، به تشخيص هوشمند بيماري ديابت پرداخته شود . در نهايت مشخص شد كه الگوريتم anfis با حدود 10 % افزايش ميزان صحت تشخيص بيماري در مرحله آموزش و 5% افزايش ميزان صحت در مرحله آزمايش، ميتواند از كارايي مطلوبتري نسبت به ديگر روشهاي هوشمند قبلي برخوردار باشد ضمن اينكه علاوه بر افزا يش ميزان صحت نسبت به تحقيقات مشابه، تعداد ويژگيهاي مطلوب در تشخيص بيماري نيز در مقايسه با تحقيقات مشابه انجام شد ه ديگر به كمتر از نصف كاهش يافته است كه اين خود باعث افزايش سرعت در فرايند تشخيص مطلوب بيماري ديابت خواهد شد.

تعميم روش كنترل با ناظر براي سيستم هاي چندسطحي

در اين مقاله روشي جديد به منظور توسعه ي طراحي سيستم هاي كنترل چند سطحي بررسي مي شود به گونه اي كه امكان طراحي سيستم كنترل چند سطحي كه در اينجا بيشتر براي سيستم هاي دو سطحي كنترل با ناظر بيان شده از يك چارچوب و قالب خاص براي صورت كلي معادلات ديناميك آن خارج مي كند و به طراح اين امكان را مي دهد كه بدون توجه به شكل كلي معادلات ديناميك طراحي را انجام دهد اين روش قابليت تعميم به سيستم هاي چند سطحي را نيز دارد.

تعيين پارامترهاي حاكم بر خط نورد سرد با استفاده از شبكه هاي عصبي مصنوعي

در اين مقاله به تعيين پارامترهاي اصلي حاكم بر خط نورد سرد پيوسته فولاد، اعم از پارامترهاي ورق و پارامترهاي فرآيند، و ايجاد يك سيستم هوشمند براي خط نورد سرد فولاد با استفاده از شبكه هاي عصبي مصنوعي پرسپترون چند لايه پرداخته ميشود. در واقع در اين مقاله نشان داده ميشود كه در يك خط نورد امكان پيش بيني پارامترهاي اساسي حاكم بر نورد سرد براي نورد ورقهاي فولادي با خواص و ابعاد جديد با استفاده از اطلاعات تجربي به دست آمده از نورد ورقهاي قبلي كه توسط يك سيستم شبكه عصبي آموزش داده شده اند، وجود دارد. اطلاعات مورد استفاده در آموزش شبكه عصبي به دو دسته تقسيم ميشوند. دسته اول اطلاعاتي كه مستقيماً از روي خط نورد سرد توسط دستگاههاي موجود اندازه گيري ميشود و دسته دوم اطلاعاتي كه قابل اندازه گيري نيستند و از شبيه سازي فرآيند خط نورد سرد پنج مرحله اي توسط نرم افزار اجزاء محدود abaqus حاصل ميگردد. در پايان نتايج حاصل از سيستم شبكه عصبي براي پنج حالت متفاوت با نتايج تجربي مقايسه ميگردد.

تكامل تدريجي رفتار در الگوريتم هاي ممتیک با استفاده از سازگاري در تقليد افراد جامعه

در اين مقاله با بهره گيري از فرضيه تكامل رفتاري، معماري جديدي براي الگوريتم هاي ممتيك ارائه شده است. در روش جديد با گذشت زمان ميزان تاثير پذيري افراد جامعه از محيط اطرافشان رفته رفته كاهش مي يابد تا افراد به سطحي از تكامل رفتاري و خودمختاري در زندگي دست يابند. نتايج حاصل از شبيه سازي هاي صورت گرفته نشان داد كه الگوريتم ممتيك ارائه شده در اين مقاله نسبت به ساير معماري هاي متداول الگوريتم هاي ممتيك، در مدت زماني كمتر، جواب هاي بهتري را نتيجه مي دهد. همچنين اجراي مكرر شبيه سازي ها نشان داد كه اين الگوريتم در مقايسه با ساير الگوريتم هاي ممتيك پايداري بسيار بالايي دارد.

تلفيق و تركيب توابع فازي مرتبط با پارامترهاي بارندگي و تبخيروتعرق جهت پايش خشكسالي

شيوه هاي قديمي مواجهه با عدم قطعيت ها منجمله كاربرد تئوري آمار و احتمال در بسياري از موارد با پيچيدگي هاي بسياري روبرو هستند. لذا در كنار شيوه هاي فوق، منطق فازي در دنياي مبهمات و عدم قطعيت ها ابزاري مناسبي را براي كاربرد داده هاي نادقيق و كيفي بدست ميدهد. در مقاله حاضر كاربرد مدلهاي فازي در پايش خشكسالي مورد بررسي قرار گرفته و مشخص شده كه امكان توسعه مدلهاي فازي مناسب و قوي در بخش پايش خشكسالي ميسر است. براي پايش خشكسالي با تركيب دو تابع عضويت فازي مربوط به شاخص بارندگي استاندارد شده (spi) و يك شاخص فرضي تبخيروتعرق استاندارد شده (sei) شاخص جديدي با نام شاخص تبخيرو بارندگي استاندارد شده (sepi) ارائه شد كه در آن پارامترهاي موثر بر وقوع خشكسالي يعني بارندگي و درجه حرارت بخوبي مدنظر قرار گرفته است. ضمناً نتايج حاصل از شاخص جديد با شاخص spi و با شاخص شدت خشكي پالمر ( pdsi) مورد مقايسه قرار گرفت.

تنظيم خودكار كنترلر فازي با استفاده از الگوريتم ژنتيك

كنترلر هاي فازي به دليل سادگي در طراحي و اجرا در كاربردهاي مختلف به سرعت در حال گسترش هستند .با اين حال به دليل عدم وجود روشي منظم براي طراحي و تنظيم توابع عضويت ، اغلب از روش سعي و خطا براي تنظيم آ نها استفاده ميشود . اين امر بويژه زماني كه تعداد توابع عضويت زياد باشد و يا ديناميك سيستم كند باشد ، امري طاقت فرسا است . در اين مقاله به كمك الگوريتم ژنتيك روشي براي خودكار كردن طراحي و رسيدن به تنظيم بهينه توابع عضويت ارائه شده است . همچنين ملاحظات عملي ، طي اجراي الگوريتم بر روي يك مثال كنترل دماي گلخانه بررسي شده است.

ممنون از مقالات
زنده باشید

توازن بار ترافيك شبكه و مسيريابي مبتني بر مهندسي ترافيك با استفاده از كولوني مورچه ها

يكي از مسائل مهم در شبكه هاي پويا كه در آنها هزينه اتصالات بطور پي در پي تغيير مي كند ايجاد توازن بار ترافيكي در شبكه است ، بطوريكه بسته هاي داده از مسير هايي با حداقل تراكم به مقصد برسند. يكي از روشهاي اصلي براي حل مسائل مسير يابي و توازن بار استفاده از الگوريتم هاي مبتني بر مورچه است . اين الگوريتم ها از رفتار ساده مورچه ها در طبيعت الهام مي گيرند . الگوريتم هاي متعددي براي حل مسائل مسيريابي و ايجاد توازن بار مبتني بر بهينه سازي كولوني مورچه ( aco ) مطرح شده اند . در اين مقاله ، الگوريتم جديدي مبتني بر بهينه سازي چند گانه كولوني مورچه ( maco ) در يك سيستم abc ارائه داده ايم . در اين الگوريتم كارايي شبكه بوسيله نسبت فراخواني هاي از دست رفته در گام هاي زماني يكسان محاسبه مي شود . نتايج شبيه سازي نشان مي دهد كه اين روش توانسته است بطور كار آمدي بار ترافيك را در شبكه متعادل كند ، بطوريكه داده ها در هر گام زماني مسير بهينه را براي رسيدن به مقصد انتخاب كنند.

توپولوژيهاي حاصل ازعملگرهاي تقريب فازي دوگان روي اتوماتاي فازي

در اين مقاله دو عملگر تقريب فازي c و c′را ارائه نموده كه درآن عملگر c′از نوع بستار فازي و عملگر c از نوع داخلي فازي مي باشد.سپس توپولوژيهاي (فازي) وابسته به اين عملگرها را بدست آورده و نتايجي روي اين توپولوژيها بدست مي آوريم.

جايابي مقاوم قطب براي سيستمهاي فازي از طريق فيدبك خروجي

اين مقاله به ارايه يك روش بهبود يافته براي جايابي مقاوم قطب از طريق كنترل فيدبك خروجي براي سيستمهاي فازي با عدم قطعيت مي پردازد . كنترل كننده با استفاده از تكنيك جبران سازي توزيع يافته موازي (pdc) . بر اساس مدل t-s از فرآيند تعيين شده و روش طراحي بر اساس قيود نامساوي ماتريسي خطي (lmi) بيان مي گردد . به منظور نشان دادن كارايي اين روش، تكنيك طراحي ارايه شده بر روي سيستم پاندول معكوس پياده سازي مي شود و نتايج مورد ارزيابي قرار مي گيرد.

حذف نويز اسپكل در تصاوير آلتراسوند پزشكي مبتني بر شبكه عصبي و تبديل موجك

آلتراسونوگرافي، به دليل داشتن خصوصياتي چون غيرتهاجمي بودن، قابليت حمل و قيمت نسبتاً پايين آن، يكي از روشهاي پركاربرد در تصويربرداري از اعضاي داخلي و بافتهاي نرم بدن انسان است. با اين وجود، كيفيت پايين تصاوير آلتراسوند، پيشپردازش آنها را براي تشخيص پزشكي اجتنابناپذير مينمايد. اين پيشپردازش، شامل حذف نويز اسپكل ميباشد كه نوعي نويز ضربشونده است و تفسير تصاوير آلتراسوند را دچار مشكل ميكند. در اين مقاله، براي حذف اين نوع نويز از روش شبكهعصبي آستانهگذاري با تابع غيرخطي جديد استفاده شدهاست. اين روش با تركيب مفهوم شبكه عصبي و حذف نويز در حوزه ي موجك، با استفاده از آموزش بدون ناظر و با كمك معيار ،sure اين نوع نويز را حذف ميكند. نتايج آزمايشها، برتري روش پيشنهادي را نسبت به ساير روشهاي متداول به اثبات ميرساند.

