پیاده سازی شبکه عصبی هوپفیلد مجتمع سازی گسترده دیجیتال

چکیده

این مقاله در مورد پیاده سازی شبکه های عصبی Hopfield برای حل مسایل مربوط به محدودیت رضایت با استفاده از آرایه های گیت قابل برنامه ریزی میدان FPGA بحث می کند. این مقاله در مورد روش های فرمول بندی این مسایل همانند شبکه های عصبی گسسته بحث می کند، و سپس مساله N queen را با استفاده از فرمولبندی به دست آمده تشریح می کند. سرانجام، نتایج ارایه شده زمان های محاسبه یک کامپیوتر معمولی برای شبیه سازی اجرای شبکه Hopfield بر روی یک فضای کاری باکیفیت، مقایسه می کنند. در این روش، رشد پیشرفت قابل مشاهده می باشد که نشان می دهد حداکثر رشد 2 تا 3 برابر دامنه با استفاده از ابزارهای FPGA ممکن می باشد.

کلیدواژه: شبکه عصبی هوپفیلد، آرایه های گیت قابل برنامه ریزی میدان، مساله N queen

مقدمه

بسیاری از مسایل بهینه سازی تجارت و صنعت در عمل را می توان با استفاده از متغیرهای تصمیم گیری دودویی (باینری) ، به عنوان مسایل برنامه نویسی استاندارد ریاضی فرمول بندی کرد. حل این مسایل به دلیل طبیعت عصب سخت پیچیدگی آنها (NP hard) نیاز به بکاربری از فن آوری های هوشمند و الگوریتم های تقریبی دارند؛ در سال 1985 شبکه های عصبی برای حل این مشکل ارایه شدند، اما باز هم مسایلی همچون کیفیت ضعیف راه حل ها و عدم تضمین راه حل نهایی عملی مشکل ساز بودند. این مسایل اولیه امروزه برطرف شده اند. روش هایی برای کمک به شبکه عصبی Hopfield تا حداقل عملکرد انرژی ناحیه ای را تامین کند، ارایه شده اند و ساختار مناسب این عملکرد انرژی عملی بودن راه حل را تضمین می کند. با استفاده از این پیشرفت ها، نتایج شبکه عصبی به دست آمده اند که به طور موثری (و حتی بهتر) با دیگر فن آوری های هوشمند معروف مانند بازپخت شبیه سازی شده، رقابت می کنند.

تابع هدف جدید محدب برای آموزش نظارت شبکه های عصبی تک لایه

• عنوان لاتین مقاله: A new convex obgective function for the supervised Learning of single-layer neural networks
• عنوان فارسی مقاله: تابع هدف جدید محدب برای آموزش نظارت شبکه های عصبی تک لایه .
• دسته: فناوری اطلاعات و کامپیوتر
• فرمت فایل ترجمه شده: WORD (قابل ویرایش)
• تعداد صفحات فایل ترجمه شده: 28
• جهت دانلود رایگان نسخه انگلیسی این مقاله اینجا کلیک نمایید
• ترجمه سلیس و روان مقاله آماده خرید است.

خلاصه

چکیده: در این مقاله روش آموزش نظارت جدید برای ارزیابی چگونگی شبکه های Feed Forward عصبی تک لایه ارائه می شود. این روش از تابع هدفی بر مبنایMSE استفاده می کند، که خطاها را به جای این که پس از تابع فعالسازی غیرخطی نورون ها ارزیابی کند قبل از آن ها بررسی می کند. در این گونه موارد، راه حل را می توان به سهولت از طریق حل معادلات در سیستم های خطی به دست آورد یعنی در این روش نسبت به روش های معین و مرسوم پیشین به محاسبات کمتری نیاز است. تحقیقات تئوری شامل اثبات موازنه های تقریبی بین بهینه ستزی سراسری تابع هدف بر مبنای معیارMSE و یک تابع پیشنهادی دیگر می باشد. بعلاوه مشخص شده است که این روش قابلیت توسعه و توزیع آموزش را دارا می باشد. طی تحقیقات تجربی جامع نیز تنوع صحت در انرمان این روش مشخص شده است. این تحقیق شامل 10 دسته بندی و 16 مسئلۀ بازگشتی می باشد. بعلاوه، مقایسه این روش با دیگر الگوریتم های آموزشی با عملکرد بالا نشان می دهد که روش مذکور بطور متوسط بیشترین قابلیت اجرایی را داشته و به حداقل محاسبات در این روش نیاز می باشد.

1.« مقدمه »:

برای بررسی شبکه عصبیFeed Forward تک لایه با تابع فعالسازی خطی، مقادیر وزن برای تابع بهMSE حداقل رسیده و می توان این مقادیر را به وسیله یک ماتریس شبه معکوس بدست آورد [1,2]. بعلاوه، می توان اثبات کرد که سطح MSE این شبکه خطی تابعی درجه دوم می باشد [3]. بنابراین این سطحمحدب هایپر پارابولیک (فراسهمی وار) را می توان به سادگی با روش گرادیان نزولی (Gradient descent) طی کرد. با این حال، اگر ازتابع فعالسازی غیر خطی استفاده شود، مینیمم های محلی می توانند بر مبنای معیارMSE در تابع هدف دیده شوند [4-6]. طی تحقیقات مختلف می توان مشاهده نمود که تعداد چنین مینیمم هایی می توانند با ابعاد ورودی به صورت نمایی توسعه پیدا کند. تنها در برخی موارد خاص می توان تضمین کرد که شرایط حاکم، فاقدMin های محلی هستند. در مورد الگوهای تفکیک پذیرخطی و معیار آستانه MSE، وجود حداقل یک مقدارMin در تابع هدف به اثبات رسیده است [8,9]. با این حال، این امر یک موقعیت عمومی نمی باشد.

• فرمت: zip
• حجم: 1.30 مگابایت
• شماره ثبت: 411

بررسی کارایی مدلهای اسپرینگیت، زیمسکی واهلسون در امکان پیش بینی ورشکستگی شرکتهای

دسته: اقتصاد

حجم فایل: 367 کیلوبایت

تعداد صفحه: 183

چکیده:

ورشکستگی های اخیر شرکتهای بزرگ در سطح بین الملل و نوسانهای بورس اوراق بهادار ایران نیاز به وجود ابزارهایی برای ارزیابی توان مالی شرکتها را نشان می دهد یکی از این ابزارها استفاده از الگوهای پیش بینی ورشکستگی می باشد. با توجه به این ضرورت هدف اصلی این پژوهش تعیین میزان کارایی مدلهای اسپرینگیت، زیمسکی و اهلسون در پیش بینی وضعیت ورشکستگی شرکت های پذیرفته شده در بورس اوراق بهادار تهران و مقایسه نتایج مدلها می باشد، که در راستای تحقق این هدف دو فرضیه اصلی و سه فرضیه فرعی تدوین گردیده است. جامعه آماری و نمونه آماری این پژوهش شامل 13 شرکت ورشکسته و 28 شرکت غیرورشکسته از شرکتهای نساجی و دارویی پذیرفته شده در بورس اوراق بهادار تهران طی سالهای 79 تا 87 می باشد که به منظور دسته بندی شرکتها به دو گروه ورشکسته و غیر ورشکسته از پیش فرض ماده 141 قانون تجارت استفاده شده است. در این پژوهش برای آزمون فرضیه اصلی اول و گروه فرضیات فرعی ازروش آماری رگرسیون لوجستیک استفاده و ضرایب موثر با توجه به شرایط مالی و اقتصادی ایران با استفاده از آماره آزمون والد متد ENTERاستخراج گردیده است، همچنین برای آزمون فرضیه اصلی دوم ازروش مقایسه میانگین ناپارامتری کروسکال والیس استفاده شده است. نهایتا پس از آزمون، کلیه فرضیات تحقیق در سطح اطمینان 95/0 مورد تایید قرار گرفتند و نتایج نشان داد که " در سه سال مورد بررسی برای پیش بینی ورشکستگی شرکتها مدل اسپرینگیت نسبت به مدلهای زیمسکی و اهلسون نتایج بهتری را نشان می دهد".

