پاورپوینت شبکه های عصبی مصنوعی 19 اسلاید

اختصاصی از فی لوو پاورپوینت شبکه های عصبی مصنوعی 19 اسلاید دانلود با لینک مستقیم و پر سرعت .

معمولا الگوریتم BP پیش از خاتمه هزاران بار با استفاده همان داده های آموزشی تکرار میگردد شروط مختلفی را میتوان برای خاتمه الگوریتم بکار برد:

lتوقف بعد از تکرار به دفعات معین

lتوقف وقتی که خطا از یک مقدار تعیین شده کمتر شود

lتوقف وقتی که خطا در مثالهای مجموعه تائید از قاعده خاصی پیروی نماید

اگر دفعات تکرار کم باشد خطا خواهیم داشت و اگر زیاد باشد مسئله Overfitting رخ خواهد داد

مدل¬های شبکه عصبی موجک فازی برای پیش بینی و شناسایی سیستم¬های دینامیکیFuzzy Wavelet Neural Network Models for Prediction and Id

اختصاصی از فی لوو مدل¬های شبکه عصبی موجک فازی برای پیش بینی و شناسایی سیستم¬های دینامیکیFuzzy Wavelet Neural Network Models for Prediction and Identification of Dynamical Systems دانلود با لینک مستقیم و پر سرعت .

مقاله لاتین 10 صفحه(2010)

ترجمه (30 صفحه)

قیمت : 20.000 تومان

لینک دانلود مقاله لاتین

http://s6.picofile.com/file/8213980326/Fuzzy_Wavelet_Neural_Network_Models_for.PDF.html

خلاصه :

این متن مدل­های شبکه عصبی موجک فازی (فوزی) (FWNN) برای پیش بینی و تعیین سیستم­های غیر خطی دینامیکی را بیان می­کند. مدل­های پیشنهادی FWNN از سیستم مرسوم فازی (فوزی) thkagi-Sugeno-Kzng با جایگزینی 10 قسمت از قوانین فوزی با توابع پایه موجکی که دارای قابلیت جزئی شدن در زمان و حوزه فرکانس هستند، به دست می­آید. اولین و آخرین مدل به ترتیب از جمع و ضرب مدل­های ترجمه و گسترده شده­ی توابع پایه­ا ی موج­های تک فازی به دست می­آیند و در مدل دوم، قسمت سپس (آنگاه) (THEN) از قوانین شامل توابع شعاعی موج است. توابع فعال سازی نوع گوسی در قسمت IF قوانین فازی (فوزی) استفاده شده است. یک الگوریتم آموزشی پایه گرادیانی، یعنی روش Fletcher-Goldfarb-Shanno- Broydenبرای یافتن مقادیر بهینه پارامترهای نامشخص مدل FWNN استفاده شده است. مثال­های شبیه سازی نیز جهت مقایسه اثر بخشی مدل در مقایسه با سایر مدل­های شناخته شده در مقالات بیان شده است. بر اساس نتایج شبیه سازی، مشاهده شد که مدل FWNN پیشنهاد شده دارای قابلیت تعمیم دادن قابل توجهی است.

مقاله محاسبه فرکانس غالب ورقها با استفاده از شبکه عصبی انتشار برگشتی

اختصاصی از فی لوو مقاله محاسبه فرکانس غالب ورقها با استفاده از شبکه عصبی انتشار برگشتی دانلود با لینک مستقیم و پر سرعت .

در چند دهه اخیر،اندیشه بالنده شبیه سازی مغز انسان ،محققان و دانشمندان را برآن داشته است توانایی‌های مغز انسان را به رایانه منتقل سازند.عملکرد مغز انسان با توجه به میلیونها سال تکامل می‌تواند به عنوان کاملترین و بهترین الگو برای تشخیص وقایع پیرامون خود در نظرگرفته شود.لذا دانشمندان در تلاشند تا با درک اصول وساز و کارهای محاسباتی مغز انسان که عملکرد بسیار سریع و دقیقی را دارا می‌باشد ، سیستم‌های عصبی مصنوعی را شبیه سازی نمایند بدین ترتیب شبکه‌‌های عصبی مصنوعی تا حدودی از مغزانسان الگوبرداری شده‌اند و همان گونه که مغز انسان می‌تواند با استفاده از تجربیات قبلی و مسائل از پیش یادگرفته،مسائل جدید را تحلیل و تجزیه نماید،شبکه‌های عصبی نیز در صورت آموزش قادرند برمبنای اطلاعاتی که به ازای آنها آموزش دیده‌اند،جوابهای قابل قبول ارائه دهند.

این مقاله به صورت  ورد (docx ) می باشد و تعداد صفحات آن 61صفحه  آماده پرینت می باشد

چیزی که این مقالات را متمایز کرده است آماده پرینت بودن مقالات می باشد تا خریدار از خرید خود راضی باشد

مقالات را با ورژن  office2010  به بالا بازکنید

شبکه های عصبی درهوش مصنوعی

اختصاصی از فی لوو شبکه های عصبی درهوش مصنوعی دانلود با لینک مستقیم و پر سرعت .

شبکه های عصبی  درهوش مصنوعی

فرمت: word

تعدادصفحات : 84

  یک شبکه عصبی مصنوعی (Artificial Neural Network (ANN)) ایده ای است برای پردازش اطلاعات که از سیستم عصبی زیستی الهام گرفته شده و مانند مغز به پردازش اطلاعات می پردازد . عنصر کلیدی این ایده ، ساختار جدید سیستم پردازش اطلاعات است. این سیستم از شمار زیادی عناصر پرداز شی فوق العاده بهم پیوسته تشکیل شده (neurons)که برای حل یک مسأله با هم هماهنگ عمل می کند.ANN ها ،نظیر انسانها ، با مثال یاد می گیرند . یک ANN برای انجام وظیفه های مشخص ، مانند شناسایی الگو ها و دسته بندی اطلاعات ، در طول یک پروسه یاد گیری ، تنظیم می شود . در سیستم های زیستی یاد گیری با تنظیماتی در اتصالات سیناپسی که بین اعصاب قرار دارد همراه است . این روش ANN ها هم می باشد. 

سابقه تاریخی

به نظر می آید شبیه سازی های شبکه عصبی یکی از پیشرفت های اخیر باشد . اگرچه این موضوع پیش از ظهور کامپیوتر ها بنیان گذاری شده و حداقل یک مانع بزرگ تاریخی و چندین دوره مختلف را پشت سر گذاشته است. خیلی از پیشرفت های مهم با تقلید ها و شبیه سازی های ساده و ارزان کامپیوتری بدست آمده است. در پی یک دوره ابتدائی اشتیاق و فعالیت در این زمینه ، یک دوره ی بی میلی و بدنامی راهم پشت سر گذاشته است . در طول این دوره سرمایه گذاری و پشتیبانی حرفه ای از این موضوع در پایین ترین حد خود بود ، پیشرفت های مهمی به نسبت تحقیقات محدود در این زمینه صورت گرفت . که بدین وسیله پیشگامان قادر شدند تا به گسترش تکنولوژی متقاعد کننده ای بپردازند که خیلی برجسته تر از محدودیت هایی بود که توسط Minsky و Papert شناسانده شد. Minsky و Papert ،کتابی را در سال 1969 منتشر کردند که در آن عقیده عمومی راجع به میزان محرومیت شبکه های عصبی را در میان محققان معین کرده بود و بدین صورت این عقیده بدون تجزبه و تحلیل های بیشتر پذیرفته شد. هم اکنون ، زمینه تحقیق شبکه های عصبی از تجدید حیات علایق و متناطر با آن افزایش سرمایه گذاری لذت می برد . اولین سلول عصبی مصنوعی در سال 1943 بوسیله یک neurophysiologist به نامWarren McCulloch و یک منطق دان به نام Walter Pits ساخته شد . اما محدودیتهای تکنولوژی در آن زمان اجازه کار بیشتر به آنها نداد.  