خوشه بندي گرهها در شبكه هاي سنسور بي سيم با استفاده از الگوريتم ژنتيك

مصرف بهينه انرژي در شبكه هاي سنسور بيسيم از اهميت زيادي برخوردار است. پژوهشهاي قبل نشان داده است كه با سازماندهي گره- هاي شبكه در تعدادي خوشه، ميتوان به كارايي بيشتري از انرژي رسيد كه به افزايش عمر شبكه منتهي ميشود. خوشه ها هر كدام شامل يك گره اصلي به نام سرخوشه و تعدادي گره فرعي به عنوان عضو ميباشند. ايجاد كنترل روي تعداد و مكان سرخوشه ها و همچنين اندازه خوشه ها از نظر تعداد اعضا همواره به عنوان يك چالش مطرح بوده است. طبيعت ديناميكي مسئله بخاطر تغيير پياپي سرخوشه ها در هر دوره از فعاليت شبكه، مسئله را پيچيده تر ميكند كه با روشهاي كلاسيك رياضي قابل مدلسازي نيست. در اين پژوهش با استفاده از الگوريتم ژنتيك، تعداد و محل سرخوشه ها را بطور بهينه تعيين ميكنيم. معيار برازش بر اساس حداقل انرژي مصرف شده گره هاي شبكه در طي هر دوره عمليات ارسال داده خواهد بود كه منجر به ايجاد تعادل در مصرف انرژي سرخوشه ها و در نتيجه طولانيتر شدن عمر شبكه ميشود.

در سيستم كنترل سرعت موتور القايي با روش هوشمند آتوماتاي يادگيري تقويتي تركيبي pi طراحي بهينه كنترل

موتور القايي به دليل هزينه اوليه كم و عدم نياز به تعميرات دوره اي بيش از 95 ٪ از نياز صنعت به محركه هاي الكتريكي را تامين مي نمايد. در بسياري از كاربردهاي موتورهاي القايي كنترل سرعت آنها الزامي است. در اغلب موارد بار موتور و پارامترهاي آن )مانند اينرسي دوراني و...( متغير است و پيش بيني نمودن آن مشكل بوده و از نظر اقتصادي مقرون به صرفه نيست . كنترل كننده موجود در سيستم كنترل سرعت موتور القايي از نوع pi مي باشدك ه با هرتغيير پارامتر سيستم بايد پارامترهاي كنترل pi را مجددا تنظيم كرد. در اين مقاله مقادير بهينه پارامترهاي كنترل pi باروش هوشمند آتوماتاي يادگيري تقويتي تركيبي تعيين مي گردند. روش پيشنهادي روشي خودكار و دو مرحله اي است كه بدون نياز به شناسايي پارامترهاي دستگاه تحت كنترل مي توان آنرا براي تطبيق پارامترهاي كنترل كننده نيز بكار برد.

در شبكه هاي توزيع شعاعي با استفاده از ميكرو- الگو ريتم avr مكان يابي ژنتيك

در شبكه هاي توزيع روستاي ي شعاعي ، استفاده از avr به كاهش تلفات انرژي و افزا يش كيفيت توان مصرف كنندگان انرژي كمك مي كند و افت ولتاژ در طول فيدر توزيع كاهش مي يابد. از طرفي، براي اينكه به تصميم گيران شركت هاي توزيع انرژي اطلاعاتي داده شود كه بر اساس آن بتوانند تصميم گيري بهتري داشته باشند و با تكيه به اين اطلاعات بهينه ترين مكان ها برا ي يك مجموعه avr در شبكه هاي توزيع را پيدا كنند.فرايند بهينه سازي بر اساس كاهش تلفات كلي و بهبود پروفيل ولتاژ در طول فيدر، به عنوان يك تابع چند ضابطه اي كه بايد بهينه شود كار مي كند .يكي از عالي ترين روشها براي حل اينگونه مسائل چند ضابطه اي الگو ريتمي است بنام μga اين روش قادر به پيدا كردن جواب با استفاده از يك روش موثر بنام روش بهينه سازي پارتو است .در اين مقاله سعي شده است استفاده از اين الگوريتم با مثال هاي بسيار ساده توضيح داده شود بعد در قدم بعدي برنامه نوشته شده بر روي يك سيستم نمونه بسيار ساده پياده شود و نهايتاً براي يك سيستم واقعي اين كار انجام شود.

روشي جديد براي آشكارسازي چهره با استفاده از ماشين بردار پشتيبان

در اين مقاله، روشي جديد براي آشكار سازي چهره با استفاده از ماشين بردار پشتيبان پيشنهاد شده است كه باعث افزايش نرخ آشكارسازي وهمچنين كاهش خطاي روشهاي قبلي مي گردد. در روشهاي كلاسيك آشكارسازي چهره با استفاده از ماشين بردار پشتيبان، ابتدا تصوير ورودي به پنجره هايي با ابعاد ثابت تقسيم و در نهايت براي هر پنجره تصميم گيري مي شود. اين روش داراي نرخ آشكار سازي كمي است. در اين مقاله براي بهبود روشهاي قبلي بجاي استفاده از پنجره ثابت از پنجره هايي با اندازه هاي مختلف استفاده مي شود. هر پنجره داراي دقت خاص در آشكارسازي است كه در نهايت، تصميمات حاصل از بكارگيري پنجره هاي مختلف روي يك ناحيه از تصوير، با هم ادغام مي شود. همچنين در اين مقاله از يك سطح تصميم گيري وفقي استفاده شده و بجاي اينكه تصميم گيري براي هر پنجره فقط متكي بر خروجي ماشين بردار پشتيبان باشد از معيار هاي شباهت سنجي بين پنجره مربوطه با مدلي از چهره براي تصميم گيري نهايي استفاده مي گردد. نتيجه بكارگيري اين روش، افزايش قابل قبول نرخ آشكار سازي و همچنين كاهش خطا است كه نتايج شبيه سازيها مؤيد اين مسئله است.

درخواست
 

سلام خانمی میشه لیست مقالات ا برای من بفرستی به صورت عنوان ممنونت میشم.
narges_zeinolabedin@yahoo.com

روشي جديد براي آشكارسازي عيب بلبرينگ هاي موتور القايي با استفاده از شناسايي الگو

در اين مقاله روشي جديد بر مبناي تشخيص الگو با استفاده از شبكه عصبي مصنوعي براي آشكارسازي و دسته بندي عيوب بلبرينگ هاي موتور القايي ارائه مي شود. شبكه عصبي توسط يك دسته داده آزمايشگاهي با مشخص بودن محل عيب آموزش داده مي شود و يك دسته داده نيز براي آزمون شبكه به كار برده ميشود. در اين روش خصوصيات حوزه زمان و فركانس سيگنال ارتعاشات بدنه موتور استخراج و به عنوان ورودي شبكه عصبي استفاده مي شوند. اين ويژگي ها از پردازش مستقيم بخش هاي مختلف سيگنال اندازه گيري شده بدست مي آيد. سه حالت سالم، عيب رينگ بيروني و عيب رينگ داخلي با استفاده الگوريتم پيشنهادي دسته بندي مي شوند و نوع عيب مشخص ميشود. نتايج نشان مي دهد كه الگوريتمهاي تشخيص الگو با استفاده از خصوصيات حوزه زمان مي تواند محل عيب را با دقت بالا و بدون نياز به محاسبات پيچيده مشخص كند.

سيستم بازشناسي حروف دست نويس فارسي بر اساس الگوريتم آموزش فعال با استفاده از كميته اي از دسته بندها

در مسايل يادگيريِ واقعي، بدست آوردن نمونه هاي برچسب دار براي آموزش بسيار پرهزينه مي باشد. در اين مقاله روشي براي دسته بندي حروف پيشنهاد شده است كه در آن ابتدا يك كميته شامل يك شبكه عصبي ساده چند لايه، يك دسته بند بيزين ساده و يك دسته بند Rocchio با تعداد كمي نمونه برچسبدار ساخته م يشوند. سپس با استفاده از يادگيري فعال و با بكارگيري روش نمونه برداري براساس عدم اطمينان و اختلاف نظر بين اعضاي كميته و عدم مشابهت، نمونه هاي مفيد را براي برچسب گذاري به كاربر مي دهد تا در آموزش مجدد دسته بندها استفاده كند. در نهايت در مرحله تست از تركيب آراي اعضاي كميته براي تعيين كلاس داده ورودي استفاده مي شود. همچنين مقايسه اي بين نتايج دسته بندي حاصل از روش هاي معمولي آموزش، روش هاي فعال آموزش با استفاده از يك دسته بند و روش پيشنهادي صورت گرفته است. اين مقاله همچنين از روش قاب بندي براي استخراج ويژگيها استفاده مي كند. اين روش وابسته به قلم و اندازه حرف ورودي نيست و با يك تغيير كوچك در مرحله پيش پردازش براي هر زباني با هر قلمي و هر اندازه اي مي تواند كارا باشد. نمونه هاي استفاده شده بصورت دستي جمع آوري و پردازش شده اند.

شبكه هاي عصبي مصنوعي جهت تشخيص و طبقه بندي بيماري هاي گوارشي بااستفاده از آناليز هاي ويولت و كپستروم در مقايسه با روشهاي آماري

در اين مقاله بررسي بر روي بيماري هاي گوارشي آشكار شونده توسط صوت صورت مي گيرد ويژگي هاي مربوطه سيگنالها ي صوتي پس از ثبت در خوزه كپستروم و ويولت استخراج شده و ثبت مي گردد و طبقه بندي اين سيگنالها به وسيله طبقه بندي كننده هايي چون شبكه عصبي و آماري انجام مي گيرد. در نهايت مقايسه نتايج روش هاي ذكر شده در رسيدن به تشخيص درست تر.

شبيه سازي فرآيند تشخيص موانع توسط روبات با استفاده از فيلترينگ ذره اي

تخمين موقعيت دقيق، مسيريابي و تشخيص موانع، يكي از مهم ترين مسائل در زمينة روباتيك و هوش ماشين است. در سال هاي اخير، تحقيقات نشان داده اند كه روش هاي احتمالاتي، قابل اطمينان ترين راه حل ها را در اين مورد پيشنهاد مي دهند. روش مسيريابي بر مبناي فيلترينگ ذره اي، يكي از كارآمدترين اين روش ها مي باشد كه با استفاده از مجموعه اي از نمونه هاي وزن دهي شده و بر اساس روش مونت كارلو، مدلي را ارائه مي دهد. در اين مقاله سعي شده است تا از طريق شبيه سازي يك محيط دو بعدي با تعداد موانع متغير و به كار بردن فيلترينگ ذره اي، تحققي از اين فيلتر در فرآيند تشخيص موانع ارائه گردد.

شناسايي افراد به كمك ويژگيهاي حوزه زمان و فركانس از مدل راه رفتن

در اين مقاله شناسايي هويت افراد بر اساس ويژگيهاي حوزه زمان و فركانس راه رفتن بررسي ميگردد. اين ويژگيها از رشته تصاوير دو بعدي مربوط به راه رفتن افراد استخراج ميگردد. ابتدا مدل ساده اي از بدن فرد در هر فريم يك ويدئو ساخته شده و سپس ويژگيهاي بخشهاي مختلف اين مدل استخراج ميگردد. در اين مقاله ويژگيهايي را به دسته ويژگيهاي بكار رفته در روشهاي مشابه اضافه ميكنيم تا تمايز بين افراد را بهبود بخشد. ويژگيهاي استخراج شده را در حوزه زمان و فركانس آناليز نموده و به كمك روش anova ويژگيهاي كارا را انتخاب ميكنيم. نتايج حاصل از تحليل anova و كارآيي آن در اين مقاله ارايه ميگردد. ويژگيهاي استخراج شده را به حوزه فركانس برده و مولفه كارآمد اين ويژگيها در فركانس اصلي راه رفتن فرد شناسايي ميشود. در مرحله بعد، ويژگيهاي حوزه زمان و فركانس به يك كلاسه بند وزندار داده ميشود تا فرد را از روي رشته ويدئويي داده شده، تشخيص دهد. نتايج تجربي نشان ميدهد ويژگيهاي پيشنهاد شده در اين مقاله روشهاي قبلي را بهبود ميبخشد. همچنين وزندار كردن ويژگيها در مرحله كلاسه بندي نرخ شناسايي را افزايش ميدهد.

شناسايي پارامترهاي مجهول سيستم آشوبي به منظور سنكرون سازي توسط الگوريتم ژنتيك

اين مقاله روش جديدي را براي سنكرون سازي اسيلاتورهاي آشوبي به كمك الگوريتم ژنتيك پيشنهاد ميكند. براي پياده سازي اين روش از بين سيستم هاي آشوبگونه مختلف، سيستم راسلرانتخاب شده است. هدف از سنكرون سازي يكسان شدن پارامترهاي مجهول سيستم پاسخ با سيستم راه انداز و صفر شدن خطا مي باشد. در حل اين مساله نياز به يك پاسخ بهينه براي سيستم نداريم بلكه سيتم ديناميكي ميباشد و به سيگنال كنترلي احتياج هست. الگوريتم ژنتيك هميشه در محيطهاي استاتيك استفاده مي شده اما در روش ابتكاري الگوريتم ژنتيك پي در پي اجرا شده است و پارامترهاي مجهول سيستم پاسخ و سيگنال كنترلي به صورت تكه اي در زير بازه هاي كوچك زماني محاسبه و با كنار هم قرار دادن آنها ،مقادير نهايي دركل زمان به دست مي آيد. بدين ترتيب پارامترهاي متغير با زمان براي سنكرون سازي فراهم مي شوند. الگوريتم ژنتيك با قابليت جستجوي سراسري، سعي در كاهش زمان سنكرون سازي دارد. در روش پيشنهادي در كمتر از 40 ثانيه سنكرون سازي انجام مي گيرد و خطا صفر مي گردد. همچنين در اين مقاله اثر تغيير شرايط اوليه سيستم راه انداز نيز بررسي شده است.

