Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

طراحی شبکه‌های عصبی پیشرو انعطاف‌پذیر با الگوریتم یادگیری شبیه ساز ذوب فلز اصلاح شده به منظور شناسایی سیستم‌های غیرخطی

سال انتشار: 1391
کد COI مقاله: DOROUDIT01_110
زبان مقاله: فارسیمشاهده این مقاله: 1,643
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 13 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله طراحی شبکه‌های عصبی پیشرو انعطاف‌پذیر با الگوریتم یادگیری شبیه ساز ذوب فلز اصلاح شده به منظور شناسایی سیستم‌های غیرخطی

سید محمد جواد آل هاشر - دانشگاه آزاد اسلامی واحد علوم و تحقیقات - دانشکده فنی و مهندسی - تهران
شاهد یکتا مهریزانی - دانشگاه آزاد زنی واحد علوم و تحقیقات - دانشکده برق و کامپیوتر - قزوین
محمد تشنه لب - دانشگاه صنعتی خواجه نصیرالدین طوسی - دانشکده برق و کامپیوتر - تهران

چکیده مقاله:

یکی از مهم‌ترین و جذاب‌ترین کاربردهای شبکه‌های عصبی شناسه سیستم‌های غیرخطی است. در این مقاله برای شناسایی سیستم‌های غیرخطی ساختاری از شبکه‌های عصبی پیش را که به شبکه‌های عصبی پیشرو انعطاف‌پذیر مرسوم هستند ارائه خواهد شد. در شبکه‌های عصبی پیشرو انعطاف‌پذیر علاوه‌بر وزن‌ها، پارامترهای تابع انتقال که پارامترهای انعطاف‌پذیر گفته می‌شود که نیز قابلیت یادگیری دارند . این مقاله تأثیر طراحی انعطاف‌پذیر ساختار این بن از شبکه‌های عصبی در شناسایی سیستم‌های غیرخطی را در مقایسه با سایر شبکه‌های عصبی مورد بحث و بررسی قرار می‌دهد. همچنین یک روش یادگیری پیشنهادی بر مبنای شبیه‌سازی ذوب فلز برای آموزش پارامترهای انعطاف‌پذیری ارائه خواهد شد. به همین منظور شبکه عصبی پیشرو انعطاف‌پذیر ارائه شده برای شناسایی سری‌های زمانی آشوبی مکی -گلاس به عنوان سیستم‌های پویای غیرخطی به کار گرفته می‌شود و نتایج حاصل از شبی سازی‌ها در سنجش توانایی این دو از شبکه عصبی به منظور شناسایی سیستم‌های غیرخطی، آنالیز می‌گردد.

کلیدواژه ها:

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا DOROUDIT01_110 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/173535/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
آل هاشر، سید محمد جواد و یکتا مهریزانی، شاهد و تشنه لب، محمد،1391،طراحی شبکه‌های عصبی پیشرو انعطاف‌پذیر با الگوریتم یادگیری شبیه ساز ذوب فلز اصلاح شده به منظور شناسایی سیستم‌های غیرخطی،همایش منطقه ای علوم کامپیوتر، مهندسی کامپیوتر و فناوری اطلاعات،دورود،https://civilica.com/doc/173535

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1391، آل هاشر، سید محمد جواد؛ شاهد یکتا مهریزانی و محمد تشنه لب)
برای بار دوم به بعد: (1391، آل هاشر؛ یکتا مهریزانی و تشنه لب)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

  • [1] Kirkpatrick, S. Gelatt, C, D. J, R and Vecchi, ...
  • [2] Namajunas, A., Pyragas, K., Tamasevicius, A., _ electronic of ...
  • [3] Mhaskar, H. N., Hahm, N., "neural networks for functional ...
  • [5] Zainuddin, Z., Pauleine, O., "function approximation using artificial neural ...
  • [6] Spinellis, D. Papadopoulos, C and Smith, J, M. "Large ...
  • [7] Teshnehlab, M., Watanabe, K., "intelligent control based _ flexible ...
  • [8] Nelles, O., "nonlinear system identification. from classical approaches to ...

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه آزاد
تعداد مقالات: 38,296
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی