پروژه شبیه سازی شبکه عصبی-کاربرد شبکه عصبی در محاسبه افت فشار در لوله ها-آموزش شبکه عصبی با جعبه ابزار Matlab

اختصاصی از نیک فایل پروژه شبیه سازی شبکه عصبی-کاربرد شبکه عصبی در محاسبه افت فشار در لوله ها-آموزش شبکه عصبی با جعبه ابزار Matlab دانلود با لینک مستقیم و پر سرعت .

شبیه سازی شبکه عصبی استفاده شده در مقاله"کاربرد شبکه عصبی در محاسبه افت فشار در لوله ها"با استفاده از MATLAB

در این تحقیق از نخستین کاربرد شبکه های عصبی یعنی تقریب توابع برای تقریب دیاگرام مودی برای استخراج ضریب اصطکاک دارسی که در محاسبات مربوط به افت فشار سیال لوله ها ناشی از اصطکاک ،استفاده می شود.در مکانیک سیالات ضریب اصطکاک دارسی یا از نمودار مودی استخراج می شود و یا از فرمول های نیمه تجربی مانند معادله کلمبرک محاسبه می شود. در این مقاله تعداد ۱۲۰۰ نمونه از دو داده ورودی به نام عدد بی بعد رینولدز و زبری نسبی لوله تولید کرده ایم که داده های معلوم مسئله هستند و بصورت تصادفی و در محدوده مشخص انتخاب شده اند و۱۲۰۰ نمونه داده خروجی ضریب اصطکاک دارسی است که از روی نمودار مودی و با استفاده از داده های ورودی استخراج شده و به عنوان داده ای آموزش برای شبکه عصبی طراحی شده در نظر گرفته شده اند. آموزش شبکه را با دو سری داده انجام شده است یک سری داده های معمولی و خام و سری دوم داده هایی که ورودی های آنها بصورت غیر خطی نورمالایز لگاریمی شده اند و تفاوت خطای نهایی آنها مورد بررسی قرار گرفته شده است. بعد از آموزش شبکه و رسیدن به سطح خطای مطلوب ،ضریب اصطکاک را از برنامه گرفته و وارد قسمت دوم برنامه برای محاسبه افت فشار لوله ناشی از اصطکاک سیال با جدار لوله برای جریان کاملا فراگیر و لوله با قطر ثابت کرده و افت هد اصلی را بدست آورده ایم

مقدمه

توضیحاتی در مورد جریان در لوله ها و دیاگرام مودی

افت فشار

شبیه سازی شبکه عصبی

داده های ورودی و خروجی

آموزش شبکه عصبی با جعبه ابزار Matlab

توضیح جز به جز برنامه نوشته شده

خروجی شبکه

بررسی نمودارهای استخراج شده

تعیین تعداد نورون های لایه پنهان

مثالی از محاسبه افت فشار در یک لوله با استفاده از برنامه نوشته شده

خروجی شبکه

منابع و مآخذ

شبکه عصبی چیست و کاربرد آن

اختصاصی از نیک فایل شبکه عصبی چیست و کاربرد آن دانلود با لینک مستقیم و پر سرعت .

مقاله با عنوان فوق  که در دومین کنفرانس برنامه ریزی و مدیریت محیط زیست ارائه شده است، آماده دانلود می باشد.

سرفصل ارائه مقاله: مدیریت و پایش محیط زیست

محل برگزاری کنفرانس: تهران - دانشگاه تهران

سال برگزاری کنفرانس: 1391

تعداد صفحات مقاله: 7

محتویات فایل: فایل zip حاوی یک pdf

چکیده

به طور کلی مدلسازی یکی از ابزار های مناسب برای تصمیم گیری و پیش بینی پدیده های محیط زیستی می باشد که اغلب به صورت مدلهای مفهومی با روابط ریاضی بیان می شوند. فرآیند ها و پدیده هایی که در سیستمهای محیط زیستی وجود دارد و مهندسین محیط زیست با آن سر وکار دارند اغلب دو خصوصیت عمده دارند: 1- وابسته به متغیرهای زیاد هستند 2- روابط بسیار پیچیده ای بین اجزا وجود دارد که تحلیل آن را بسیار مشکل می نماید. این مشکل همواره باعث خطا در دقت و صحت پیش بینی مدلهای مرسوم می شود. شبکه های عصبی مصنوعی از جمله روشهای پیشرفته و نوین در شبیه سازی می باشد که امروزه در تمام علوم مهندسی به عنوان یک ابزار قوی در شبیه سازی پدیده هایی که تحلیل مفهومی آنها با مشکل مواجه است، کاربرد بسیاری پیدا کرده است. در این روش داده های مشاهده ای به مدل آموزش داده می شود و پس از آموزش مدل با دقت مناسب کار پیش بینی و شبیه سازی را انجام می دهد. در این مقاله ضمن اشاره به روشها و تکنیکهای شبکه عصبی نمونه هایی از کاربرد آن ارایه می گردد.

