مقایسه عملکرد الگوریتم LOLIMOT و شبکه عصبی MLP در شناسایی یک مبدل حرارتی
محل انتشار: هفتمین کنفرانس ملی مهندسی برق و الکترونیک ایران
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,075
فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICEEE07_180
تاریخ نمایه سازی: 19 اردیبهشت 1395
چکیده مقاله:
در این مقاله به طراحی مدل پیش بین یک مبدل حرارتی به کمک شبکه عصبی پرسپترون چندلایه (MLP) و شبکه نروفازی (LLNF) پرداخته شده است. برای آموزش شبکه LLNF از روش آموزش درخت مدل خطی محلی (LOLIMOT) و برای آموزش شبکه MLP از روش های آموزش گرادیان نزولی (GD) و لونبرگ مارکوارت (LM) استفاده شده است. در الگوریتم پس انتشار خطا برای ارائه داده ها به شبکه MLP دو روش وجود دارد. بدین معنا که در هر تکرار از الگوریتم پس انتشار خطا می توان داده ها را به صورت تکی و یا به صورت دسته جمعی به شبکه اعمال کرد. در آموزش شبکه MLP از هر دو روش استفاده شده و در انتها نتایج تمام روش ها مقایسه شده است. نتایج نشان می دهد که با وجود استفاده از روش های آموزش متنوع برای شبکه MLP این شبکه نتوانست در رقابت با الگوریتم LOLIMOT نتایج بهتری را ارائه کند. البته نتایج تمام مدل ها قابل قبول است و اختلاف کمی دارد.
کلیدواژه ها:
نویسندگان
مریم محسنی
دانشکده فنی و مهندسی دانشگاه آزاد اسلامی واحد تهران جنوب تهران، ایران
مهدی علیاری شوره دلی
دانشکده برق و کامپیوتر دانشگاه صنعتی خواجه نصیرالدین طوسی تهران، ایران
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 :