چکیده:.. 1

مقدمه:.. 2

فصل اول: کلیات تحقیق

1-1-مقدمه: 4

2-1 بیان مساله 5

3-1 تاریخچه موضوع تحقیق. 6

4-1 اهمیت وضرورت موضوع تحقیق. 9

5-1 اهداف تحقیق. 11

1-5-1 اهداف اصلی: 11

2-5-1 اهداف فرعی (ویژه) : 11

6-1 چارچوب نظری تحقیق. 11

7-1 مدل تحلیلی تحقیق و شیوه اندازه گیری متغیرها 15

1-7-1 الگوی اسپرینگیت: 15

2-7-1 الگوی زیمسکی: 15

3-7-1 الگوی اهلسون: 16

8-1 فرضیات تحقیق. 16

9-1 متغیرهای عملیاتی تحقیق. 17

10-1تعریف واژه ها و اصطلاحات.. 17

فصل دوم: مروری بر ادبیات تحقیق

1-2 گفتاراول: ورشکستگی و بررسی قانونی آن. 22

1-1-2 مقدمه 22

2-1-2 تعریف ورشکستگی. 22

3-1-2 ورشکستگی ازنظرقانونی. 23

4-1-2 ورشکستگی ازنظرحسابداری. 24

5-1-2 ورشکستگی ازنظرحقوقی. 25

6-1-2 بررسی قانون ورشکستگی درایران. 25

7-1-2 بررسی قانون ورشکستگی درسایر کشورها 26

8-1-2 ورشکستگی از نظر حقوق بین الملل. 29

2-2 گفتار دوم: دلایل، مراحل و هزینه های ورشکستگی. 29

1-2-2 دلایل ورشکستگی. 29

1-1-2-2 دلایل برون سازمانی. 30

2-1-2-2 دلایل درون سازمانی. 31

2-2-2 ابزارهای شناسایی عوامل ورشکستگی. 34

3-2-2 انواع شکست.. 37

4-2-2 مراحل ورشکستگی. 37

5-2-2 هزینه های ورشکستگی. 39

6-2-2 تاثیرهزینه های ورشکستگی بر ساختار سرمایه 40

7-2-2 مالیات وهزینه های ورشکستگی. 42

8-2-2 صورت وضعیت مالی شرکت ورشکسته 44

3-2 گفتار سوم: ارزیابی تداوم فعالیت شرکتها 46

1-3-2 تداوم فعالیت.. 46

2-3-2 برقرار نبودن فرض تداوم فعالیت.. 47

1-2-3-2 نشانه های مالی: 47

2-2-3-2 نشانه های عملیاتی: 47

3-2-3-2 سایر نشانه ها: 47

3-3-2 روشهای ارزیابی تداوم فعالیت شرکتها 48

1-3-3-2 ارزیابی تداوم فعالیت با استفاده از مقررات قانون تجارت: 49

2-3-3-2 ارزیابی تداوم فعالیت با استفاده ازگزارش حسابرسان: 49

3-3-3-2 ارزیابی تداوم فعالیت با کمک نسبتهای مالی ومدلهای پیش بینی ورشکستگی: 49

4-3-2 آئین نامه انظباتی بورس اوراق بهادارتهران درمورد توقف فعالیت.. 50

4-2 گفتارچهارم: تعاریف پیش بینی، مدل و ساختار مدلهای پیش بینی ورشکستگی. 50

1-4-2 پیش بینی. 50

2-4-2 تکنیک های پیش بینی. 51

1-2-4-2 روشهای کیفی پیش بینی: 51

2-2-4-2 روشهای کمی پیش بینی: 52

3-4-2 الگو (مدل) 52

4-4-2 روش شناسی انواع الگوهای پیش بینی ورشکستگی. 53

1-4-4-2 الگوهای آماری. 53

2-4-4-2 الگوهای سیستم خبره هوشمند مصنوعی. 56

3-4-4-2 الگوهای تئوریک... 58

5-4-2 ویژگی های یک الگوی خوب.. 60

6-4-2 معیارهای عملکرد 61

7-4-2 مدلهای پیش بینی ورشکستگی از نظرنقطه انقطاع. 62

5-2 گفتار پنجم: مدلهای پیش بینی ورشکستگی. 64

1-5-2 مدل ویلیام بیور. 64

2-5-2 مدل آلتمن. 65

3-5-2 مدل دی کین (1972) 68

4-5-2 مدل اسپرینگیت.. 69

5-5-2 مدل اهلسون. 70

6-5-2 مدل CA-SCORE. 71

7-5-2 مدل گریس.. 72

8-5-2 مدل یوشیکو شیراتا 73

9-5-2 مدل زیمسکی. 74

10-5-2 مدل تافلر. 75

11-5-2 مدل فولمر. 76

12-5-2 مدل زاوگین. 77

13-5-2 مدل فیلوسوفو. 79

14-5-2 مدل شبکه عصبی مصنوعی. 80

6-2 گفتارششم: تشریح نسبتهای مالی مورد استفاده در این تحقیق. 81

1-6-2 تاریخچه نسبتهای مالی. 81

2-6-2 تعریف و اهداف نسبتهای مالی. 82

3-6-2 انواع نسبتهای مالی. 82

4-6-2 معیارهای ارزیابی نسبتهای مالی. 82

5-6-2 تشریح نسبتهای مورداستفاده در این تحقیق. 83

6-6-2 محدودیتهای تجزیه وتحلیل نسبتها 85

7-2 گفتارهفتم: بازارهای سرمایه و ارکان آن. 85

1-7-2 تعریف بورس اوراق بهادار. 86

2-7-2 علل پیدایش بورس اوراق بهادار. 86

3-7-2 اصطلاحات کلیدی بورس.. 88

1-3-7-2 تعریف شاخص: 88

2-3-7-2 شاخص های بورس: 88

4-7-2 تاریخچه وتحولات بورس اوراق بهادار تهران. 89

1-4-7-2 دوره اول: سالهای 1346 تا 1357. 90

2-4-7-2 دوره دوم: سالهای 1357 تا 1367. 90

3-4-7-2 دوره سوم: سالهای 1368 تا 1375. 91

4-4-7-2 دوره چهارم: سالهای 1376 تا 1388. 92

8-2 گفتارهشتم: پیشینه تحقیق. 93

1-8-2 تحقیقات داخلی: 94

2-8-2 تحقیقات خارجی: 95

فصل سوم: روش اجرای تحقیق

1-3- مقدمه: 102

2-3 روش تحقیق. 102

3-3 جامعه و نمونه آماری. 103

1-3-3 معیار تعیین ورشکستگی: 105

2-3-3 معیار انتخاب شرکتهای ورشکسته: 105

3-3-3 معیارانتخاب شرکتهای غیرورشکسته: 105

4-3 قلمرو تحقیق. 106

1-4-3 قلمرو موضوعی: 106

2-4-3 قلمرو مکانی: 106

3-4-3 قلمرو زمانی: 106

5-3 روش و ابزار گردآوری داده ها 106

6-3 روش تجزیه وتحلیل داده ها 107

7-3 اعتبار درونی و برونی پژوهش.. 110

فصل چهارم: تجزیه و تحلیل داه ها

1-4-‏ مقدمه‏: 113

2-4 شاخص های توصیفی متغیرها 113

1-3-4 تجزیه و تحلیل و آزمون فرضیه فرعی اول: 118

2-3-4 تجزیه وتحلیل و آزمون فرضیه فرعی دوم: 125

3-3-4 تجزیه و تحلیل و آزمون فرضیه فرعی سوم: 132

4-3-4 تجزیه و تحلیل و آزمون فرضیه اصلی اول: 140

5-3-4 تجزیه و تحلیل نتایج بدست آمده از آزمون فرضیه اصلی اول و گروه فرضیات فرعی: 146

1-5-3-4 تجزیه و تحلیل نتایج آزمون فرضیه فرعی اول: 147

2-5-3-4 تجزیه و تحلیل نتایج آزمون فرضیه فرعی دوم: 148

3-5-3-4 تجزیه و تحلیل نتایج آزمون فرضیه فرعی سوم: 149

4-5-3-4 تجزیه و تحلیل نتایج آزمون فرضیه اصلی اول: 150

6-3-4 تجزیه و تحلیل و آزمون فرضیه اصلی دوم: 151

فصل پنجم: نتیجه گیری و پیشنهادات

1-5-مقدمه: 154

2-5 ارزیابی و تشریح نتایج آزمون فرضیه ها 154

3-5 نتیجه گیری کلی تحقیق. 156

4-5 پیشنهادهایی مبتنی بر یافته های تحقیق. 157

5-5 پیشنهادهایی جهت تحقیقات آتی. 158

6-5 محدودیت های تحقیق. 159

منابع و ماخذ:

منابع فارسی: 161

منابع لاتین: 164

چکیده انگلیسی 166

قیمت: 30,000 تومان

پروژه مدل سازی رآکتور شیمیایی با شبکه عصبی

مقدمه

در این پروژه، ورودی ها و خروجی های یک سیستم چند ورودی و چند خروجی غیر خطی، برای ایجاد یک مدل دینامیکیِ هوشمند، استفاده شده است. بنابراین انتخاب شبکه های عصبی مصنوعی از نوع پرسپترون های چندلایه برای این منظور مناسب است. در کنار این نوع از مدل سازی، استفاده از یک شیوه مناسب برای کنترل پیشگویانه (پیش بینانه) مدل یاد شده، ضروری است. مدل های برگشتی تصحیح شونده که از قوانین تعدیل ماتریس های وزنی مسیرهای ارتباطی بین نرون های مدل استفاده می کنند، در این پروژه به کار گرفته شده اند. این قوانین برای آموزش سیستم، جهت کنترل و دستیابی به خروجی مطلوب در زمان های بعدی به کار می روند. فراگیری در این سیستم نیز از نوع فراگیری با سرپرست می باشد؛ به این صورت که معادله دیفرانسیل دینامیکیِ سیستم در دسترس است و بنابراین مقادیر مطلوب برای متغیر هدف، که سیستم باید به آن برسد، برای زمان های آینده مشخص می باشد و خروجی سیستم با استفاده از یک کنترل کننده پیش بین، همواره باید به این اهداف دست یابد. سیستم مورد مطالعه در این پروژه، یک رآکتور شیمیایی است که برای اختلاط پیوسته مواد شیمی ایی واکنش دهنده با غلظت ها و مقادیر تعریف شده و تولید یک ماده محصول با یک غلظت متغیر با زمان به کار می رود؛ که میزان مطلوب این غلظت در یک زمان خاص، به عنوان هدف مطلوبی است که سیستم باید به آن دست یابد. همچنین به جای یک سیستم واقعی، از یک مدل نرم افزاری برای جمع آوری داده های ورودی و خروجی استفاده می شود و در نهایت، نتایج این مدل سازی موفقیت آمیز، توانایی روش های مدل سازی هوشمند را همان گونه که در این تحقیق آمده است، اثبات می کند. در این پروژه، ورودی ها و خروجی های یک سیستم چند ورودی و چند خروجی غیر خطی، برای ایجاد یک مدل دینامیکیِ هوشمند، استفاده شده است. بنابراین انتخاب شبکه های عصبی مصنوعی از نوع پرسپترون های چندلایه برای این منظور مناسب است. در کنار این نوع از مدل سازی، استفاده از یک شیوه مناسب برای کنترل پیشگویانه (پیش بینانه) مدل یاد شده، ضروری است. مدل های برگشتی تصحیح شونده که از قوانین تعدیل ماتریس های وزنی مسیرهای ارتباطی بین نرون های مدل استفاده می کنند، در این پروژه به کار گرفته شده اند.

طراحی پایدار کننده سیستم های قدرت مقاوم با استفاده از ترکیب ANN و ICA

دسته: برق

حجم فایل: 377 کیلوبایت

تعداد صفحه: 13

طراحی پایدار کننده سیستم های قدرت مقاوم با استفاده از ترکیب ANN و ICA

چکیده

حد پایداری حالت پایدار و میرایی مثبت سیستم را می توان با پایدار کننده سیستم قدرت متداول بهبود یافت (PSS). با این حال، به منظور توانایی های مانند تنظیم کردن آنلاین و زمان واقعی بهینه میرایی در کل محدوده عملیاتی، طراحی مقاوم از PSS مورد نیاز است. یک طراحی PSS مقاوم جدید با استفاده از شبکه عصبی مصنوعی (ANN) و الگوریتم رقابتی امپریالیستی (ICA) برای میرایی نوسانات حالت های الکترومکانیکی و بهبود پایداری سیستم قدرت در این مقاله ارائه شده است. دینامیک در ارتباط با یک تک ماشین متصل شده به باس بی نهایت سیستم قدرت در این مطالعه تجزیه و تحلیل شده است. تنظیمات بهینه پارامترهای PSS با استفاده از ترکیب ICA-ANN به دست آمده اند.. ANN برای تنظیم پارامترهای PSS آنلاین استفاده شده است. نتایج PSS مبتنی بر ICA (ICA-PSS) به عنوان طرح های آموزش ANN استفاده شده اند. تجزیه و تحلیل مقادیر ویژه و شبیه سازی های سیستم اثر روش ارائه شده در میرایی نوسانات الکترومیکانیکی و بهبود پایداری دینامیکی سیستم را نشان می دهد.

واژه های کلیدی: شرایط قدرت پایدار کننده سیستم، الگوریتم رقابتی امپریالیستی، شبکه عصبی مصنوعی، نوسانات فرکانس پایین

مقاله سال 2013

قیمت: 16,000 تومان

شبکه عصبی - 7

Neural network credit scoring models - ScienceDirect.com …

This paper investigates the credit scoring accuracy of five neural network models: multilayer perceptron, mixture-of-experts, radial basis function, learning ve […] — ادامه متن

Neural networks for control systems—A survey ☆

This paper focuses on the promise of artificial neural networks in the realm of modelling, identification and control of nonlinear systems. The basic ideas and […] — ادامه متن

Artificial neural networks for pattern recognition - …

This tutorial article deals with the basics of artificial neural networks (ANN) and their applications in pattern recognition. ANN can be viewed as computing models […] — ادامه متن

How to Train Neural Networks - Springer

The purpose of this paper is to give a guidance in neural network modeling. Starting with the preprocessing of the data, we discuss different types of network […] — ادامه متن

Neural network initialization - Springer

Proper initialization is one of the most important prerequisites for fast convergence of feed-forward neural networks like high order and multilayer perceptrons. […] — ادامه متن

Discrete time neural networks - Springer

Traditional feedforward neural networks are static structures that simply map input to output. To better reflect the dynamics in the biological system, time […] — ادامه متن

پروژه مدل سازی رآکتور شیمیایی

• پایان نامه جهت اخذ درجه کارشناسی
• عنوان کامل: پروژه مدل سازی رآکتور شیمیایی با شبکه های عصبی
• دسته: مکانیک
• فرمت فایل: Word (قابل ویرایش)
• تعداد صفحات پروژه: 130
• فهرست مطالب: جهت مشاهده فهرست مطالب این پروژه اینجا کلیک نمایید

| مقدمه | در این پروژه، ورودی ها و خروجی های یک سیستم چند ورودی و چند خروجی غیر خطی، برای ایجاد یک مدل دینامیکیِ هوشمند، استفاده شده است. بنابراین انتخاب شبکه های عصبی مصنوعی از نوع پرسپترون های چندلایه برای این منظور مناسب است. در کنار این نوع از مدل سازی، استفاده از یک شیوۀ مناسب برای کنترل پیشگویانه (پیش بی […] — ادامه متن

شبکه های عصبی آموزشی رقابتی پیشرفته در مورد تشخیص نفوذ درشبکه

• عنوان لاتین مقاله: Improved Competitive Learning Neural Networks For Network Intrusion And Fraud Detection
• عنوان فارسی مقاله: شبکه های عصبی آموزشی رقابتی پیشرفته در مورد تشخیص نفوذ در شبکه و شناسایی کلاهبرداری
• دسته: کامپیوتر و فناوری اطلاعات
• فرمت فایل ترجمه شده: Word (قابل ویرایش)
• تعداد صفحات فایل ترجمه شده: 32
• لینک دریافت رایگان نسخه انگلیسی مقاله: دانلود
• ترجمه سلیس و روان مقاله آماده خرید است.

| خلاصه | در این پژوهش، دو الگوریتم خوشه بندی جدید را معرفی می کنیم. شبکه اموزشی رقابتی پیشرفته (Icln) و شبکه آموزشی رقابتی […] — ادامه متن

پیاده سازی شبکه عصبی هوپفیلد مجتمع سازی گسترده دیجیتال

چکیده | این مقاله در مورد پیاده سازی شبکه های عصبی Hopfield برای حل مسایل مربوط به محدودیت رضایت با استفاده از آرایه های گیت قابل برنامه ریزی میدان Fpga بحث می کند. این مقاله در مورد روش های فرمول بندی این مسایل همانند شبکه های عصبی گسسته بحث می کند، و سپس مساله N Queen را با استفاده از فرمولبندی به دست آمده تشریح می کند. سرانجام، نتایج ارایه شده زمان های محاسبه یک کامپیوتر معمولی برای شبیه سازی اجرای شبکه Hopfield بر روی یک فضای کاری باکیفیت، مقایسه می کنند. در این روش، رشد پیشرفت قابل مشاهده می باشد که نشان می دهد حداکثر رشد 2 تا 3 برابر دامنه با استفاده از ابزارهای Fpga ممکن می باشد. | کلید […] — ادامه متن

Artificial Neural Networks - Springer

Book Chapter. Pages 315-332. Neural Networks Solution of Optimal Control Problems with Discrete Time Delays and Time-Dependent Learning of Infinitesimal Dynamic … […] — ادامه متن

Artificial neural network models for forecasting and ...

Some authors advocate artificial neural networks as a replacement for statistical forecasting and decision models; other authors are concerned that artificial n […] — ادامه متن

Hybrid neural network models for bankruptcy …

The objective of this paper is to develop the hybrid neural network models for bankruptcy prediction. The proposed hybrid neural network models are (1) a MDA-as […] — ادامه متن

FPGA Implementation of a Neural Network for Character …

Neural Networks are usually implemented in software on sequential machines but when implemented in hardware, they are extremely fast due to the massive parallelism […] — ادامه متن

The SNNS Neural Network Simulator - Springer

SNNS is a neural network simulator for Unix workstations developed at the Universität Stuttgart. It is a tool to generate, train, test and visualize artificial […] — ادامه متن

Surface Reconstruction Techniques Using Neural Networks …

This paper presents a novel neural network approach to recovering of 3D surfaces from single gray scale images. The proposed neural network uses photometric stereo to […] — ادامه متن

Artificial neural networks in renewable energy systems ...

