تولیدکنندگان همواره به دنبال راه¬هایی برای کاهش هزینه¬های تعمیرات و نگهداری وسایل و تجهیزات خود هستند. با استفاده از روش¬های جدید تعمیرات و نگهداری و پایش وضعیت سلامت ماشین¬آلات، می¬توان از وقوع و رشد عیوب در سیستم جلوگیری نمود و با برطرف کردن عیوب، هزینه¬های ناشی از تعمیرات و نگهداری را کاهش داد. در سیستم¬ها و سامانه¬های هوایی به دلیل وجود فاکتورهای ایمنی و انسانی، پایش وضعیت قطعات حساس، به¬وی...

چکیده ضروری است که با بررسی مدل های پیش بینی کننده جدیدو یافتن نقاط ضعف و قوت هر یک از آنها، بتوان در مطالعات آینده، مدلی که محققان را به بهترین پیش بینی رهنمون سازد، پیشنهاد نمود. هدف از این پژوهش بررسی امکان پیش بینی عرض عملیات خاکی با روش شبکه عصبی مصنوعی قبل از ساخت جاده با استفاده از فاکتور های شکل زمین (شامل ارتفاع از سطح دریا، شیب طبیعی دامنه و جهت آن)، میزان سنگلاخی بودن، بافت و رطوبت ...

شبکه های عصبی مصنوعی به طور فزاینده ای برای پیش بینی پارامترها و مدیریت بهینه منابع آب در حال استفاده هستند. یکی از دلائل گرایش به این شبکه ها رفتار غیرخطی و پیچیده پارامترهای منابع آب سطحی و زیرزمینی از یکطرف و قابلیت انعطاف پذیری بالای شبکه های عصبی مصنوعی در حل اینگونه مسائل از طرف دیگر می باشد. در اکثر مقالات کار شده در این مورد استفاده از شبکه عصبی مصنوعی feedforward با الگوریتم آموزش پس ا...

شناخت ویژگی‌های فیزیکی دانه‌ی ‌گندم در فرآیند انتقال، جداسازی و ذخیره این محصول ارزشمند، نقش اساسی ایفا می‌نماید. در این مطالعه و در گام نخست، اثرات میزان بوجاری، رطوبت، دما و مدت زمان نگهداری روی برخی از ویژگی‌های فیزیکی (هکتولیتر، وزن هزار دانه و دانسیته توده) و میکروبی (شمارش کلی میکروارگانیسم‌ها و کپک‌ها) دانه‌ی گندم رقم n-80 بررسی شد و سپس داده‌های حاصله توسط شبکه‌‌ی عصبی مصنوعی مدل پرسپتر...

در این پژوهش سه نوع شبکه عصبی مصنوعی به نام¬های انتشار بازگشتی، تابع پایه شعاعی و رگرسیون عمومی برای مدل¬سازی سیکلون¬¬های جداسازی به کار گرفته شده است. ورودی این شبکه¬ها هفت پارامتر هندسی سیکلون و خروجی آن¬ها افت فشار می باشد. پارامتر عملکردی هر کدام از شبکه¬ها به منظور دست یابی به حداقل خطای مربع میانگین، به روش جستجوی چند مرحله ای، بهینه¬سازی شده و سه نوع شبکه بهینه بدست آمد. این پارامترهای ع...

در این پروژه با توجه به قابلیت بالای شبکه های عصبی مصنوعی در مدلسازی سیستم های غیرخطی، سعی شده که عضله تحریک شده را توسط شبکه های عصبی بصورت جعبه سیاه و بدون توجه به کارکرد اجزای تشکیل دهنده آن مدلسازی کرد. در این کارتحقیقاتی، جهت مدلسازی عضله تحریک شده شبکه های عصبی پس از انتشار خطا و شبکه های عصبی مبتنی بر توابع پایه شعاعی پیاده سازی شده اند. برای یادگیری شبکه های مبتنی ب توابع پایه شعاعی (rb...

تبدیل موجک یکی از روش­های نوین و بسیار موثر در زمینه تحلیل سیگنال­ها و سری­های زمانی است. در این روش سیگنال شاخص بارش استاندارد (SPI) با استفاده از موجک مادر منتخب تجزیه شده، داده­های حاصل به­عنوان ورودی مدل شبکه عصبی مصنوعی در نظر گرفته شده و یک مدل تلفیقی برای پیش­بینی خشکسالی ارائه می­گردد. در این تحقیق، از شبکه­های عصبی مصنوعی پرسپترون چند لایه (MLP) و تابع پایه‌ای شعاعی ((RBF، سری زمانی AR...

دسته بندی یکی از موضوعاتی است که در زمینه های گوناگون دارای کاربرد های عملی فراوانی است . دسته بندی اشیا یا افراد می تواند به کمک مشاهده ی ویژگی ها و یا خصوصیات آن ها انجام پذیرد . یک روش آماری رایج در امر دسته بندی ، استفاده از مدل رگرسیون لجستیک است . مدل رگرسیون لجستیک با در نظر گرفتن یک ترکیب خطی از متغیر های توضیحی (یا همان ویژگی ها) ، احتمالات پسین عضویت در هر دسته را مدل سازی می نماید‎ ....