مقالات شبکه های عصبی (بخش4) - Artificial Intelligence

**Astaraki** · ۰۲-۲۳-۱۳۸۷, ۱۲:۵۵ بعد از ظهر

ليست مقالات شبکه های عصبی (بخش4)

1. یک روش کارآمد در شناسایی اثر انگشت با استفاده از شبکه های عصبی
2. بررسي مدلی ازكاربرد شبکه های عصبی در مديريت کيفيت(رقابت پذيری)
3. مقايسه روش هاي مبتني بر گراديان به منظور تعليم شبكه عصبي مصنوعي با سيناپس پويا
4. باز آفريني شبکه عصبي در تعمير و نگهداري
5. یافتن مشخصه خطی درالگوریتم های رمز قطعه ای جانشینی- جایگشتی با استفاده از شیوه سازی شبکه عصبی هاپلفيد
6. پيش بيني فوتبال مبتني بر داده هاي آماري جزئي با استفاده از شبكه ي عصبي مصنوعي
7. مقايسه ي مدل شبكه عصبي مصنوعي و رگرسيون كاكس در پيش بيني بقاي بيماران مبتلا به سرطان معده
8. تأثير شبكه هاي عصبي مصنوعي در بهينه سازي سازه ها
9. مقايسه شبكه عصبي تابع بنيادي شعاعي با شبكه موجكي در تحليل سازه برجهاي انتقال نيرو
10. تشخيص نوزادان داراي درد توسط شبكه عصبي خودسازمان يافته (som) با بيشينه سازي اطلاعات دوطرفه
11. شبکه هاي خودسازمانده افزايشي
12. استفاده از شبکه عصبی در افزايش دقت گيرنده های gps تک فرکانسه پس از حذف اثر sa
13. تشخيص راهها از تصاوير بزرگ مقياس فضايي به کمک شبکه هاي عصبي
14- پيش بيني روزانه نرخ ارز يورو/ دلار در بازار فاركس با استفاده از شبكه عصبي
15- مقدمه ای بر شبکه های عصبی (با رویکرد شیوه های تشخیص و یادگیری و مقایسه آن با توانایی شبکه های عصبی در انسان)

**Astaraki** · ۰۷-۱-۱۳۸۸, ۰۹:۱۷ بعد از ظهر

1- یک روش کارآمد در شناسایی اثر انگشت با استفاده از شبکه های عصبی

در این مقاله بر خلاف سایر الگوهای کلاسیک و سنتی تشخیص اثر انگشت که بر اساس نقاط منفرد موجود در اثر انگشت مانند انتهای لبه و دو شاخه عمل می کنند، نگرشی نوین در تشخیص اثر انگشت ارائه می شود که بر اساس ویژگی رگه ها در تصاویر اثر انگشت می باشد. زیرا الگوی رگه ها در اثر انگشت بدون در نظر گرفتن نقاط منفرد برای هر شخص منحصر بفرد است و می توان از آن بمنظور شناسایی استفاده نمود. الگوریتم ارائه شده هم روی تصاویر باینری و هم روی تصاویر سطح خاکستری که با اسکن اثر انگشت بدست می آید بخوبی عمل می کند و با وجود سادگی دقت مناسبی داشته و می تواند گزینه مناسبی در اجرای سخت افزاری سیستمهای بیومتریک و کارت های هوشمند باشد.

دانلود مقاله

**Astaraki** · ۰۳-۲۶-۱۳۸۹, ۰۹:۵۸ بعد از ظهر

2- بررسي مدلی ازكاربرد شبکه های عصبی در مديريت کيفيت(رقابت پذيری)

**Astaraki** · ۰۳-۲۶-۱۳۸۹, ۱۰:۰۰ بعد از ظهر

3- مقايسه روش هاي مبتني بر گراديان به منظور تعليم شبكه عصبي مصنوعي با سيناپس پويا

**Astaraki** · ۰۴-۲۰-۱۳۸۹, ۱۰:۱۹ بعد از ظهر

4- باز آفريني شبکه عصبي در تعمير و نگهداري

**Astaraki** · ۰۴-۲۳-۱۳۸۹, ۰۶:۳۸ بعد از ظهر

5- یافتن مشخصه خطی درالگوریتم های رمز قطعه ای جانشینی- جایگشتی با استفاده از شیوه سازی شبکه عصبی هاپلفيد

**Astaraki** · ۰۶-۴-۱۳۸۹, ۰۴:۳۴ بعد از ظهر

6- پيش بيني فوتبال مبتني بر داده هاي آماري جزئي با استفاده از شبكه ي عصبي مصنوعي

خلاصه مقاله:

