شبکه های عصبی-فازی، یک نوع از سیستم های هوشمند ترکیبی هستند که بر اساس محاسبات عصبی-فازی بنا شده اند. این ساختارها از ترکیب سیستم های فازی و شبکه های عصبی حاصل می شوند. شبکه های عصبی با وجود آنکه دارای مزایای دقت نگاشت ورودی-خروجی و قدرت تطبیق پذیری هستند، اما به دلیل عدم قدرت تفسیر، صرف زمان قابل ملاحظه برای کشف ساختار داخلی، و طولانی بودن زمان آموزش محدودیت هایی را ایجاد می کنند. از طرف دیگر ...

در این مقاله از شبکه عصبی مصنوعی به سبب قابلیت فوق‏العاده آن در تقلید از نگاشت غیرخطی ورودی ها به خروجی ها برای پیش بینی کوتاه مدت میزان مصرف گاز طبیعی شهر تهران استفاده شده است. ابتدا با استفاده از دمای حداقل و حداکثر روزانه، دمای مؤثر روزانه تعریف شد و سپس بر اساس دیگر مشخصه های هواشناسی مؤثر بر مصرف نظیر ابرناکی، سرعت باد و بارندگی، تخمین مصرف گاز روزانه و ماهانه مبتنی بر شبکه عصبی مصنوعی با...

با توجه به اینکه انرژی برق به عنوان یک کالای نهایی مصرفی و نهاده تولیدی نقش حیاتی در توسعه جوامع دارد، آگاهی از میزان مصرف برق در هر دوره برای اعمال سیاست گذاری ها و برنامه های توسعه ای حائز اهمیت است. اکثر سری های زمانی در دنیای واقعی دارای رفتار غیرخطی هستند، در واقع روش های پیش بینی خطی (مانند arima) قادر به توضیح و تعیین رفتار غیرخطی این سری های زمانی نیستند. از این رو استفاده از روش های غی...

در این مقاله روشی برای حل برخط معادله ی همیلتون-ژاکوبی-بلمن به منظور طراحی کنترلر بهینه برای سیستم های غیرخطی زمان پیوسته ارائه شده است. دیدگاه اساسی در این روش استفاده از تجربیات برای تقویت کنترلر می باشد، که با عنوان یادگیری تقویتی معروف است. ابتدا بر اساس ساختار عملگر- ارزیاب و به صورت برخط با استفاده از دو شبکه ی عصبی مجزا، معادله ی همیلتون-ژاکوبی-بلمن به صورت تقریبی حل می شود. شبکه های عمل...

در این پایان نامه، برآورد تابع رگرسیون یک یا چندین متغیر توضیحی را در نظر می گیریم به طوری که تابع رگرسیون به-صورت ترکیب خطی از خانواده ای از توابع پایه مدل سازی می شود. با توجه به این که شبکه عصبی تابع پایه شعاعی می تواند به صورت یک الگوی رگرسیون غیرخطی در نظر گرفته شود، آن را به عنوان برآورد تابع رگرسیون به کار می بریم. در واقع می خواهیم رگرسیون غیرخطی را برای داده هایی با ساختار پیچیده و نوی...

موشک ها به دلیل شرایط مختلف پروازی، تغییر در مشخصه های جرمی– اینرسی، ضریب های آیرودینامیکی، اغتشاشات و... معادله های دینامیکی آنها نامعین و دارای عدم قطعیت است. بنابراین استفاده از روش های تطبیقی یا مقاوم در طراحی اتوپایلوت، به طوری که متناسب با تغییر پارامترهای نامعین در دینامیک موشک، پارامترهای اتوپایلوت نیز تغییرکند، ضروری به نظر می رسد. در این مقاله، ابتدا قانون کنترل پیش بین مبتنی بر مدل غ...

در مدلسازی بارش-رواناب مدل ترکیبی شبکه عصبی-موجک روشی سودمند است که از تبدیل موجک برای بدست آوردن فرکانس های مختلف فرآیند و از شبکه عصبی مصنوعی (ann) برای پیش بینی دبی رواناب استفاده میکند. یکی از گامهای مهم در هر مدلی که بر پایه ann است، تعیین متغیرهای ورودی مهم در فرایند مورد مطالعه است. درغیر این صورت مدل می تواند دچار بیش سازگاری (over fitting)، یادگیری دشوارتر و عملکرد ضعیف شبکه شود. این پ...

متغیرهای مختلفی بر عملکرد مزارع نیشکر تأثیر‌گذارند. با بررسی این متغیرها و تعیین میزان اثر هر یک از آنها می‌توان به راهکارهایی به‌منظور افزایش بهره‌وری مزارع نیشکر دست یافت. امروزه استفاده از یافته‌های هوش مصنوعی و داده کاوی برای کمک به پیش‌بینی تولید محصول مورد توجه قرار گرفته است. هدف از این مقاله، معرفی روش‌ هوشمند سیستم استنتاج فازی- عصبی تطبیقی و ترکیب این تکنیک با الگوریتم بهینه‌س...

سابقه و هدف: فاصله گوساله‌زایی از جمله صفاتی است که به میزان قابل توجهی تحت تأثیر اثرات محیطی و مدیریتی قرار می‏گیرد. استفاده از الگوریتم‌های هوشمند روش‌های یادگیری ماشین در بررسی سامانه‌های پیچیده رو به افزایش است و این روش‌ها نیز می‌تواند رهیافت مناسبی برای تحلیل داده‌های صنعت گاوشیری به حساب آیند. شبکه‌های عصبی مصنوعی بخشی از هوش مصنوعی بوده و معمولاً از این الگوریتم‌ها بهره می‌جویند. هدف از ...

مطالعات متعددی به بررسی مدیریت سود در شرایط مختلف پرداخته‌اند. در اغلب این مطالعات فرض بر آن است که سود از طریق اقلام تعهدی حسابداری، مدیریت می‌شود. از این رو مدل‌هایی جهت مدیریت سود بر مبنای اقلام تعهدی بسط و توسعه داده شده است. با این حال در تعدادی از مطالعات انجام شده، توانایی این مدل‌ها برای کشف مدیریت سود زیر سوال رفته است. یکی از تبیین‌های مطرح شده در خصوص عملکرد ضعیف مدل‌های موجود، استفا...