دانلود پایان نامه کاربرد مدل شبکه عصبی مصنوعی در مدیریت منابع آب زیرمینی

اختصاصی از فی لوو دانلود پایان نامه کاربرد مدل شبکه عصبی مصنوعی در مدیریت منابع آب زیرمینی دانلود با لینک مستقیم و پر سرعت .

لینک پرداخت و دانلود *پایین مطلب*

فرمت فایل:Word (قابل ویرایش و آماده پرینت)

تعداد صفحه:120

فهرست مطالب

فهرست

مقدمه.................................................................................................................................................................... 1

فصل اول: مروری بر پیشینه پژوهش....................................................................................................................... 3

1-1- مقدمه........................................................................................................................................................... 3

1-2- مروری بر تحقیقات انجام یافته....................................................................................................................... 3

فصل دوم: روش پژوهش، ابزار و مواد...................................................................................................................... 11

2-1-مقدمه........................................................................................................................................................... 11

2-2-  معرفی شبکه عصبی مصنوعی..................................................................................................................... 11

2-2-1- مزیت های شبکه های عصبی:............................................................................................................. 11

2-2-2- کاربردهای شبکه عصبی:.................................................................................................................... 12

2-2-3- اجزای کلی شبکه عصبی مصنوعی..................................................................................................... 13

2-2-4- ساختار های شبکه عصبی مصنوعی................................................................................................... 15

2-2-4-1- شبکه های پیشرو(Feedforward).......................................................................................... 15

2-2-4-2- شبکه های برگشتی(Backforward) ...................................................................................... 15

 2-2-4-3- شبکه های شعاعی(Radial Basis Function Networks )................................................... 16

2-2-5- معرفی انواع شبکه عصبی ساده: ........................................................................................................ 16

2-2-5-1- پرسپترون(Perceptron)......................................................................................................... 16

2-2-5-2- شبکه همینگ(Haming)........................................................................................................ 17

2-2-5-3- شبکه هاپفیلد(Hopfield)....................................................................................................... 17

2-2-6- الگوریتمهای مختلف آموزش.............................................................................................................. 17

2-2-6-1-الگوریتم لونبرگ-مارکورت (LM) Levenberg-Marquardt..................................................... 17

2-2-6-2-گرادیان نزولی انتشار خطا به عقب با ممنتم................................................................................. 18

2-2-6-3-تنظیم بایزین (BR) Bayesian Regulazation........................................................................ 18

2-2-7- تقسیم بندی شبکه ها از نظر نوع توابع عملگر..................................................................................... 18

2-2-8- تقسیم بندی شبکه ها از نظر نوع آموزش............................................................................................. 19

2-2-8-1- آموزش نظارت شده(Supervised)............................................................................................ 19

2-2-8-2- آموزش غیرنظارت شده(Unsupervised).................................................................................. 19

2-2-9- آموزش شبکه های عصبی مصنوعی.................................................................................................... 20

2-2-10- صحت سنجی.................................................................................................................................... 21

2-2-11- معیار ارزیابی کارایی و خطای مدل..................................................................................................... 22

2-3- ویژگیهای منطقه مورد مطالعه...................................................................................................................... 22

2-3-1- موقعیت جغرافیایی محدوده مورد مطالعه............................................................................................ 22

2-3-2- زمین شناسی منطقه مورد مطالعه:..................................................................................................... 24

2-3-2-1- تشکیلات کرتاسه...................................................................................................................... 26

2-3-2-2- رسوبات نوع فلیش................................................................................................................... 27

2-3-2-3- تشکیلات پالئوژن.................................................................................................................... 27

2-3-2-4- تشکیلات نئوژن....................................................................................................................... 27

2-3-2-5- رسوبات کواترنر....................................................................................................................... 28

2-3-3- زمین‏شناسی ساختمانی منطقه‏ مورد مطالعه....................................................................................... 28

