بهینه سازی پارامترهای برشی برای کمینه کردن زبری سطح با تلفیق شبکه عصبی مصنوعی و الگوریتم رقابت استعماری
چکیده
چکیده‌ای برای این سند ثبت نشده است.
اسناد مشابه
بهینهسازی پارامترهای برشی برای کمینه کردن زبری سطح با تلفیق شبکه عصبی مصنوعی و الگوریتم رقابت استعماری
تشخیص آنامولی های tec قبل از وقوع زلزله های بزرگ با تلفیق شبکه عصبی مصنوعی و الگوریتم بهینه سازی توده ذرات(pso)
بحث پیش بینی زمین لرزه به منظور کاهش تلفات و آسیب های آن از اهمیت بالایی برخورد ار است؛ به ویژه د ر منطقه لرزه خیزی مانند ایران که سالانه شاهد وقوع این پد ید ه طبیعی می باشد . تشخیص ناهنجاری های قبل از زلزله نقش بسزایی د ر این امر د اراست. تغییرات یونسفری که با اند ازه گیری های ا
تشخیص آنامولی های TEC قبل از وقوع زلزله های بزرگ با تلفیق شبکه عصبی مصنوعی و الگوریتم بهینه سازی توده ذرات(PSO)
بحث پیشبینی زمین‌لرزه به‌منظور کاهش تلفات و آسیب‌های آن از اهمیت بالایی برخورد‌ار است؛ به‌ویژه در منطقه لرزه‌خیزی مانند‌ایران که سالانه شاهد‌وقوع این پد‌ید‌ه طبیعی می‌باشد. تشخیص ناهنجاری‌های قبل از زلزله نقش بسزایی در این امر د‌اراست. تغییرات یونسفری که با اند‌ازه‌گیری‌های ا
پیشبینی پارامترهای مقاومت برشی خاک‌های بندرعباس با استفاده از شبکه عصبی مصنوعی
پارامترهای مقاومت برشی، پارامترهای مهمی برای ارزیابی پایداری سازه‌های مهندسی هستند که محاسبه آن‌ها با روشهای مرسوم نیازمند هزینه و زمان زیادی می‌باشد. در این پژوهش با استفاده از آزمایش‌های اولیه‌ژئوتکنیک مانند دانه‌بندی، حدود آتربرگ و آزمایش تک‌محوره و به کارگیری هوش مصنوعی، بدو
تعیین روش بهینه طبقه بندی و نقشه سازی کاربری/ پوشش اراضی با مقایسه الگوریتم های شبکه عصبی مصنوعی وماشین بردار پشتیبان با استفاده از داده های ماهواره ای (مطالعه موردی: تالاب بین المللی هامون)
زمینه و هدف: طبقه بندی تصاویر یکی از روش های مهم درتفسیرتصاویر ماهواره ای است که کاربرد زیادی در بررسی تغییرات زمین دارد. در این میان داده های ماهواره ای به دلیل ارایه اطلاعات به روز، ارزان بودن و تنوع اشکال بهترین وسیله برای آشکارسازی و ارزیابی تغییرات شناخته شده است. از طرفی دی
بررسی تاثیر پارامترهای ماشینکاری بر روی زبری سطح و نیروی ماشینکاری با استفاده از شبکه عصبی مصنوعی
کنترل و بهینهسازی زبری سطح و نیروی ماشینکاری برای مواد سختکاری شده بسیار ضروری است. برای این منظور میتوان از روشهای هوشمند مبتنی بر مدلهای پیشبینی و بهینهسازی استفاده کرد. در این پژوهش پارامترهای ماشینکاری شامل سرعت برشی، نرخ پیشروی و زمان ماشینکاری توسط شبکه عصبی مصنوعی برای