Artificial Intelligence - هوش مصنوعی  
انجمن را در گوگل محبوب کنيد :

بازگشت   Artificial Intelligence - هوش مصنوعی > محاسبات نرم > سیستم های فازی (Fuzzy Systems)


 
تبليغات سايت
Iranian Association for the Advancement of Artificial Intelligence
ارسال تاپيک جديد  پاسخ
 
LinkBack ابزارهاي تاپيک نحوه نمايش
قديمي ۱۱-۱۸-۱۳۸۸, ۰۶:۵۶ قبل از ظهر   #1 (لینک دائم)
Administrator
 
آواتار Astaraki
 
تاريخ عضويت: خرداد ۱۳۸۷
محل سكونت: تهران-کرج!
پست ها: 3,465
تشكرها: 754
16,339 تشكر در 3,127 پست
My Mood: Mehrabon
ارسال پيغام Yahoo به Astaraki
Wink

بررسي عملكرد تزريق مواد فعال كننده سطحي در ازدياد برداشت ميكروبي نفت با استفاده از شبكه هاي عصبي و منطق فازي

در اين مطالعه از دو ابزار شبكه هاي عصبي و منطق فازي براي بررسي روش ازدياد برداشت ميكروبي نفت بهره گرفته شد.در علومي همچون مهندسي نفت كه با عدم قطعيت زيادي مواجه اند، استفاده از چنين ابزار هايي ميتواند بسيار رهگشا باشد. از شبكه عصبي پس انتشار خطا در بررسي روند تغييرات كشش سطحي نسبت به افزايش غلظت موادفعال كننده سطحي(بايوسورفاكتانت) استفاده شد. از دو مدل فازي، يكي مبتني بردانش فرد خبره و ديگري مبتني بر آموزش قوانين( مدل (anfis نيز در بررسي ازدياد برداشت نفت توسط تزريق بايوسورفاكتانت ها، بهره گرفته شد. نتايج نشان مي دهند كه شبكه عصبي پس انتشار خطا، به علت كم بودن داده هاي آموزشي، نمي تواند روند تغييرات كشش سطحي نسبت به غلظت مواد فعال كننده سطحي را آموزش ببيند. در چنين مواردي، برازش منحني مناسب تر است.همچنين مدل فازي anfis در اين حالت كه تاثير متقابل و توأم پارامترهاي تاثيرگذار، به طور كامل شناسايي نشده بود، نسبت به مدل فازي ديگر، نتايج مطلوب تري را ارائه نمود.
فايل ضميمه
نوع فايل: pdf i557.pdf (561.9 كيلو بايت, 300 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده اند:
masood (۱۱-۱-۱۳۸۹), __masoud__ (۰۸-۶-۱۳۹۲)

  #ADS
نشان دهنده تبلیغات
تبليغگر
 
 
 
تاريخ عضويت: -
محل سكونت: -
سن: 2010
پست ها: -
 

نشان دهنده تبلیغات is online  
قديمي ۱۱-۱۸-۱۳۸۸, ۰۶:۵۸ قبل از ظهر   #2 (لینک دائم)
Administrator
 
آواتار Astaraki
 
تاريخ عضويت: خرداد ۱۳۸۷
محل سكونت: تهران-کرج!
پست ها: 3,465
تشكرها: 754
16,339 تشكر در 3,127 پست
My Mood: Mehrabon
ارسال پيغام Yahoo به Astaraki
Lightbulb

