مدلسازی عضله تحریک شده در شرایط غیرایزومتریک توسط شبکه های عصبی مصنوعی

پایان نامه
چکیده

در این پروژه با توجه به قابلیت بالای شبکه های عصبی مصنوعی در مدلسازی سیستم های غیرخطی، سعی شده که عضله تحریک شده را توسط شبکه های عصبی بصورت جعبه سیاه و بدون توجه به کارکرد اجزای تشکیل دهنده آن مدلسازی کرد. در این کارتحقیقاتی، جهت مدلسازی عضله تحریک شده شبکه های عصبی پس از انتشار خطا و شبکه های عصبی مبتنی بر توابع پایه شعاعی پیاده سازی شده اند. برای یادگیری شبکه های مبتنی ب توابع پایه شعاعی (rbfn) از سه روش استفاده شده است : روش آموزش k-means ، روش گرادیان تصادفی و روش حداقل مربعات متعامد. در آخر نیز برای مقایسه قابلیت شبکه های عصبی که مدل های غیرخطی هستند با مدل های خطی، عضله تحریک شده بوسیله مدل خطی کلی مدل شده است . نتایج این پروژه نشان می دهد در مدلسازی عضله شبکه rbf با روش آموزش گرادیان تصادفی از کارایی بالاتری نسبت به سایر شبکه ها برخوردار است .

۱۵ صفحه ی اول

برای دانلود 15 صفحه اول باید عضویت طلایی داشته باشید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

مدل شبکه عصبی از عضله تحریک شده در شرایط غیر ایزومتریک

مدل جدیدی از عضله تحریک شده در شرایط غیر ایزومتریک ارایه شده است. مدل های ارایه شده کنونی مبتنی بر ساختار مدل هیل هستند. در این ساختار، رفتار عضله به بخش های مستقل از یکدیگر تجزیه شده و فرض می شود که این بخش ها ارتباطی با یکدیگر ندارند، در صورت که این تجزیه و عدم وابستگی بخش ها به یکدیگر، واقعیت فیزیکی ندارد. به منظور رفع محدودیت های مد...

متن کامل

مدلسازی کاهش COD پساب صنایع پتروشیمی توسط روشهای طراحی آزمایش و شبکه عصبی مصنوعی

در این مقاله ، روش تخریب فتوکاتالیستی به عنوان روشی مناسب جهت تصفیه پساب و حذف اکسیژن مورد نیاز شیمیایی )COD(یکی از واحدهای تولیدی صنایع پتروشیمی معرفی شده و پارامترهای موثر در عملکرد این فرآیند مورد بررسی قرار گرفته است.برای این منظور،با استفاده از فتوکاتالیست تجاری دی اکسید تیتانیم و اندازه‌گیری تجربی پارامتر اکسیژن مورد نیاز شیمیایی،درصد کاهش این پارامتر در فرآیند فتوکاتالیستی در مدت زمان 90...

متن کامل

مدلسازی نفوذپذیری سیستم بیوراکتورغشایی با استفاده از شبکه عصبی مصنوعی

مدلسازی برای سیستم های پیچیده ای همچون بیوراکتور غشایی به دلیل امکان اجرای آزمایشهای مجازی زیاد در زمان کوتاه ابزاری قدرتمند است، اگرچه نیازمند اعتبار تجربی و تبدیل فرایند به مدل ریاضی می باشد. در این پژوهش به مدلسازی فرایند فیلتراسیون توسط شبکه های عصبی با استفاده از نرم افزار MATLAB 8.1 (2013) پرداخته شده و از داده های تجربی یک سیستم بیوراکتور غشایی غوطه ور مجهز به غشاء کوبوتا جهت تصفیه فاضلا...

متن کامل

مدلسازی لوله های انتقال گاز با شبکه های عصبی مصنوعی به منظور تشخیص عیوب آنها

این مقاله معرفی  رویکرد جدید برای عیب یابی خطوط لوله انتقال گاز با استفاده از شبکه عصبی مصنوعی به کمک امواج مکانیکی است که این روش بسیار ارزان تر و آسان تر از روش اولتراسوند است. که در حال حاضر مشغول به کارمی باشد. این خطوط معمولا در شرایط محیطی سخت و دور از دسترس و در مسافت های طولانی قرار دارند و استفاده از سیستم های که بصورت آنی و دقیق بتوانند عیب ها و نشتی های این لوله را گزارش دهند حیاتی  ...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه علم و صنعت ایران

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023