Artificial neural networks are widely accepted as a technology offering an alternative way to tackle complex and ill-defined problems. They can learn from examp […] — ادامه متن

کنترل برداری بدون سنسورسرعت یک موتور القایی بدون یاتاقان

• عنوان لاتین مقاله: Speed-Sensorless Vector Control Of A Bearingless Induction Motor With Artificial Neural Network Inverse Speed Observer
• عنوان فارسی مقاله: کنترل برداری بدون سنسورسرعت یک موتور القایی بدون یاتاقان با استفاده از ناظر سرعت معکوس شبکه عصبی مصنوعی.
• دسته: برق و الکترونیک
• فرمت فایل ترجمه شده: Word (قابل ویرایش)
• تعداد صفحات فایل ترجمه شده: 30
• جهت دانلود رایگان نسخه انگلیسی این مقاله اینجا کلیک نمایید
• ترجمه سلیس و روان مقاله آماده خرید است.

| خلاصه | به منظور جلوگیری از اثر تشخیص سرعت بر پایین آمدن پایداری و […] — ادامه متن

ترجمه مقاله برنامه توسعه ی تولید و انتقال، با در نظر گرفتن حد بارگذاری

عنوان انگلیسی مقاله: | Transmission And Generation Expansion Planning | عنوان فارسی مقاله: | ترجمه مقاله برنامه توسعه ی تولید و انتقال، با در نظر گرفتن حد بارگذاری با استفاده از نظریه ی گیم و Ann (شبکه ی عصبی مصنوعی) | اصل مقاله لاتین ۶ صفحه ۲۰۱۲ Ieee | متن ورد ترجمه شده بصورت کاملا تخصصی ۲۲ صفحه | پروژه کارشناسی ارشد برق | چکیده | در این مقاله برنامه ی توسعه ی تولید و انتقال (Tef , Gep) با در نظرر گرفتن حد بارگذاری سیستم قدرت مطالعه شده است. از روش شبکه های عصبی مصنوعی (Ann) برای ارزیابی حد بارگذاری سیستم قدرت _به دلیل ویژگی های حساسیتش_ استفاده شده است. بازسازی سیستم قدرت و جداسازی سازمان ها […] — ادامه متن

How to Train Neural Networks - Springer

The purpose of this paper is to give a guidance in neural network modeling. Starting with the preprocessing of the data, we discuss different types of network […] — ادامه متن

Neural Networks in Automotive Applications - Springer

Neural networks are making their ways into various commercial products across many industries. As in aerospace, in automotive industry they are not the main technology. […] — ادامه متن

پیش بینی قیمت کوتاه مدت مبتنی بر موجک-ELM ترکیبی

• عنوان لاتین مقاله: A hybrid wavelet-ELM based short term price forecasting for electricity markets
• عنوان فارسی مقاله: پیش بینی قیمت کوتاه مدت مبتنی بر موجک-ELM ترکیبی، برای بازار برق.
• دسته: برق و الکترونیک
• فرمت فایل ترجمه شده: WORD (قابل ویرایش)
• تعداد صفحات فایل ترجمه شده: 26
• جهت دانلود رایگان نسخه انگلیسی این مقاله اینجا کلیک نمایید
• ترجمه سلیس و روان مقاله آماده خرید است.

خلاصه

پیشبینی دقیق قدمت برق، چالشی بزرگ برای شرکت کنندگان و مدیران بازار می باشد، زیرا قیمت الکتریسیته دارای نوسانات بسیاری است. پیشبینی قیمت نیز، مهم ترین هدف مدیریتی برای مشارکت کنندگان در بازار است، چرا که مبانی بیشینه کردن سود را، تشکیل می دهد. این مطالعه، عملکرد یک تکنیک شبکه عصبی جدید را بنام ناشین یادگیری سریع (ELM) ، در مساله پیشبینی قیمت، بررسی می کند. با در نظر داشتن خط مربوط به بازهای برق که دارای نوسانات بسیاری در قیمت هستند، تکیه به یک تکنیک، خیلی هم سودمند نمی باشد. بنابراین، ELM با تکنیک موجک همراه شده است و یک مدل پیوندی (مرکب) را به نام WELM (ELM مبتنی بر موجک) را تشکیل داده است تا دقت پیشبینی و نیز قابلیت اطمینان آن را، بهبود بخشد. در این روش، ویژگی های بی همتای هر ابزار، تکریب شده اند تا الگوهای مختلفی را در اطلاعات، بدست آورند. قدرت این تکنیک، با استفاده از روش مجموع شده، بهبود بیشتری می یابد. عملکردهای مدل های ارایه شده، با استفاده از اطلاعات موجود در بازارهای برق انتاریو، PJM، نیویورک و ایتالیا، ارزیابی شده اند. نتایج آزمایشی نشان می دهند که روش پیشنهادی، یکی از مناسب ترین تکنیک های پیشبینی قیمت می باشد.

