مدلسازی و طراحی عناصر و مدارهای rf و میکروموج با شبکه های عصبی
Abstract
چکیده ندارد.
Similar theses
طراحی و پیاده سازی شبکه عصبی انعطاف پذیر خودسازماندهی برپایه ی بهینه سازی چندهدفه
در این تحقیق با ترکیب الگوریتم های بهینه سازی چندهدفه ی تکاملی و خاصیت انعطاف پذیری در توابع فعال سازی نرون های شبکه عصبی، تعداد نرون های شبکه عصبی را برای رسیدن به خطای کمتر کاهش دهیم و در نتیجه ساختار شبکه عصبی را بهینه می کنیم. در واقع با استفاده از توانایی الگوریتم های بهینه
طراحی و پیاده سازی شبکه عصبی کانولوشن جهت تشخیص هویت
در این پایان نامه، یک شبکه عصبی کانولوشن با ساختار سلسله مراتبی برای تقویت پردازش اطلاعات ارائه شده است. توانایی اشتراک وزن شبکه های عصبی کانولوشن بطور قابل توجهی سبب کاهش تعداد پارامترهای آزاد آموزش پذیر شبکه و در نتیجه افزایش تعمیم پذیری می شود. در ساختار ارائه شده یک شبکه کانو
پیشبینی عملکرد و گازهای خروجی موتور با استفاده از سوختهای بیودیزل مختلف توسط مدلسازی با شبکه عصبی مصنوعی
چکیده کاهش منابع انرژی، افزایش تقاضای سوخت و قوانین سخت گیرانه زیست محیطی، کمپانی های خودرو را به ارائه ی روش های جدید جهت کاهش آلاینده ها و افزایش کارایی موتور وادار کرده است. به منظور مقابله با این تهدید ها سوخت های اکسیژنه از جمله بیودیزل در بسیاری از کشورها با موفقیت به عنوان
مدلسازی محفظه احتراق توربین گاز به کمک شبکه عصبی مصنوعی
در این تحقیق، روش شبکه های عصبی مصنوعی برای مدلسازی فرآیند احتراق متان – هوا مورد استفاده واقع شده است. در بخش اول، از شبکه های عصبی مصنوعی برای مدلسازی تغییرات زمانی گونه های شیمیایی در احتراق متان - هوا استفاده شده است و در بخش دوم از شبکه عصبی برای مدلسازی محفظه احتراق توربین
مدلسازی و بهینه سازی مشخصه های کارکرد و آلاینده های خروجی موتور دیزل پاشش مستقیم با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک
قیمت های در حال رشد انرژی، کمبود منابع انرژی و قوانین سخت گیرانه زیست محیطی کمپانی های خودرو را به ارائه روش های جدید جهت کاهش آلاینده ها و افزایش کارایی موتور وادار کرده است. این پژوهش امکان استفاده از شبکه عصبی مصنوعی ترکیب شده با الگوریتم ژنتیک را برای بهینه سازی تنظیمات موتور
مدلسازی جنگل زدایی با روش های چند متغیره آماری و شبکه عصبی مصنوعی در جنگل های فلارد
هدف از این تحقیق، بررسی و مدلسازی ارتباط جنگل زدایی و متغیرهای انسانی – فیزیوگرافی ر جنگل های فلارد است. جنگل زدایی براساس کاهش درصد تاج پوشش جنگل با استفاده از تفسیر چشمی عکس های هوایی سال های 1334، 1346، 1376 و تصویر ماهواره ای سال 1387 انجام شد. رابطه ساده میزان جنگل زدایی و م
Similar items
تحلیل رفتار استفاده از ابزارهای هوش مصنوعی در میان دانشجویان کشاورزی: رویکرد تلفیقی مدلسازی معادلات ساختاری (SEM) و شبکه عصبی مصنوعی (ANN)
با توجه به گسترش پرشتاب فناوری‌های هوش مصنوعی در عرصه‌های گوناگون، شناسایی عوامل مؤثر بر پذیرش و به‌کارگیری این ابزارها توسط دانشجویان اهمیتی روزافزون یافته است. هدف این پژوهش، تحلیل رفتار استفاده از ابزارهای هوش مصنوعی در میان دانشجویان کشاورزی با رویکرد تلفیقی مدلسازی معادلات
مدلسازی پهنه‌های اکتشاف نفتی با شبکه عصبی پرسپترون چند لایه (MLP) در GIS
فرآیند اکتشاف منابع هیدروکربنی به‌عنوان فرآیندی بسیار پیچیده و پرهزینه می‌باشد. در این فرآیند فاکتورهای متعدد زمین‌شناسی، ژئوشیمی و ژئوفیزیک تهیه و باهم تلفیق می‌شوند. طراحی بهترین مسیر برای برداشت داده‌های لرزه‌نگاری و همچنین تعیین بهترین محل برای حفر چاه‌های اکتشافی از اهمیت وی
مدلسازی ریاضی، منطق فازی و شبکه عصبی مصنوعی سینتیک استخراج اسانس از اندام هوایی بومادران (Achillea millefolium L.) با روش تقطیر مقاومتی
هدف پژوهش حاضر، پیشبینی سینتیک استخراج اسانس طی تقطیر مقاومتی با سه مدل مختلف (روش‌های رگرسیون غیر خطی (ریاضی)، شبکه عصبی مصنوعی (ANN) و منطق فازی) برای مقایسه دقت این مدل‌ها بود. بر اساس نتایج به دست آمده شبکه عصبی مصنوعی بهترین روش در بین همه مدل‌های اجرا شده برای پیشبینی عمل
طراحی و پیاده‌سازی کنترلر شبکه عصبی برای سیستم ضدنوسانِ بار جرثقیل‌های سقفی
انتقال سریع و بدون نوسان بار توسط جرثقیل‌های سقفی زمینه‌ای مطرح برای پژوهش می‌باشد. در این مقاله یک کنترلر شبکه عصبی خود تنظیم‌کننده برای جرثقیل سقفی، با هدف جابجایی دقیق بار و دفع نوسان آن ارائه گردیده‌است. این کنترلر می‌تواند بخش عمده نوسان بار را در ابتدای حرکت دفع کند و درنتی
کاربرد مدلسازی فرکتالی عیار- مساحت و شبکه عصبی مصنوعی برای شناسایی ناهنجاری‌های زمین‌شیمیایی Cu، Zn±Pb در منطقه هشتجین، شمال‌غرب ایران
شناسایی ناهنجاری‌های زمین‌شیمیایی نقش مهمی را در اکتشافات معدنی ایفا می‌کند. پژوهش‌های اخیر نشان‌داده است که الگوریتم یادگیری ماشین می‌تواند ناهنجاری‌های زمین‌شیمیایی مرتبط با کانی‌سازی را که اهدافی برای اکتشاف مواد معدنی هستند، شناسایی کند. الگوریتم‌های یادگیری ماشین به دلیل قاب
طراحی و مدلسازی دینامیکی ریزپرنده الهام‌گرفته از سنجاقک و تعیین بهینه‌ترین بال مصنوعی از نظر نسبت لیفت به درگ از طریق شبکه عصبی
در این پژوهش، با الهام از مکانیزم پرواز پیچیده سنجاقک، یک ریزپرنده باقابلیت مانور بالا طراحی شده و یک ماکت اولیه از این ریزپرنده با بهره‌گیری از تکنولوژی پرینت سه‌بعدی تولید گردیده است. برای مدلسازی دقیق حرکت بال‌ها و دینامیک پرواز، از روش لاگرانژ استفاده شده و معادلات حرکت استخ