کد متلب شبکه عصبی پرسپترون چند لایه mlp

اختصاصی از نیک فایل کد متلب شبکه عصبی پرسپترون چند لایه mlp دانلود با لینک مستقیم و پر سرعت .

این فایل از سه قسمت تقسیم شده است فایل اول داده ی ورودی، فایل دوم کد متلب شبکه عصبی پرسپترون چند لایه و فایل سوم فایل pdf مراحل الگوریتم می باشد.

سمینار ارشد برق مسیریابی بسته ها در شبکه های کامپیوتری به کمک شبکه عصبی

اختصاصی از نیک فایل سمینار ارشد برق مسیریابی بسته ها در شبکه های کامپیوتری به کمک شبکه عصبی دانلود با لینک مستقیم و پر سرعت .

چکیده............................................................................................................. 1
مقدمه.............................................................................................................. 2
فصل اول: کلیات................................................................................................ 3
1-1 )هدف .................................................................................................................................... ٤
2-1 )شبکه عصبی .......................................................................................................................... ٦
3-1 )مسیریابی شبکه ...................................................................................................................... ١٣
4-1 )مسیریابی توسط شبکه های عصبی .................................................................................................................................... ١٧
فصل دوم: مسیریابی توسط شبکه عصبی هاپفیلد........................................................................ 19
1-2 )مقدمه ................................................................................................................................... ٢٠
2-2 )شبکه عصبی هاپفیلد ................................................................................................................ ٢٠
3-2 )الگوریتم مسیریابی با استفاده از شبکه هاپفیلد . ............................................................................................................... ٢٣
فصل سوم: مسیریابی در شبکه های بسته شناختی ......................................................................................... 42
1-3 )مفاهیم شبکه بسته شناختی .............................................................................................................................................. ٤٣
2-3 )مسیریابی در شبکه های بسته شناختی توسط شبکه عصبی رندم .............................................................................. ٤٤
3-3 )الگوریتم ساده شده مسیریابی – شبکه شبه عصبی رندم ............................................................................................. ٥٨
فصل چهارم: پیشبینی قابلیت اطمینان لینک با استفاده از شبکه ی عصبی . ................................................. 61
1-4 )مقدمه ................................................................................................................................... ٦٢
2-4 )تحقیقات مرتبط ...................................................................................................................... ٦٤
3-4 )روش پیشنهادی ...................................................................................................................... ٦٥
4-4 )پیشبینی قابلیت اطمینان لینک با استفاده از شبکه ی عصبی . ................................................................................... ٧٢
فصل پنجم: نتیجهگیری و پیشنهادات .............................................................................................................. 77
ز
1-5 )نتیجه گیری ............................................................................................................................ ٧٨
2-5 )پیشنهادات . ............................................................................................................................................................................. 80
فصل ششم: پیوست............................................................................................................................................ 81
منابع و ماخذ

شناسایی چهره به کمک شبکه عصبی

اختصاصی از نیک فایل شناسایی چهره به کمک شبکه عصبی دانلود با لینک مستقیم و پر سرعت .

چکیده:

امروزه با پیشرفت روزافزون شاخه پردازش تصویر و سیگنال سیستم های گوناگونی در زمینه تشخیص هویت طراحی و ساخته شده است. در این پایان نامه با استفاده از پردازش چهره اشخاص سیگنال لازم جهت ورود و خروج افراد به دست آمده است. ابتدا ویژگی های مربوط به اشخاص مجاز به ورود و خروج استخراج می شود. در این مرحله از تکنیک های پردازش تصویر به منظور حذف نویز، بهبود کیفیت، آشکارسازی لبه ها و قسمت بندی استفاده شده است سپس با استفاده از پروجکشن تصاویر، ویژگی ها استخراج گردیده است و در یک بانک داده ذخیره شده است. آموزش شبکه عصبی از طریق این بانک صورت گرفت. پس از آموزش شبکه این سیستم قادر به شناسایی کلیه افراد آموزش داده شده و تشخیص افراد ناشناس گردید. لازم به ذکر است ویژگی های استخراج شده نرمالیزه شده اند. یعنی نسبت به تغییرات resolution تصاویر و همچنین فاصله و روشنایی محیط مقاوم می باشند.

فرمت PDF

تعداد صفحات 98