هدف اين مقاله پيش بيني نتايج مسابقات فوتبال برمبناي آمار بازي هاي انجام شده مي باشد داده هاي ورودي، آمار جزئي بازيهاي انجام شده در يك نيم فصل بوده كه شامل مواردي مانند، تعداد گل، تعداد شوت، تعدا شوت داخل چارچوب و تعداد پاسهاي صحيح مي باشد. دراين جا براي پيش بيني نتايج از شبكه ي عصبي پرسپترون چند لايه با الگوريتم انتشار خطا رو به عقب استفاده شده است شبكه ي عصبي مذكور با آمار نيم فصل اول آموزش ديده و برروي بازيهاي نيم فصل دوم آزمايش شده است در پايان نتايج اين روش با ساير روشهاي ارائه شده كه تقريبا همگي آنها تنها مبتني بر نتيجه بازيهاي انجام يشده مي باشد مقايسه شده است نتايج نهايي حاكي از برتري محسوس اين روش بر روشهاي آماري موجود مي باشد.

كلمات كليدي:

محاسبات نرم، شبكه ي عصبي مصنوعي، پرسپترون چند لايه پيش بيني نتايج فوتبال

**Astaraki** · ۰۶-۴-۱۳۸۹, ۰۵:۳۹ بعد از ظهر

7- مقايسه ي مدل شبكه عصبي مصنوعي و رگرسيون كاكس در پيش بيني بقاي بيماران مبتلا به سرطان معده

**Astaraki** · ۰۶-۸-۱۳۸۹, ۰۲:۵۵ بعد از ظهر

8- تأثير شبكه هاي عصبي مصنوعي در بهينه سازي سازه ها

خلاصه مقاله:
بدون شك تحليل سازه ها را مي توان به طور موثر با بكار گيري ضوابط رياضي توسعه داده شده و با استفاده از رايانه انجام داده و ليكن موارد ي وجود دارد كه به كارگيري روشهاي تقريبي موثر واقع شده و در زمان محاسبه صرفه جويي قابل ملاحظه اي صورت مي گيرد بطور مثال در حا لتهايي كه سازه شكل و فرم مشخص دارد ولي نياز به تغير پارامتر و تكرار تحليل سازه به دفعات لازم و ضروري است . در بهينه سازه ها . هر مرتبه كه تغيير در يكي از پارامترهاي طراحي رو ميدهد تحليل سازه ها مجددًا صورت مي گيرد در يك چنين مواردي ب كار گيري يك شبكه مصنوعي آموزش ديده مي تواند جايگزين مناسبي براي تحليل دقيق سازه باشد . در اين مقاله سعي بر آن شده تا با ويژگيهاي اين شبكه ها آشنا گشته و در ادامه نيز به معرفي يك مدل شبكه عصبي به نام شبكه عصبي art 2 مي پردازيم .

كلمات كليدي:
Art2 شبكه عصبي مصنوعي, بهينه سازي

**Astaraki** · ۰۶-۱۱-۱۳۸۹, ۰۴:۵۷ قبل از ظهر

9- مقايسه شبكه عصبي تابع بنيادي شعاعي با شبكه موجكي در تحليل سازه برجهاي انتقال نيرو

خلاصه مقاله:
در سالهاي اخير، شبكه‌هاي عصبي مصنوعي در گستره وسيعي از مسائل مربوط به شاخه‌هاي مختلف علم ارزش بالاي خود را در سرعت بخشيدن به فرآيندهاي محاسباتي نشان داده‌اند. همچنين استفاده از شبكه‌هاي عصبي مصنوعي جهت ارائه راه حل براي آن دسته از مسائل كه راه حلي براي آنها وجود ندارد و يا حل آنها به راحتي قابل دسترس نيستند، نتايج قابل توجهي را نشان داده‌اند. در اين تحقيق از شبكه عصبي تابع بنيادي شعاعي(rbf) براي تقريب‌سازي تحليل سازه يك برج انتقال نيرو استفاده شده است. اين شبكه عصبي يك شبكه پيشخور دو لايه است و در مقايسه با ساير شبكه‌هاي پيشخور از جمله انتشار متقابل از سرعت بسيار بالايي در حالت آموزش برخوردار است. دومين شبكه‌ايي كه در اين تحقيق مورد استفاده قرار گرفته است، شبكه مو‌جكي مي‌باشد. اين شبكه حاصل تركيب شبكه عصبي انتشار برگشتي و تئوري مو‌جك‌ها مي‌باشد. تركيب اين دو تئوري سبب افزايش دقت و سرعت شبكه حاصل نسبت به شبكه انتشار برگشتي مي‌شود

كلمات كليدي:
شبكه عصبي, شبكه موجكي, تابع بنيادي شعاعي, تقريب سازي.