کلمات کلیدی: شبکه عصبی مصنوعی (ANN) ، تجدید ساختار، روش مجموع، ماشین یادگیری سریع (ELM) ، پیشبینی قیمت، تبدیل موجک

• فرمت: zip
• حجم: 2.62 مگابایت
• شماره ثبت: 411

ارزیابی عملکرد و کارآیی شرکت با مدل ترکیبی شبکه های عصبی و تحلیل پوششی داده ها (Neuro-DEA)

دسته: مدیریت

حجم فایل: 1529 کیلوبایت

تعداد صفحه: 53

فصل دوم پایان نامه: مرور ادبیات و بررسی پیشینه تحقیق

مقدمه:

ارزیابی عملکرد شرکت ها همواره از مسأله های چالش برانگیز در حوزه های مدیریت بوده است. اندازه گیری کارایی خصوصاً در دو دهه ی اخیر، به علت اهمیت آن در ارزیابی عملکرد، مورد توجه زیادی قرار گرفته است. از سال 1957 که فارل روشی را برای اندازه گیری کارایی مطرح کرد تاکنون بازنگری های جامع و اساسی در موضوع اندازه گیری کارایی صورت گرفته است. هم چنین دیدگاه های پارامتری و غیر پارامتری به طور گسترده ای در ارزیابی کارایی مورد استفاده قرار می گیرند. ضمن این که دیدگاه های اولیه عمدتاً شامل مرزهای قطعی و مرزهای تصادفی بوده و بعدها دیدگاه هایی مثل DEA و FDH نیز مطرح شده است. [2005، Delgado]

روش های بسیاری برای اندازه گیری کارایی در تحقیقات مربوط مطرح شده است؛ اما در مقایسه بین تمامی مدل های فوق، DEA روش بهتری برای سازماندهی وتحلیل داده هاست؛ زیرا اجازه می دهد که کارایی در طول زمان تغییر کند و به هیچ گونه پیش فرضی در مورد مرز کارایی نیاز ندارد. [Wu et al، 2005] بنابراین بیش از سایر دیدگاه ها در ارزیابی عملکرد مورد استفاده قرار گرفته است و تکنیک مناسبی برای مقایسه ی واحدها در سنجش کارایی به شمار می آید. با این وجود مرز کارایی که از DEA حاصل شده نسبت به اغتشاش های آماری و داده های پرت که در اثر خطای اندازه گیری یا هر عامل خارجی دیگر ایجاد می شود، حساس است و اگر در داده ها اغتشاش آماری یا داده ای پرت وجود داشته باشد ممکن است موجب شود تا مرزکارایی به دست آمده جابه جا شود و مسیر تحلیل های DEA را منحرف سازد. [ Wu et al، 2005 & Bauer، 1990 ] به همین علت باید در استفاده از DEA برای ارزیابی عملکرد سایر واحدهای تصمیم گیرنده احتیاط کرد. وجود این مسأله باعث شده است که اخیراً شبکه های عصبی مصنوعی به عنوان جایگزین خوبی برای برآورد مرزهای کارا جهت تصمیم گیری به کار گرفته شود؛ [Wang، 2003] زیرا ماهیت عملکرد شبکه های عصبی به دلیل قدرت یادگیری و تعمیم پذیری به گونه ای است که در برابر داده های پرت و اغتشاشات حاصل از اندازه گیری غیر دقیق داده ها مقاوم تر عمل می کنند. [مهرگان و همکاران، 1385]

فهرست مطالب:

2- ادبیات و پیشینه تحقیق

2-1- مقدمه

2-2- ارزیابی عملکرد

2-2-1- مقدمه

2-2-2- پیشینه ارزیابی عملکرد و بررسی دیدگاه های مختلف

2-2-3- معیارها و تکنیک های ارزیابی و اندازه گیری عملکرد

2-2-3-1- معیارهای ارزیابی عملکرد

2-2-3-2- تکنیک ها و مدل های شناخته شده در ارزیابی عملکرد

2-2-3-3- تکنیک های اندازه گیری عملکرد

2-3- معرفی تفصیلی DEA، ANNs و NEURO/DEA

2-3-1- معرفی تفصیلی DEA

2-3-1-1- مدل نسبت CCR

2-3-1-2- مدل های ورودی محور

2-3-1-2-1- مدل مضربی CCR ورودی محور

2-3-1-2-2- مدل پوششی CCR ورودی محور

2-3-1-3- مدل های خروجی محور

2-3-1-3-1- مدل مضربی CCR خروجی محور

2-3-1-4- روش اندرسون- پیترسون

2-3-2- شبکه های عصبی مصنوعی (ANNs)

2-3-2-1- معرفی تفصیلی

2-3-2-2- معنای شبکه های عصبی

2-3-2-3- قابلیت یادگیری

2-3-2-4- پراکندگی اطلاعات "پردازش اطلاعات به صورت متن"

2-3-2-5- قابلیت تعمیم

2-3-2-6- پردازش موازی

2-3-2-7- مقاوم بودن

2-3-2-8- مدل نرون

2-3-2-9- ساختار شبکه های عصبی

2-3-2-10- شبکه های پرسپترون

2-3-2-10-1- شبکه پرسپترون تک لایه

2-3-2-10-2- شبکه پرسپترون چند لایه

2-3-2-10-3- الگوریتم پس انتشار BP

2-3-2-11- تعیین ساختار و توپولوژی شبکه عصبی

2-3-2-12- الگوریتم های یادگیری شبکه

2-3-2-13- مدل خودسازمان ده SOM

2-3-3- مدل ترکیبی شبکه های عصبی و تحلیل پوششی داده ها (NEUEO/DEA)

