نتایج جستجو برای: شبکه عصبی بازگشتی rnn
تعداد نتایج: 46590 فیلتر نتایج به سال:
دسته ای از مسائل بهینه سازی، علاوه بر قیود جبری، دارای قیود دیفرانسیلی نیز می باشند. این نوع از مسائل کاربردهای زیادی در صنعت نفت دارند. در این پایان نامه، یک میدان نفتی با سه چاه استخراج را که به صورت یک مسئله ی بهینهسازی با قیود دیفرانسیلی مدلبندی ریاضی شده است، درنظر گرفته ایم. با تبدیل مدل فوق به یک مسئله ی برنامه ریزی غیرخطی (nlp) و با استفاده از شبکه های عصبی مصنوعی، به حل مسئله ی مدیریت ...
ما دو شبکه عصبی برخط برای شناسایی و بدست آوردن یک مدل برای سیستم غیرخطی نامعلوم پیشنهاد می دهیم. در روش اول، آموزش قانون تطبیقی-عصبی براساس متغیرهای حالت در دسترس می باشد و برای همگرا شدن کران خطای رویتگر به صفر اثباتی وجود ندارد به عبارتی، خطای رویتگر به یک کرانی که کوچک بودن آن تضمین نمی شود همگرا خواهد شد. در روش دوم، آموزش قانون فقط براساس خروجی سیستم است و همگرا شدن خطای رویتگر به صفر نیز ...
چکیده ندارد.
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...
In this paper, an RNN-MLP-based scheme to generate proper prosodic information for spelling English words embedded in Chinese text background is proposed. It is extended from the RNN prosody synthesis scheme of an existing Mandarin TTS by adding four MLPs to follow the RNN. It first treats each English word as a Chinese word and uses the RNN to generate eight prosodic parameters for each alphab...
We demonstrate that inference-based goal-directed behavior can be done by utilizing the temporal gradients in recurrent neural network (RNN). The RNN learns a dynamic sensorimotor forward model. Once the RNN is trained, it can be used to execute active-inference-based, goal-directed policy optimization. The internal neural activities of the trained RNN essentially model the predictive state of ...
اندازه گیری مستقیم تنوع گونهای امری وقتگیر و هزینهبر بوده و تا حدی به دلیل خطاهای حاصل از نمونهگیری غیرقابل اعتماد است. این مطالعه با هدف تعیین فاکتورهای کمهزینه در پیشبینی تنوع گونهای بوسیله شبکه مدلهای عصبی مصنوعی، شبکه عصبی تطبیقی-فازی و رگرسیونی انجام شد. نمونهبرداری با استفاده از روش سیستماتیک-تصادفی از 60 قطعه نمونه در طول 6 ترانسکت 100 متری و از عمق 30-0 سانتیمتری خاک صورت گر...
The recurrent neural network (RNN) is appropriate for dealing with temporal sequences. In this paper, we present a deep RNN with new features and apply it for online handwritten Chinese character recognition. Compared with the existing RNN models, three innovations are involved in the proposed system. First, a new hidden layer function for RNN is proposed for learning temporal information bette...
در این مقاله ابتدا برخی از روش‌های پیشبینی نرخ‌نفوذ TBM مرور شده و سپس نرخ‌نفوذ با منظور کردن پارامترهای نوع سنگ، درصد کوارتز، مقاومت فشاری تک‌محوره، قطر دیسک، نیروی نفوذ هر دیسک و RQD با استفاده از شبکه عصبی پیشبینی شده است. با حذف RQD و درصد کوارتز از پارامترهای ورودی، حساسیت شبکه نسبت به حذف این پارامترها مورد بررسی قرار گرفته است. مقایسة نتایج شبکه عصبی با مدل تجربی گراهام، توانایی شبکه ...
در این تحقیق ماده مرکب زمینه اپوکسی پرشده با ذرات آلومینیم تهیه گردیده و با تغییر شرایط مختلف تراش‌کاری شامل: سرعت برش، کسر وزنی ذرات، عمق برش و نرخ پیشروی از قطعات مواد مرکب براده‌برداری صورت گرفته است. سپس زبری سطح قطعات اندازه‌گیری شده و برای پیشبینی اثر چهار عامل تراش‌کاری بر زبری سطح قطعات، با استفاده از دو نوع شبکه عصبی شامل: شبکه عصبی چند لایه پرسپترون و شبکه عصبی با تابع پایه شعاعی، مد...
نمودار تعداد نتایج جستجو در هر سال
با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید