استفاده از شبکه های عصبی برای جبران نامعینی های سیستم های غیرخطی و کنترل آنها، بیش از یک دهه است که توسط محققین مورد بررسی قرار گرفته است. کنترل کننده های معمول مبتنی بر شبکه عصبی، به دلیل وجود خطای بازسازی تابعی باقیمانده و عدم توانایی در جبران برخی اغتشاشات، تنها قادر به دستیابی به نتایج پایداری کراندار نهایی یکنواخت (uub) می-باشند. در این پایان نامه از ترکیب یک استراتژی کنترل پسخور به نام ان...

در این مقاله، ما یک دسته از سیستم های کنترل غیرخطی را توسط شبکه های عصبی مصنوعی و قضیه زوبوف پایدار می کنیم. قضیه زوبوف یکی از قضایایی است که شرایطی را برای پایداری یک سیستم غیرخطی با ناحیه جذب معلوم، بیان می کند. از شبکه های عصبی استفاده کرده و توسط آنها، تعدادی از توابع موجود در قضیه زوبوف را تقریب می زنیم بدین ترتیب کنترل کننده یک سیستم کنترلی غیرخطی که به لحاظ ریاضی یافتن ضابطه آن آسان نیست...

در تحلیل پوششی داده­ها به منظور بدست آوردن کارائی با مشخصه­های متفاوت از دو روش اساسی استفاده می­شود. این دو روش عبارتند از مدل­های شعاعی و مدل­های غیر شعاعی. در این مقاله مدل غیر شعاعی راسل که یک مدل غیر خطی است، مورد بررسی قرار می­گیرد. تحلیل پوششی داده­ها برای مجموعه­های بزرگ با تعداد ورودی­ها و خروجی­های زیاد، نیاز به منابع عظیم کامپیوتری از لحاظ زمان پردازش و استفاده از حافظه می­باشد. شبکه...

در این مقاله به منظور کنترل زاویه فراز یک ماهواره‌بر انعطاف‌پذیر، روش کنترل  مدل پیش‌بین که مبتنی بر شبکه عصبی است، ارائه میَشود. بدین منظور ابتدا معادلات حرکت ماهوارهبر با در نظر گرفتن اثرات انعطاف‌پذیری در صفحه فراز بدست میآید. اثرات آیروالاستیسیته با اضافه کردن ترم های الاستیک سازه به معادلات حالت کنترل، در نظر گرفته میشود و مدلسازی سیستم ماهوارهبر تکمیل می گردد. برای سامانه کنترل ماهوارهبر ک...

پیش بینی و کنترل جریان ترافیک به صورت پویا و قابل اطمینان، پایه و اساس مدیریت و کنترل سیستم های حمل و نقل هوشمند است. روش های متفاوتی جهت کنترل ترافیک استفاده شده است، که برای تمامی این روش ها قابلیت اطمینان بالا در پیش بینی شرایط ترافیکی، بسیار حائز اهمیت می باشد. در این پژوهش، هدف استخراج مدلی دقیق جهت پیش بینی جریان ترافیک با استفاده از اطلاعات گذشته است. داده های مورد استفاده در این تحقیق ت...

یکی از مهم‌ترین موضوعات مطرح بازارهای مالی پیش‌بینی قیمت و بازده سهام است. در این پژوهش سعی می‌شود بهترین مدل و رویکرد پیش‌بینی قیمت سهام با توجه به شاخص­های میانگین مربعات خطا (MSE)، مجذور میانگین مربعات خطاها (RMSE)، ضریب تعیین ( 14R2"> ) انحراف معیار (S.D)، میانگین قدر مطلق خطاها (MAE) و معیار میانگین قدر مطلق خطاها (MAPE) برای مدل پنج عاملی فاما و فرنچ انتخاب شود. بدین منظور پس از تشکیل پرت...

در این پایان نامه مدل سازی دو بعدی کاتتر در صفحه بر مبنای سه رویکرد متفاوت مورد بررسی قرار گرفته است. روش اول با استفاده از تئوری الاستیکا معادلات دینامیکی سیستم را در قالب یک دستگاه معادلات با شرایط مرزی توصیف می کند. هرچند مدل بدست آمده دارای دقت بالایی برای توصیف دینامیک دو بعدی کاتتر می باشد، ولی معادلات حاصل دارای فرم بسته و بعد متناهی نمی باشند. در روش دوم بخش انتهایی (دیستال) کاتتر به صو...

‏ در این پایان نامه یک روش عددی بدون شبکه برای حل ‎‏معادلات‎ دیفرانسیل جزئی‏ بر اساس توابع پایه شعاعی انتگرال گیری شده ‎با الگوریتم آموزش تطبیقی ارائه می شود. تاکنون دو روش ‎شبکه‎ی توابع پایه شعاعی انتگرال گیری شده‏ و ‎شبکه‎ی توابع پایه شعاعی مشتق گیری شده‏ برای حل انواع معادلات دیفرانسیل معرفی شده است. در این پایان نامه ضمن توصیف هر دو روش‏‏، الگوریتم آموزش تطبیقی برای ‎شبکه ی توابع پایه شعاعی...

در این مقاله به منظور بررسی ارتباط بین افت فشار سیکلون جداسازی و پارامترهای هندسی سیکلون غبارگیری، سه نوع شبکه عصبی مصنوعی انتشار بازگشتی[1]، شبکه عصبی تابع پایه شعاعی[2] و شبکه عصبی رگرسیون تعمیم یافته[3] به کارگرفته شده­اند. پس از آموزش آن­ها با داده­های تجربی، پارامترهای بهینه عملکردی هر کدام شبکه ها، با روش جستجوی چند مرحله ای[4] به دست آمده اند. شبکه­ها بر اساس میزان ضریب همبستگی[5]، خطای ...

به دلیل عدم وجود ایستگاه های سنجش میزان رسوب در فرایند فرسایش بادی، تخمین میزان بار رسوب در زمینه این فرایند امری ضروری و مهم تلقی می شود. شبکه های عصبی مصنوعی می توانند به عنوان ابزاری کارآمد جهت برآورد و شبیه سازی رسوبات موثر واقع شوند. در این تحقیق از دو نوع شبکه عصبی مصنوعی پرسپترون چند لایه و شبکه عصبی شعاعی برای  برآورد و برازش مقدار رسوبات بادی در منطقه کرسیا شهرستان داراب استفاده گردید....