درصد مصالح سنگی شکسته یکی از مهم ترین عوامل مؤثّر در مقاومت فشاری آسفالت و عملکرد آن است. تأثیر آن در مقاومت مارشال آسفالت به کمک آزمایش مارشال قابل ارزیابی است و به نظر می رسد که تاکنون مدل سازی ریاضی خاصی برای آن انجام نشده است. در این تحقیق تأثیر درصد مصالح سنگی شکسته در مقاومت فشاری بتن آسفالتی توسط شبکه های عصبی مصنوعی پرسپترون چند لایه پیشرو و الگوریتم آموزش انتشار به عقب، با تکنیک بهینه س...

شبکه های عصبی مصنوعی سیستمهای پردازش اطلاعات هستند. در سالهای اخیر این الگوریتمها مورد توجه محققان بسیاری برای مدلسازی فرایندهای مختلف و همچنین حل مسائل گوناگون قرار گرفته اند.در این تحقیق یک مدل شبکه عصبی مصنوعی برای پیش بینی خصوصیات کششی نخهای مغزی دار با رویه پنبه و مغزی نایلون ارائه می شود. بدین منظوراز شبکه های چند لایه پیشرونده با الگوریتم آموزشی انتشار به عقب برای بررسی رابطه و ایجاد یک ...

ازتوانائیهای بارز شبکه عصبی، تشخیص الگوست و در این رساله چگونگی کاربرد شبکه عصبی از نوع انتشار به عقب (bp) در تشخیص الگوی سیگنال الکتروکاردیوگرام مورد بررسی قرار گرفته است . سیگنال الکتروکاردیوگرام که از روی سطح بدن دریافت می شود انعکاسی است از چگونگی تولید و انتشار ضربان الکتریکی در قلب و با تشخیص تغییرات بوجود آمده در آن می توان به کشف اختلالات قلبی از جمله آریتمیهای قلبی پرداخت . نمونه های ک...

 پیش‌بینی فراورده‌های (هیدروژن و کربن مونوکسید) تبدیل خشک متان به‌کمک پلاسما در فشار جوی با استفاده از شبکه عصبی مصنوعی شبیه‌سازی شد. داده‌های تجربی موردنیاز برای مدل‌سازی شبکه عصبی مصنوعی از یک واکنشگاه پلاسمایی تخلیه کرونا جمع‌آوری شد. اثر عامل‌های فرایندی (توان تخلیه پلاسما، دبی خوراک ورودی) بر کارایی تبدیل متان و گزینش‌پذیری نسبت به فراورده‌های مورد بررسی قرار گرفتند. شبکه پیش‌خور با الگوری...

هدف از مهندسی شبکه های عصبی بررسی معایب و مزایای شبکه های عصبی مصنوعی و ارایه روشهایی برای بهبود کارایی آنهاست. یکی از موضوعات مورد بحث در مهندسی شبکه های عصبی چند لایه، یافتن ساختار مناسب(نزدیک به بهینه) برای حل مسئله می باشد. معیار و نحوه انتخاب اندازه شبکه عصبی برای یک مسئله خاص هنوز شناخته شده نیست. در روشهای کلاسیک،طراح شبکه در ابتدای آموزش ساختاری را برای شبکه تعیین و سپس شبکه را آموزش می...

در این مقاله یک شبکه عصبی مصنوعی برای محاسبه حلالیت اکسیژن در حلال‌های آلی مورد بررسی قرار گرفته است. حلال‌های بررسی شده شامل متانول، پروپانول، اکتان، تولوئن، دی اتیل اتر و 2-متیل تترا هیدروفورن هستند. داده‌ها برای بازه وسیعی از دما (K29/348 – 2/298) و فشار (MPa2338/9 - 0535/0) بررسی شده‌اند. ورودی‌های شبکه عصبی شامل جرم مولکولی، ضریب اسنتریک، دما...

چکیده شبکه های عصبی در دهه ی اخیر به عنوان ابزار قدرتمندی جهت پیش بینی در حوزه های مختلف مورد استفاده قرار گرفته اند. در این تحقیق از شبکه عصبی پیشخور پرسپترون چند لایه (MLP) با یادگیری پس انتشار از الگوریتم آموزش انتشار به عقب (BP)، با تکنیک بهینه سازی عددی لونبرگ- مارکوات (LM)،توسط نرم افزار متلب مورد استفاده قرار گرفت. درصد رطوبت کیک ، دمای پرس و زمان بسته شدن پرس به عنوان متغیرهای ورودی و خ...

در این مقاله یک شبکه عصبی مصنوعی برای محاسبه حلالیت اکسیژن در حلال های آلی مورد بررسی قرار گرفته است. حلال های بررسی شده شامل متانول، پروپانول، اکتان، تولوئن، دی اتیل اتر و 2-متیل تترا هیدروفورن هستند. داده ها برای بازه وسیعی از دما (k29/348 – 2/298) و فشار (mpa2338/9 - 0535/0) بررسی شده اند. ورودی های شبکه عصبی شامل جرم مولکولی، ضریب اسنتریک، دمای کاهیده و فشار کاهیده حلال مورد نظر هستند و خرو...

هدف از مهندسی شبکه های عصبی بررسی معایب و مزایای شبکه های عصبی مصنوعی و ارایه روشهایی برای بهبود کارایی آنهاست. یکی از موضوعات مورد بحث در مهندسی شبکه های عصبی چند لایه، یافتن ساختار مناسب(نزدیک به بهینه) برای حل مسئله می باشد. معیار و نحوه انتخاب اندازه شبکه عصبی برای یک مسئله خاص هنوز شناخته شده نیست. در روشهای کلاسیک،طراح شبکه در ابتدای آموزش ساختاری را برای شبکه تعیین و سپس شبکه را آموزش می...