بررسي كاربرد مدلسازي فازي و الگوريتم شبيهسازي آنيلينگ در بهرهبرداري بهينه از منابع آب
در بهره برداري از مخازن عموماً از روشهاي شبيه سازي و بهينه سازي استفاده ميشود. مدلهاي شبيه سازي شامل قوانيني هستند كه رابطه بين ورودي و خروجي را بيان ميكنند، اين قوانين به صورت ثابت و يا تنظيم شده با مشخصات مخزن هستند. اطلاعاتي كه در طراحي قوانين بهره برداري به كار ميروند ممكن است اطلاعات تاريخي و يا اطلاعات حاصل از حل مسأله بهينه سازي براي مخزن مورد نظر باشند. در اين مقاله نتايج حاصل از حل مسأله بهينه سازي سد دز در طول 42 سال با هدف مينيمم كردن مجموع مربعات كمبود براي استخراج قوانين بهره برداري مورد استفاده قرار گرفته اند. به اين منظور ابتدا از روشهاي رگرسيون معمولي و سيستم استنباط فازي ممداني استفاده شده است. به دليل ضعف نتايج روش ممداني، روش سوگنو و آموزش آن به كمك الگوريتم شبيه سازي آنيلينگ مورد بررسي قرار گرفته است. در پايان مشاهده ميشود كه آموزش قوانين فازي به كمك الگوريتم شبيه سازي آنيلينگ به طرز قابل ملاحظه اي باعث بهبود نتايج شبيه سازي شده است.
فايل ضميمه
نوع فايل: pdf f159.pdf (340.1 كيلو بايت, 270 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده اند:
masood (۱۱-۱-۱۳۸۹), کیمیا368 (۰۵-۳-۱۳۹۰), __masoud__ (۰۸-۶-۱۳۹۲)
قديمي ۱۱-۱۸-۱۳۸۸, ۰۷:۰۲ قبل از ظهر   #3 (لینک دائم)
Administrator
 
آواتار Astaraki
 
تاريخ عضويت: خرداد ۱۳۸۷
محل سكونت: تهران-کرج!
پست ها: 3,465
تشكرها: 754
16,339 تشكر در 3,127 پست
My Mood: Mehrabon
ارسال پيغام Yahoo به Astaraki
Question

بهبود الگوریتم بهینه سازی اجتماع ذرات با استفاده از عملگرهای الگوریتم ژنتیک

در بسیاری از مسائل بهینه سازی محدوده ای که بهینه سراسری در آن وجود دارد مشخص نیست. در صورت تخمین نادرست از محدوده بهینه سراسری الگوریتم بهینه سازی اجتماع ذرات گرفتار بهینه محلی شده و قادر به تعیین بهینه سراسری نمی باشد. در این مقاله از عملگرهای جهش و برش الگوریتم ژنتیک جهت تغییر قوانین حرکت هنگام نزدیک شدن به بهینه محلی استفاده می شود. استفاده از این عملگرها سبب می شود که ضمن حفظ سرعت همگرایی، تبادل اطلاعات بین اعضاء گروه بهتر انجام شده و فضای پاسخ جهت پیدا نمودن بهینه سراسری بیشتر جستجو شود. لذا این عملگرها کارایی الگوریتم بهینه سازی اجتماع ذرات را در فرار از نقاط بهینه محلی افزایش می دهند. کارایی روش پیشنهادی نسبت به الگوریتم بهینه سازی اجتماع ذرات در تعیین بهینه سراسری، با شبیه سازی توابع مختلف نشان داده می شود. نتایج نشان می دهد که هنگام عدم اطلاع از محدوده بهینه سراسری، الگوریتم ترکیبی پیشنهاد شده نسبت به الگوریتم معمولی بهینه سازی اجتماع ذرات در یافتن بهینه سراسری تواناتر می باشد.
فايل ضميمه
نوع فايل: pdf i229.pdf (443.0 كيلو بايت, 270 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده اند:
masood (۱۱-۱-۱۳۸۹), __masoud__ (۰۸-۶-۱۳۹۲)
قديمي ۱۱-۱۸-۱۳۸۸, ۰۷:۰۵ قبل از ظهر   #4 (لینک دائم)
Administrator
 
آواتار Astaraki
 
تاريخ عضويت: خرداد ۱۳۸۷
محل سكونت: تهران-کرج!
پست ها: 3,465
تشكرها: 754
16,339 تشكر در 3,127 پست
My Mood: Mehrabon
ارسال پيغام Yahoo به Astaraki
Exclamation

