بهینه سازی شبکه های عصبی مصنوعی با استفاده از الگوریتم ژنتیک و الگوریتم رقابت استعماری برای تخمین قدرت تبخیر جو
محل انتشار: سومین کنفرانس ملی مهندسی برق ایران
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,043
فایل این مقاله در 8 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:
INCEE03_111
تاریخ نمایه سازی: 11 آبان 1395
چکیده مقاله:
تخمین قدرت تبخیر جو به سبب تاثیر عناصر هواشناسی در محاسبه تبخیر دارای روابط غیرخطی ومحاسبات پیچیده می باشد. از این رو شبکه های عصبی مصنوعی به دلیل دارا بودن قابلیت کشف روابط خطی و غیرخطی ابزار مناسبی جهت تخمین تبخیر محسوب می شوند. فرآیند آموزش یکی ازچالش های اصلی در استفاده از شبکه های عصبی مصنوعی می باشد. روش های مبتنی بر گرادیان نزولی از مشهورترین روش های یادگیری وزن های شبکهعصبی می باشند. سرعت پایین همگرائی و همچنین قرار گرفتن در کمینه های محلی، دو مشکل اساسی در استفاده از این روش ها برای تعیین وزن هایشبکه است. در این مقاله، الگوریتم ژنتیک و الگوریتم رقابت استعماری در جهت آموزش شبکه های عصبی مصنوعی برای تخمین قدرت تبخیر جو پیشنهاد شده است. نتایج بدست آمده از روش های پیشنهادی برروی داده های تبخیر 20 سال از منطقه تبریز نشان دهنده کارائی و همگرائی بهتر در مقایسه با شبکه های عصبی مصنوعی را بیان می کند
کلیدواژه ها:
نویسندگان
موسی نظری
دانشجو دکتری، دانشکده مهندسی برق و کامپیوتر، دانشگاه تبریز، تبریز، ایران
سعید پاشازاده
استادیار، دانشکده مهندسی برق و کامپیوتر، دانشگاه تبریز، تبریز، 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 :