شناسايي خودكار خطوط نقشه فرش

آنچه در اين مقاله دنبال مي شود اين است كه يافتن خطوط نقشه - شامل خطوط باريك و خطوط ضخيم - توسط رايانه به صورت خودكار و هوشمند انجام شود . اين مقاله در حقيقت بخشي از پايان نامه كارشناسي ارشد است. در اين پايان نامه هدف خواندن خودكار نقشه فرش است . از آنجا كه همه پيكسل هاي درون چهارخانه ها –كه از تلاقي خطوط باريك حاصل مي شوند- در مرحله كاهش رنگ بايد همرنگ شوند ، لازم است كه ابتدا خطوط نقشه به طور صحيح شناسايي شوند . براي رسيدن به اين هدف ابتدا فاصله خطوط باريك محاسبه مي شود . پس از شناسايي اولين خط باريك ، خطوط باريك بعدي به ترتيب رسم مي شو ند. براي شناسايي اولين خط ضخيم از الگوريتم شانه گذاري استفاده شده است . مشكل عمده در شناسايي خطوط، خطاي نمونه برداري ناشي از اسكنر است. اين خطا غير قابل اجتناب مي باشد. براي اصلاح اين خطا در مراحل مختلف روش هايي پيشنهاد شده است.

شناسايي كوره دوار سيمان با استفاده از شبكه عصبي

كوره سيمان يك سيستم غير خطي و متغير با زمان مي باشد. از آنجاييكه در اين سيستم علاوه بر اعمال فيزيكي، واكنش هاي شيميايي نيز انجام مي شود، اين سيستم داراي معادلات ديناميكي پيچيده است. اين معادلات هنوز به طور دقيق بدست نيامده اند و در صورت لزوم از بسياري از پارامترهاي موجود صرفنظر شده و از تقريب اين معادلات استفاده مي شود. همين موضوع باعث بروز بسياري از مشكلات در طراحي كنترل كننده مي شود. بنابراين با توجه به اهميت كوره دوار سيمان در صنعت و با توجه به ماهيت پيچيده آن و پارامترهاي متعدد موثر بر كيفيت كار آن، انجام تحقيق و پژوهش برروي آن ضروري است. در اين مقاله مدلهايي براي كوره دوار سيمان با استفاده از شبكه عصبي ارائه ميگردد. در اين راستا از دو روش شبيه- سازي و پيشبيني براي شناسايي و مدلسازي كوره استفاده ميشود. براي آموزش شبكه عصبي نيز، تكنيك كاربردي گراديان نزولي جهت تنظيم پارامترهاي شبكه استفاده شده است. در پايان ضمن بيان خصوصيات مدلهاي بدست آمده، مزايا و معايب هركدام ارائه ميگردد. مدلسازي با بكارگيري داده هاي واقعي كه از كارخانه سيمان ساوه حاصل شده بود، انجام گرديده است.

شناسايي و تاييد امضا فارسي برون خطي مبتني بر تئوري فركتال

تئوري فركتال در توليد تصاوير رايانه اي ، فشرده سازي تصاوير و شناسايي الگو مدتهاست كه مورد استفاده قرار گرفته است . شناسايي امضا يك مساله شناسايي الگو مي باشد كه به منظورجداسازي نمونه هاي جعلي از نمونه هاي حقيقي استفاده مي گردد . در اين مقاله از بعد فركتالي و نيز فشرده سازي فركتالي جهت شناسايي امضا فارسي به صورت برون خطي استفاده شده است . بعد فركتالي با افزايش پيچيدگي نمونه امضا افزاشي مي يابد اما به علت اختلاف بين كلاسي كم به تنهايي معيار مناسبي براي شناسايي الگو نمي باشد . از فشرده سا زي فركتالي در اين مطالع ه به دو گونه استفاده گرديد ابتدا از كد فر كتالي جهت شناسايي الگو استفاده شد كه با وجود هزينه زماني زياد نرخ شناسايي حدود 80 % حاصل ش د . سپس از كد فركتالي هر امضا، ويژگيهايي استخراج شد و ازاين ويژگيها جهت شناسايي امضا استفاده گرديد .

طراحي بهينه كنترل فازي تاكاگي سوگنو با استفاده از يك روش جديد براي سيستم آونگ معكوس

كنترل سيستمهاي غير خطي يكي از مباحث تحقيقاتي مهم ميباشد كه در اين راستا روشهاي هوشمند ميتوانند عملكرد خوبي داشته باشند . روشهاي يادگيري تقويتي از جمله روشهايي ميباشند كه براي تنظيم پارامترهاي مربوط به يك سيستم كنترلي بكار برده مي شوند . روش مرسوم اتوماتاي يادگيري تقويتي گسسته دسته اي از روشهاي يادگيري تقويتي بوده كه در اين مقاله به ارائه روشي جديد بر مبناي روش مرسوم ميپردازيم . روش جديد را تحت عنوان روش اتوماتاي يادگيري تقويتي گسسته توسعه يافته مي شناسيم. ابتدا به ارائة بيان جديدي از سيستم در فضايn بعدي پرداخته و سپس روش جديد در اين فضا پياده ميشود كه منجر به بهبودي قابل ملاحظه اي از لحاظ سرعت و دقت ميشود. روش ارائه شده در اين مقاله را در طراحي كنترل فازي تاكاگي سوگنو براي يك سيستم پاندول معكوس كه از سيستمهاي غير خطي مهم است، بكار برده و نتايج را با روش مرسوم آتوماتاي يادگيري تقويتي مقايسه ميكنيم:111:

طراحي پارامترهاي سيستم فازي با استفاده از الگوريتم كولوني مورچه ها

–اين مقاله به ارائه يك الگوريتم جديد براي طراحي يك سيستم كنترلر فازي بهينه با استفاده از روش بهينه سازي كولوني مورچه ها مي پردازد. بدين منظور ابتدا ساختار سيستم فازي با تعدادي پارامتر متغير مشخص مي شود. در مرحله بعد اين پارامترها بر اساس يك معيار بهينه سازي مانند كاهش خطاي سيستم و با استفاده از الگوريتم كولوني مورچه ها تعيين مي شود. نگاشت پارامترهاي سيستم فازي مطلوب در فضاي كولوني مورچ هها و به حداقل رساندن بار محاسباتي و تعداد قواعد مهمترين بخش پياده سازي مي باشد كه در مقاله به جزئيات آن پرداخته شده است. همچنين نتايج شبيه سازي الگوريتم پيشنهادي براي طراحي يك كنترلر فازي براي سيستم گوي و ميله، نشان از قابليت بالاي الگوريتم از نظر دنبال كنندگي پاسخ مطلوب، كاهش زمان محاسبات وكاهش تعداد قواعد لازم وهمچنين رفع معايب ساير روش ها از جمله عدم رخ دادن مينيمم محلي به علت شروع از شرايط اوليه مختلف ميباشد.