بهبود الگوريتم ژنتيكي با استفاده از روال جستجوي محلي در مساله تخصيص سلاح-هدف

در اين مقاله، از يك الگوريتم ژنتيكي براي حل مساله تخصيص سلاح-هدف (WTA) كه يك مساله NP-Complete است ، استفاده مي شود. مساله WTA عبارت از تخصيص كامل سلاحها به اهداف متخاصم است، به گونه اي كه ميزان آسيب وارده به نيروهاي خودي حداقل شود. در اين مقاله پيشنهاد شده است تا در خلال انجام الگوريتم ژنتيكي، از يك روال جستجوي محلي تابكاري (SA) هم استفاده شود. با بررسي نتايج پياده سازي هاي الگوريتم ژنتيكي ساده و روش پيشنهادي مشاهده مي شود كه روش پيشنهادي در مقايسه با الگوريتم ژنتيكي ساده، در زمان كمتري به جواب بهتري همگرا مي شود.
فايل ضميمه
نوع فايل: pdf i589.pdf (377.5 كيلو بايت, 254 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده اند:
aimaryam (۰۵-۶-۱۳۸۹), masood (۱۱-۱-۱۳۸۹), __masoud__ (۰۸-۶-۱۳۹۲)
قديمي ۱۱-۱۸-۱۳۸۸, ۰۷:۰۶ قبل از ظهر   #5 (لینک دائم)
Administrator
 
آواتار Astaraki
 
تاريخ عضويت: خرداد ۱۳۸۷
محل سكونت: تهران-کرج!
پست ها: 3,465
تشكرها: 754
16,339 تشكر در 3,127 پست
My Mood: Mehrabon
ارسال پيغام Yahoo به Astaraki
Smile

بهبود كارايي الگوريتم تكاملي بحران خود سازمان داده شده

سير تكاملي در پي تغييرات سريع و مقطعي كه در پايان دوره هاي بلند مدت تعادل و سكون رخ ميدهد پيشرفت مي كند. اين تغييرات در اكثر اوقات بر اثر تجمع اثرات رخدادهاي انقراض در جهان اتفاق مي افتد. با توجه به وجود قانوني به نام قانون قدرت (Power Law) بين اندازه انقراضها و فراواني آنها، ميتوان از مدلي با نام بحران خود سازمان داده شده (Self-Organized Criticality) كه معمولا براي سيستمهاي ) پيچيده فيزيكي كاربرد دارد)براي مدل كردن سير تكامل استفاده كرد SOC را مي توان به راحتي با استفاده از مدل تپه ي شني پياده سازي نمود. تا كنون SOC به دو صورت در الگوريتم هاي تكاملي به كار رفته است. در اين مقاله سعي بر آن شده است كه با بررسي دقيق اين دو مدل ضعفها و مشكلات آنها را شناسايي كنيم و با ارايه مدل جديدي آنها را برطرف نماييم.
فايل ضميمه
نوع فايل: pdf i871.pdf (386.8 كيلو بايت, 236 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده اند:
aimaryam (۰۵-۶-۱۳۸۹), masood (۱۱-۱-۱۳۸۹), milad_sabz (۰۳-۲-۱۳۹۳), __masoud__ (۰۸-۶-۱۳۹۲)
قديمي ۱۲-۳-۱۳۸۸, ۱۰:۳۸ قبل از ظهر   #6 (لینک دائم)
عضو جدید
 
آواتار atmosfer7
 
تاريخ عضويت: اسفند ۱۳۸۸
پست ها: 1
تشكرها: 0
1 تشكر در 1 پست
پيش فرض

mamnun
very mofid bud
movafagh bashin
atmosfer7 آفلاين است   پاسخ با نقل قول
از atmosfer7 تشكر كرده است:
__masoud__ (۰۸-۶-۱۳۹۲)
قديمي ۱۲-۳-۱۳۸۸, ۰۸:۰۶ بعد از ظهر   #7 (لینک دائم)
Administrator
 