2-3-3-1- مقدمه

2-3-3-2- الگوریتم تحلیل کارایی

2-3-3-3- نرمال سازی داده ها

2-4- پیشینه تحقیق

2-4-1- بررسی مقالات

2-4-2- بررسی پایان نامه ها

منابع کامل در انتهای فصل آورده شده اند

قیمت: 42,000 تومان

ید" />

لاتین مهندسی صنایع: تجزیه و تحلیل الگوریتم بهینه سازی ازدحام ذرات

چکیده

بسیاری از مسائل علمی، مهندسی و اقتصادی شامل بهینه سازی مجموعه ای از پارامترها می باشد. این مسائل شامل نمونه هایی همچون به حداقل رسانی اتلاف در شبکه برق با یافتن تنظیمات بهینه بخش ها، یا تقویت شبکه عصبی برای تشخیص تصویر چهره افراد می باشد. الگوهای بهینه سازی بیشماری مطرح شده اند تا به حل این مشکلات، با درجلت مختلفی از موفقیت بپردازند. بهینه سازی ازدحام ذرات (PSO) تکنیک نسبتا جدیدی می باشد که به صورت تجربی نشان داده شده است که دارای عملکرد خوبی بر روی بسیاری از این مسائل بهینه سازی می باشد. این مقاله مدل نظری را ارائه می دهد که می تواند برای شرح رفتار بلندمدت الگوریتم مورد استفاده قرار گیرد. نسخه پیشرفته بهینه کننده ازدحام ذرات ایجاد شده و نشان داده شده که دارای همگرایی تضمین شده ای بر روی سطح محلی می باشد.این الگوریتم رو به توسعه بوده، که منجر به الگوریتم هایی با همگرایی تضمین شده در سطح جهانی شده است. مدلی برای ایجاد الگوریتم های PSO مشترک ایجاد شده است، که منتهی به معرفی دو الگوریتم مبتنی بر PSO جدید شده است. شواهد تجربی نیز ارائه شده تا به پشتیبانی از خصوصیات نظری پیش بینی شده توسط مدل های مختلف، با استفاده از فعالیت های مبنا ترکیبی برای بررسی مشخصه های ویژه بپردازد. سپس الگوریتم های مختلف مبتنی بر PSO، در مورد فعالیت تقویت شبکه های عصبی اعمال می گردد که به ادغام نتایج حاصل شده بر روی فعالیت های مبنا ترکیبی بپردازد.

مقدمه

شما با صدای ساعتتان بیدار می شوید. ساعتی که توسط شرکتی ساخته می شود تا سود خود را با مد نظر قرار دادن تخصیص بهینه منابع تحت کنترلش به حداکثربرساند. شما کتری را روشن می کنید تا قهوه ای درست کنید، بدون اینکه در مورد مدت زمان طولانی که شرکت برق برای بهینه سازی ارائه برق وسایل تان صرف می کند، فکر کنید. هزاران متغیر در شبکه برق تلاشی را به منظور به حداقل رسانی اتلاف در شبکه به منظور به حداکثر رساندن بازدهی تجهیزات برقی تان انجام می دهد. شما وارد اتومبیلتان شده وموتور را بدون درک پیچیدگی های این معجزه کوچک مهندسی شده، روشن می کنید. هزاران پارامتر توسط سازندگان مد نظر قرار داده می شود تا وسیله نقلیه ای را تحویل دهند که متناسب با انتظارتان بوده، که شامل زیبایی بدنه تا شکل آینه بغل اتومبیل می باشد تا از تصادف جلوگیری شود.

توسعه یک آنالیز و کنترل زمان واقعی مبنی بر FPGA برای واسط های تولید توزیع شده

چکیده__ انرژِ بدست آمده از منابع تجدید پذیر این روزها بسیار مهم شده اند، و این اساسا بدلیل سهم ناچیزشان در تولید گازهای گلخانه ای است. مساله ای که مطرح می شود این است که چطور می توان این منابع جدید را به شبکه های سنتی برق اضافه کرد، بطوری که بازده و قابلیت اطمینان این سیستم های تولید توزیع شده (DG) بیشینه شود. سخت افزار مورد نیاز برای این کار بطور کلی یک اینورتر منبع ولتاژی (VSI) است که یک بار معمولی _مانند کاربردهای تک-فاز مسکونی و تجاری_ را تامین کند. همچنین، فرآیند بهینه سازی نایزمند تجزیه تحلیل های معمولی توان می باشد. این مقاله توسعه و ارزیابی های آزمایشی یک سیستم کنترل توان برای یک VSI متصل به شبکه تک-فاز، شامل تحلیل توان را، با استفاده از یک پردازشگر برای پیاده سازی کنترل _یک مدار "آرایه کیت قابل برنامه ریزی میدان" (FPGA) _ ارایه می دهد. ساختار جدید سخت افزار شبکه عصبی خطی تطبیقی (ADALINE) ، پیاده سازی الگوریتم های سیستم قدرت را ممکن ساخته، و همچنین اجازه تحلیل زمان-واقعی هارمونیک های مرتبه-بالا را بدون افزایش دادن ناحیه پیاده سازی مدار FPGA، خواهد داد. این ویژگی ها برای واسط های الکترونیک قدرتی DG جدید ایده آل می باشد، که می توان از آن نه تنها برای فرستادن توان اکتیو، بلکه برای جبران سازی هارمونیک ها و توان راکتیو نیز، استفاده کرد. شبیه سازی و نتایج تجربی طرح های پیشنهادی با فرکانس های ثابت و متغیر نیز، پیوست شده اند تا اعتبار انها مورد تاکید قرار گیرد.

اصطلاحات مربوط__ شبکه عصبی مصنوعی (ANN) ، تولید توان توزیع شده، تجزیه و تحلیل توان، آرایه های منطقی قابل برنامه ریزی، اندازه گیری توان، اعوجاج هارمونیکی کل.

پروژه کارشناسی ارشد برق

فایل محتوای:

• اصل مقاله لاتین ۱۱ صفحه IEEE ۲۰۱۲
• متن ورد ترجمه شده بصورت کاملا تخصصی و قابل ویرایش ۳۸ صفحه