طراحي خودكار شبكه‌هاي عصبي پيمانه‌اي با استفاده از برنامه‌نويسي ژنتيك

روشﻫﺎي ﺳﻨﺘﻲ ﻃﺮاﺣﻲ ﺷﺒﻜﻪﻫﺎي ﻋﺼﺒﻲ ﻋﻼوه ﺑﺮ زﻣﺎﻧﺒﺮ ﺑﻮدن، ﺗﻀﻤﻴﻨﻲ ﺑﺮاي ﺗﻮﻟﻴﺪ ﺷﺒﻜﻪ ﻋﺼﺒﻲ ﺑﻬﻴﻨﻪ ﻧﻴﺰ اراﺋﻪ ﻧﻤﻲﻛﻨﻨﺪ. ﺑﻨﺎﺑﺮاﻳﻦ روشﻫﺎي ﺧﻮدﻛﺎر ﻃﺮاﺣﻲ ﺷﺒﻜﻪﻫﺎي ﻋﺼﺒﻲ اﻫﻤﻴﺖ و ﻣﺤﺒﻮﺑﻴﺖ ﺑﻴﺸﺘﺮي ﭘﻴﺪا ﻛﺮده اﻧﺪ. ﺑﻌﻼوه ﺷﺒﻜﻪﻫﺎي ﻋﺼﺒﻲ ﻏﻴﺮﭘﻴﻤﺎﻧﻪاي در ﻣﺴﺎﻳﻠﻲ ﻛﻪ دﺳﺘﻪﻫﺎي ﻧﻤﻮﻧﻪﻫﺎ داراي ﻫﻤﭙﻮﺷﺎﻧﻲ زﻳﺎدي ﻫﺴﺘﻨﺪ ﻧﻤﻲﺗﻮاﻧﻨﺪ ﺑﻄﻮر ﺑﻬﻴﻨﻪ ﻋﻤﻞ ﻧﻤﺎﻳﻨﺪ. در ﺣﺎﻟﻴﻜﻪ ﺷﺒﻜﻪﻫﺎي ﻋﺼﺒﻲ ﭘﻴﻤﺎﻧﻪاي ﺑﺎ اﺳﺘﻔﺎده از روش ﺗﻘﺴﻴﻢ و ﻏﻠﺒﻪ اﻳﻦ ﻣﺸﻜﻞ را ﺣﻞ ﻣﻲﻛﻨﻨﺪ. ﻣﺎ در اﻳﻦ ﻣﻘﺎﻟﻪ ﻗﺼﺪ دارﻳﻢ ﺗﺎ روﺷﻲ ﻣﺘﻔﺎوت ﺑﺮاي ﻃﺮاﺣﻲ ﺧﻮدﻛﺎر ﺷﺒﻜﻪﻫﺎي ﻋﺼﺒﻲ ﭘﻴﻤﺎﻧﻪاي اراﺋﻪ دﻫﻴﻢ. در اﻳﻦ روش از ﺑﺮﻧﺎﻣﻪﻧﻮﻳﺴﻲ ژﻧﺘﻴﻚ ﺑﺮاي ﺑﺪﺳﺖ آوردن ﺧﻮدﻛﺎر ﻣﻌﻤﺎري، ﺗﻮاﺑﻊ اﻧﺘﻘﺎل و وزنﻫﺎي اﺗﺼﺎﻻت اﺳﺘﻔﺎده ﺷﺪه اﺳﺖ. اﻳﻦ روش داراي ﻣﺰاﻳﺎي زﻳﺎدي در ﻣﻘﺎﻳﺴﻪ ﺑﺎ ﺳﺎﻳﺮ روشﻫﺎي ﻣﻮﺟﻮد ﻣﻲﺑﺎﺷﺪ ﻛﻪ از ﻣﻬﻢﺗﺮﻳﻦ آﻧﻬﺎ ﻣﻲﺗﻮان ﺑﻪ ﺑﺮﺗﺮي ﺷﺒﻜﻪﻫﺎي ﻛﻮﭼﻚ ﺑﺮ ﺷﺒﻜﻪﻫﺎي ﺑﺰرگ، اﺳﺘﻔﺎده از ﺗﻮاﺑﻊ اﻧﺘﻘﺎل ﻣﺘﻔﺎوت ﺣﺘﻲ ﺑﺮاي ﻧﻮرونﻫﺎي ﻣﻮﺟﻮد در ﻳﻚ ﻻﻳﻪ از ﺷﺒﻜﻪ ﻋﺼﺒﻲ، و ﻋﺪم ﻧﻴﺎز ﺑﻪ ﺗﺒﺪﻳﻞ ﺗﻤﺎم اﻋﻀﺎي ﺟﻤﻌﻴﺖ ﺑﻪ ﺷﺒﻜﻪ ﻋﺼﺒﻲ ﺟﻬﺖ ارزﻳﺎﺑﻲ آﻧﻬﺎ اﺷﺎره ﻛﺮد. آزﻣﺎﻳﺸﺎت ﻣﺘﻔﺎوﺗﻲ ﺑﺮ روي ﺗﻌﺪادي ﻣﺠﻤﻮﻋﻪ داده ﻣﻌﺘﺒﺮ اﻧﺠﺎم ﮔﺮﻓﺘﻪ اﺳﺖ. ﻧﺘﺎﻳﺞ ﺑﺪﺳﺖ آﻣﺪه ﻧﺸﺎن ﻣﻲدﻫﺪ ﻛﻪ اﺳﺘﻔﺎده از ﺑﺮﻧﺎﻣﻪﻧﻮﻳﺴﻲ ژﻧﺘﻴﻚ ﺑﺮاي ﻃﺮاﺣﻲ ﺧﻮدﻛﺎر ﺷﺒﻜﻪﻫﺎي ﻋﺼﺒﻲ روﺷﻲ ﻣﻨﺎﺳﺐ ﺑﻮده ﻛﻪ ﺑﺎ ﺳﺎﻳﺮ روشﻫﺎي ﻣﻮﺟﻮد ﻗﺎﺑﻞ رﻗﺎﺑﺖ و حتی در بعضي از شرايط بهتر نيز عمل مي‌کند.

طراحي طبقه بندي كنند هي چند كلاسه با استفاده از برنامه نويسي ژنتيك

مقاله ي فوق در ارتباط با تكنيك جديد است، كه در آن از برنامه نويس ژنتيك براي طراحي طبقه بندي كننده ي چند كلاسه استفاده مي شود. با ارائه ي ساختار چند درختي كه هر درخت يك طبقه بندي كننده براي طبقه بندي داده هاي يك كلاس از ساير كلاسها است، طبقه بندي كننده ي چند كلاسه مدل مي شود. پس هر عضو جمعيت در الگوريتم تكاملي آرايه اي از درخت ها مي باشد، كه آرايه به تعداد كلاس هاي موجود درخت دارد و در فرآيند تكامل به صورت همزمان چندين طبقه بندي كننده ي كامل تكامل داده مي شوند. با ارائه ي دو شيوه ي جديدي براي عملگر هاي بازتركيبي و جهش كار تكامل را انجام مي دهد. انتخاب والدين براي عملگر بازتركيبي با روش Tournament و براي عملگر جهش با روش تصادفي انجام مي شود. انتخاب بازماندگان نيز از روش Generational با تركيبي از حالت Elitist انجام ميگيرد. همچنين نكته ي بارز ديگري كه وجود دارد، استفاده از معيار ثانويه اي تحت عنوان عدم شايستگي مي باشد، كه در برخي مراحل عملگر هاي تكاملي از آنها استفاده مي شود. در نهايت پس از اتمام الگوريتم تكامل، از سه تكنيك پس پردازشي تحت نام هاي Heuristic Rule و Weighting Scheme ،OR-ing براي بهبود نتايج نهايي طبقه بندي كننده و استفاده حداكثر از جمعيت نهايي استفاده ميشود. روش پيشنهادي برروي چهار مجموعه ي داده ي استاندارد مورد ارزيابي قرار گرفته و نتايج حاصل ارائه شده است.