آواتار Astaraki
 
تاريخ عضويت: خرداد ۱۳۸۷
محل سكونت: تهران-کرج!
پست ها: 3,465
تشكرها: 754
16,339 تشكر در 3,127 پست
My Mood: Mehrabon
ارسال پيغام Yahoo به Astaraki
Cool

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.
فايل ضميمه
نوع فايل: pdf i49.pdf (282.8 كيلو بايت, 274 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده اند:
masood (۱۱-۱-۱۳۸۹), __masoud__ (۰۸-۶-۱۳۹۲)
قديمي ۱۲-۴-۱۳۸۸, ۰۶:۳۹ قبل از ظهر   #8 (لینک دائم)
Administrator
 
آواتار Astaraki
 
تاريخ عضويت: خرداد ۱۳۸۷
محل سكونت: تهران-کرج!
پست ها: 3,465
تشكرها: 754
16,339 تشكر در 3,127 پست
My Mood: Mehrabon
ارسال پيغام Yahoo به Astaraki
Wink

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.
فايل ضميمه
نوع فايل: pdf i521.pdf (468.1 كيلو بايت, 246 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده اند:
green_Dream (۱۲-۱۷-۱۳۹۱), masood (۱۱-۱-۱۳۸۹), __masoud__ (۰۸-۶-۱۳۹۲)
قديمي ۱۲-۴-۱۳۸۸, ۰۶:۴۰ قبل از ظهر   #9 (لینک دائم)
Administrator
 
آواتار Astaraki
 
تاريخ عضويت: خرداد ۱۳۸۷
محل سكونت: تهران-کرج!
پست ها: 3,465
تشكرها: 754
16,339 تشكر در 3,127 پست
My Mood: Mehrabon
ارسال پيغام Yahoo به Astaraki
Cool

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.
فايل ضميمه
نوع فايل: pdf i725.pdf (253.6 كيلو بايت, 642 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده اند:
aimaryam (۰۷-۱۲-۱۳۹۰), black_wear (۰۹-۱۴-۱۳۹۰), kourepaz (۱۰-۲۷-۱۳۹۲), masood (۱۱-۱-۱۳۸۹), __masoud__ (۰۸-۶-۱۳۹۲)
قديمي ۱۲-۴-۱۳۸۸, ۰۶:۴۲ قبل از ظهر   #10 (لینک دائم)
Administrator
 
آواتار Astaraki
 
تاريخ عضويت: خرداد ۱۳۸۷
محل سكونت: تهران-کرج!
پست ها: 3,465
تشكرها: 754
16,339 تشكر در 3,127 پست
My Mood: Mehrabon
ارسال پيغام Yahoo به Astaraki
Smile

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.
فايل ضميمه
نوع فايل: pdf i917.pdf (302.4 كيلو بايت, 282 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده است:
__masoud__ (۰۸-۶-۱۳۹۲)
پاسخ



كاربران در حال ديدن تاپيک: 1 (0 عضو و 1 مهمان)
 
ابزارهاي تاپيک
نحوه نمايش

قوانين ارسال
You may not post new threads
You may not post replies
You may not post attachments
You may not edit your posts

BB code is فعال
شکلکها فعال است
كد [IMG] فعال است
كدهاي HTML غير فعال است
Trackbacks are فعال
Pingbacks are فعال
Refbacks are فعال




زمان محلي شما با تنظيم GMT +3.5 هم اکنون ۰۲:۲۹ بعد از ظهر ميباشد.


Powered by vBulletin® Version 3.8.3
Copyright ©2000 - 2026, Jelsoft Enterprises Ltd.
Search Engine Friendly URLs by vBSEO 3.1.0 ©2007, Crawlability, Inc.

Teach and Learn at Hexib | Sponsored by www.Syavash.com and Product In Review

استفاده از مطالب انجمن در سایر سایت ها، تنها با ذکر انجمن هوش مصنوعي به عنوان منبع و لینک مستقیم به خود مطلب مجاز است

Inactive Reminders By Icora Web Design