ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

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

الگوریتم شبکه عصبی مصنوعی TRANSFORM برای بهینه سازی آنلاین فرآیندهای صنعتی پیچیده: مطالعه موردی فرآیند ذوب

سال انتشار: 1398
کد COI مقاله: ICIORS12_180
زبان مقاله: فارسیمشاهده این مقاله: 216
فایل این مقاله در 6 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 6 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله الگوریتم شبکه عصبی مصنوعی TRANSFORM برای بهینه سازی آنلاین فرآیندهای صنعتی پیچیده: مطالعه موردی فرآیند ذوب

غلام حسن شیردل - گروه ریاضی، دانشکده علوم، دانشگاه قم، قم، ایران
مدینه فرنام - گروه ریاضی، دانشکده علوم، دانشگاه قم، قم، ایران

چکیده مقاله:

شبکه های عصبی مصنوعی ANNs برای توانایی قابل اعتماد آنها در پیش بینی و ثبت فرآیندهای غیرخطی داده های علمی مطرح شده اند.از آنجا که ماهیت ابتکاری برآورد پارامترهای وابسته به ANNs و مشکل بیش برازش در آنها باعث کمبود الگوریتم های تخمین زننده اندازه آموزشی شده است و از سیر تکاملی آنها به عنوان مدل های کارآمد جایگزین جلوگیری میکند، در این کار قصد داریم الگوریتمی جدید با ساختارشبکه های عصبی مصنوعی را به نام TRANSFORM با هدف برآورد کردن شبیه سازی و بهینه سازی ساختار ANNبرای تعیین اندازه آموزشی مشارکت دهیم به گونه ای که بیشترین دقت، کمترین اندازه نمونه و کمترین تعداد گره در ANN حاصل شود. علاوه براین مدل های کارآمد جدیدی برای تعیین اندازه آموزشی براساس نمونه گیری Sobol ارائه شده است. الگوریتم TRANSFORM برای یک مدل ذوب صنعتی غیرخطی از صنایع فولاد استفاده شده است. بهینه سازی چندهدفه مدل ذوب برای بیشترین بهره وری، بیشترین صرفه جویی در انرژی و حداقل هزینه عملیاتی با استفاده از ANN و به کمک الگوریتم ژنتیک چند هدفه مرتب شده نامغلوب NSGA-II تضمین می شود. بهینه سازی به کمک این الگوریتم 13 بار سریع تر از بهینه سازی به روش درون یابی کریجینگ Kriging Interpolation می باشد.

کلیدواژه ها:

شبکه عصبی مصنوعی ، برنامه ریزی چندهدفه ، الگوریتم ژنتیک چندهدفه با مرتب سازی نامغلوب

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا ICIORS12_180 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/923639/

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:
شیردل، غلام حسن و فرنام، مدینه،1398،الگوریتم شبکه عصبی مصنوعی TRANSFORM برای بهینه سازی آنلاین فرآیندهای صنعتی پیچیده: مطالعه موردی فرآیند ذوب،دوازدهمین کنفرانس بین المللی انجمن ایرانی تحقیق در عملیات،بابلسر،https://civilica.com/doc/923639

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: (1398، شیردل، غلام حسن؛ مدینه فرنام)
برای بار دوم به بعد: (1398، شیردل؛ فرنام)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

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 دولتی
تعداد مقالات: 4,765
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