2-3-4- هواشناسی........................................................................................................................................ 29

2-3-4-1- بارندگی.................................................................................................................................... 29

2-3-4-2- درجه حرارت :......................................................................................................................... 32

2-3-4-3- تبخیر و تعرق.......................................................................................................................... 33

2-3-4-4-  رطوبت نسبی:........................................................................................................................ 34

2-3-4-5- طبقه بندی اقلیمی منطقه........................................................................................................ 35

2-3-5-  بررسی های اکتشافی دشت بیرجند.................................................................................................. 37

2-3-5-1-  مطالعات ژئوفیزیک................................................................................................................. 37

2-3-5-2- نقشه هم ضخامت آبرفت.......................................................................................................... 38

2-3-5-3-  نقشه مقاومت عرضی.............................................................................................................. 39

2-3-5-4-  نقشه هم ارتفاع سنگ کف دشت بیرجند................................................................................. 39

2-3-6-  هیدروژئولوژی دشت بیرجند............................................................................................................. 41

2-3-6- 1- بررسی ضرایب هیدرودینامیکی:............................................................................................... 41

2-3-6-2- رفتار سنجی چاههای مشاهده ای............................................................................................. 43

2-3-6-3- هیدروگراف واحد دشت........................................................................................................... 53

2-3-7-  نقشه های هیدروژئولوژی.................................................................................................................. 55

2-3-7-1- نقشه هم پتانسیل دشت بیرجند............................................................................................... 55

2-3-7-2- نقشه هم عمق دشت بیرجند.................................................................................................... 57

2-3-7-3-  نقشه هم افت دشت بیرجند.................................................................................................... 58

2-3-8-  بهره برداری از منابع آب زیرزمینی دشت بیرجند.............................................................................. 59

2-3-8-1-  چاه........................................................................................................................................ 59

2-3-8-2-  چشمه..................................................................................................................................... 61

2-3-8-3-  قنات...................................................................................................................................... 62

2-3-9-  محاسبه بیلان دراز مدت آبخوان دشت بیرجند................................................................................... 62

2-3-9-1- مدت یا دوره بیلان.................................................................................................................... 63

2-3-9-2-  مجموعه ورودی آب زیرزمینی................................................................................................. 63

2-3-9-3-  مجموعه خروجی آب زیرزمینی................................................................................................ 65

2-3-9-4-  تغییرات حجم مخزن در دوره بیلان(∆X)................................................................................. 66

2-3-10- محاسبه بیلان کوتاه مدت آبخوان آبرفتی دشت................................................................................. 67

2-3-10-1- مدت یا دوره بیلان:................................................................................................................. 67

2-3-10-2-  مجموعه ورودی آب زیرزمینی:............................................................................................... 67

2-3-10-3-  مجموعه خروجی آب زیرزمینی............................................................................................... 69

2-3-10-4- تغییرات حجم مخزن در دوره بیلان(∆X)................................................................................. 70

فصل سوم: بحث، تجزیه و تحلیل........................................................................................................................... 71

3-1- مقدمه........................................................................................................................................................ 72

3-2- انجام آنالیز حساسیت و تعیین ساختار شبکه عصبی و پارامترهای موثر بر نوسانات سطح آب......................... 72

3-3- مدلسازی سطح آب زیرزمینی در چاه مشاهده ای محمدیه در منطقه مورد مطالعه.......................................... 79

3-4- مدلسازی سطح آب زیرزمینی در چاههای مشاهده ای موجود در منطقه مورد مطالعه.................................... 83

3-5- پیش بینی سطح آب زیرزمینی در چاههای مشاهده ای موجود در منطقه مورد مطالعه.................................... 91

3-6- پیش بینی سطح آب در مناطق فاقد چاه مشاهده ای در محدوده مورد مطالعه  و ترسیم منحنی هم تراز.......... 99

فصل چهارم: نتیجه گیری و پیشنهاد................................................................................................................... 114

4-1- نتیجه گیری.............................................................................................................................................. 114

4-2- پیشنهادها........................................................................................................................................... 116

منابع و ماخذ...................................................................................................................................................... 117

1. Reference....................................................................................................................................................... 118

  1-1- مقدمه

در طی دهه اخیر استفاده از شبکه های عصبی مصنوعی بطور روز افزونی در حیطه منابع آبی بویژه آبهای زیرزمینی در سراسر دنیا انجام شده است. با توجه به اینکه مدلهای شبکه عصبی نتایج خوبی ارائه می کنند استفاده از این مدلها در زمینه منابع آبی از مقبولیت خوبی برخوردار هستند.  دراین فصل به بیان مختصری از کارها و تحقیقات قبلی در زمینه شبکه عصبی مصنوعی پرداخته شده است.

1-2- مروری بر تحقیقات انجام یافته

اخیراً از شبکه های عصبی مصنوعی که یکی از شاخه های هوش مصنوعی محسوب می شود، به عنوان روشی کارا در حل مسائل به روش معکوس به طور روز افزونی استفاده می شود.

از قرن نوزدهم به طور همزمان اما جداگانه از سویی نروفیزیولوژیستها سعی کردند سیستم یادگیری و تجزیه و تحلیل مغز را کشف کنند و از سوی دیگر ریاضیدانان تلاش کردند تا  مدل ریاضی بسازند که قابلیت فراگیری و تجزیه و تحلیل عمومی مسائل را دارا باشد. اولین کوششها در شبیه سازی با استفاده از یک مدل منطقی توسط  McCulloch and Pitts(1984)  انجام شد که  امروز بلوک اصلی سازنده‌ی اکثر شبکه های عصبی مصنوعی است . این مدل فرضیه‌هایی در مورد عملکرد نرونها ارائه می کند. عملکرد این مدل مبتنی بر جمع ورودیها و ایجاد خروجی است . چنانچه حاصل جمع ورودی‌ها از مقدار آستانه بیشتر باشد اصطلاحا نرون برانگیخته می‌شود. نتیجه این مدل اجرای توابع ساده منطقی مثل OR وAND بود.

 نه تنها نروفیزیولوژیستها بلکه روانشناسان و مهندسان نیز در پیشرفت شبیه سازی شبکه‌های عصبی تأثیر داشتند. اولین بار توسطRosenblatt (1985)  شبکه پرسپترون معرفی شد. این شبکه نظیر واحدهای مدل شده‌ی قبلی بود. این سیستم می‌تواند یاد بگیرد که به ورودی داده شده خروجی تصادفی متناظر را اعمال کند.

سیستم دیگری از مدل خطی تطبیقی نرون توسط Widrow and Hoff(1960)  به نام Adalalin  ایجاد شد که اولین شبکه های عصبی بکار گرفته شده در مسائل واقعی بود.  Adalaline یک دستگاه الکترونیکی بود که از اجزای ساده‌ای تشکیل شده بود روشی که برای آموزش استفاده می‌شد با پرسپترون فرق داشت.

کتابی توسط Minisky and Papert (1969) نوشته شد که محدودیتهای سیستمهای تک لایه و چند لایه پرسپترون را تشریح میکرد. نتیجه این کتاب پیشداوری و قطع سرمایه گذاری برای تحقیقات  در زمینه شبیه سازی شبکه‌های عصبی بود. آنها با طرح اینکه طرح پرسپترون قادر به حل هیچ مساله مهمی نمی‌باشد تحقیقات در این زمینه را برای مدت چندین سال متوقف کردند.

با وجود اینکه اشتیاق عمومی و سرمایه گذاری های موجود به حداقل خود رسیده بود برخی محققان تحقیقات خود را برای ساخت ماشینهایی که توانایی حل مسائلی از قبیل تشخیص الگو را داشته باشند ادامه دادند. از جمله 1980))Grossberg که شبکه‌ای تحت عنوان Avalanch را برای تشخیص صحبت پیوسته و کنترل دست ربات مطرح کرد. همچنین او شبکه های A