در شبکه های عصبی مصنوعی (ann) روش های موجود آموزش و واسنجی عصبی بر اساس ساختار پرسپترون چندلایه ای می باشد، لیکن این روش ها دارای مشکلات ناشی از عدم همگرایی در روش های یادگیری، عدم ثبات اوزان شبکه در شرایطی که طیف داده های ورودی دارای انحراف معیار بزرگ بوده و بالاخره نیاز به داده و اطلاعات فراوان جهت آموزش شبکه می باشند. برای غلبه بر مشکلات فوق در این تحقیق روش جدید ترکیبی شبکه عصبی مصنوعی – به...

فرآیند تقطیر یک فرآیند صنعتی پیچیده و به شدت غیرخطی می باشد. به طور کلی پیدا کردن مدل دقیق تحلیلی از ستونهای تقطیر با خلوص بالا همواره امکان پذیر نمی باشد. از طرفی توسعه مدلهای تحلیلی معمولا وقت گیر و هزینه بر است. برای غلبه بر این مشکلات می توان از مدلهای تجربی نظیر شبکه های عصبی استفاده کرد. یکی از ایرادات اساسی شبکه های عصبی این است که پیش بینی های آن تنها در محدوده اطلاعات شناسایی معتبر است...

شبیه سازی سیستم آبهای زیرزمینی به دلیل پیچیدگی های موجود در طبیعت این سیستم ها، به آسانی میسر نیست. این درحالیست که شبکه های عصبی مصنوعی به عنوان مدل جعبه سیاه با توانایی های بالایی که دارند برای مدل سازی سیستم های پیچیده و غیرخطی بسیار مناسب می باشند. لذا، با توجه به مشکلات فراوان مدل سازی آبخوانها با مدل های ریاضی، شبکه های عصبی مصنوعی برای پیش بینی سطح ایستابی در آبخوانها توسط محققین بکار رف...

برآورد جریان حوضه آبریز با توجه به کاربرد گسترده آن در علوم مرتبط با صنعت آب، از دیرباز مورد توجه پژوهشگران بوده است. ارائه الگوهای نو و به کارگیری تکنیک های پیشرفته می تواند موجب ایجاد تحول در برآورد این سیستم دینامیک و غیرخطی شود. در این تحقیق برای پیش بینی جریان ماهانه، از شبکه عصبی پیشخور استفاده گردیده است. به علت تعداد زیاد متغیرهای مورد استفاده در این تحقیق برای پیش بینی جریان، شناخت متغ...

در این تحقیق به فرمول بندی و حل مسائل الاستیک غیر خطی تقریبا تراکم ناپذیر، که به مسائل هایپرالاستیسیته نزدیک به تراکم ناپذیری نیز معروفند، با روش تحلیل ایزوژئومتریک پرداخته شده است. بدین منظور پس از تعریف اجمالی این دسته از مسائل هایپرالاستیسیته با در نظر گرفتن روابط حاکم بر مسئله که دارای ماهیت غیرخطی است، به خطی سازی معادلات جهت استفاده از الگوریتم عددی حل بر مبنای تکرار نیوتن- رافسون پرداخته...

در این مقاله، روشی برای کنترل گسترده ی معادله ی برگر غیرخطی پیشنهاد شده است. در این روش، ابتدا معادله ی مشتق جزئی غیرخطی حاکم بر سیستم با استفاده از روش خطی سازی تاکاگی-ساجینو به دو معادله ی مشتق جزئی خطی تبدیل می شود؛ به گونه ای که ترکیب فازی آنها به صورت دقیق معادله ی غیرخطی اصلی را بازیابی می-کند. این فرآیند به منظور پیش گیری از پدیده ی اختلال فرکانسی یا آلیاسینگ صورت می پذیرد. سپس هرکدام از...

یکی از تصمیمات استراتژیک در زنجیره ی تأمین، طراحی کارای شبکه است که تأثیر فراوانی برکاهش هزینه ها و افزایش سطح رضایتمندی مشتریان دارد و منجر به اداره موفق شبکه می شود. از سویی سرعت بالای تغییرات در محیط کسب وکار، بر عدم قطعیت و ابهام موجود در زنجیره افزوده است. به منظور کاهش ریسک و عدم قطعیت حاکم بر پارامترها، استفاده از مدل های بهینه سازی ریاضی با سطح استواری بالای بهینگی، مانند بهینه سازی است...

تخمین مناسب میزان تولید پرنوسان واحدهای بادی برای استفادۀ بهینه در سیستم‌های قدرت، امری دشوار و تابع پیچیدگی‌های بسیار است. در این مقاله روشی موفق برای پیش‌بینی توان تولیدی واحدهای بادی با استفاده از شبکۀ عصبی خودسازمانده موسوم به GMDH ارائه شده است. در شبکۀ عصبی GMDH، متغیرهایی که بر سری زمانی تأثیر می‌گذارند، به‌عنوان ورودی شبکه استفاده می‌شوند. این شبکه با بررسی و کشف روابط بین ورودی‌ها، به‌...

در این آزمایش فراسنجه‌های رشد جوجه‏های گوشتی تغذیه شده با پوسته برنج برآورد شد و وزن نهایی این جوجه‏ها با استفاده از مدل‏های غیرخطی، تابعیت اسپلاین و شبکه عصبی مصنوعی پیش‏بینی شد. تیمارها شامل تیمار شاهد و تیمارهای حاوی 5/2، پنج و 5/7 درصد پوسته برنج بود. نتایج نشان داد که وزن نهایی پیش بینی شده توسط تمامی مدلهای مورد استفاده در پژوهش حاضر در جوجه‌های تیمار شاهد بالاتر از جوجه‌های سایر تیمارها ...

این مقاله با هدف معرفی یک الگوی مناسب جهت پیش­بینی شاخص بازدهی بورس اوراق بهادار تهران صورت پذیرفته است. داده­های مورد استفاده در این پژوهش به صورت روزانه و شامل بازه­ی زمانی پنجم فروردین 1388 تا سی­ام آبان 1390 که مشتمل بر 616 مشاهده بوده که جهت مجزا سازی پیش­بینی­های داخل نمونه­ای و خارج از نمونه­ای، از تقریباً 90% از مشاهدات (556 مشاهده) جهت تخمین ضرایب مدل و از مابقی (60 مشاهده) جهت انجام پی...