نیک فایل

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

نیک فایل

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

مقایسه روش های شبکه عصبی مصنوعی و آنالیز ابعادی در پیش بینی شیب شیروانی پایدار پایاب بندهای پاره سنگی

اختصاصی از نیک فایل مقایسه روش های شبکه عصبی مصنوعی و آنالیز ابعادی در پیش بینی شیب شیروانی پایدار پایاب بندهای پاره سنگی دانلود با لینک مستقیم و پر سرعت .

مقایسه روش های شبکه عصبی مصنوعی و آنالیز ابعادی در پیش بینی شیب شیروانی پایدار پایاب بندهای پاره سنگی


مقایسه روش های شبکه عصبی مصنوعی و آنالیز ابعادی در پیش بینی شیب شیروانی پایدار پایاب بندهای پاره سنگی

  |  مقاله با عنوان: مقایسه روش های شبکه عصبی مصنوعی و آنالیز ابعادی در پیش بینی شیب شیروانی پایدار پایاب بندهای پاره سنگی

  |  نویسندگان: فرزانه قادری نسب ، ابراهیم امیری تکلدانی ، محمد باقر رهنما ، محمد هادی داودی

  |  محل انتشار: دهمین کنگره بین المللی مهندسی عمران - دانشگاه تبریز - 15 تا 17 اردیبهشت 94

  |  فرمت فایل: PDF و شامل 9 صفحه می باشد.

 

 

 

چکیــــده:

یکی از روش های سازه ای ارزان قیمت جهت کنترل جریان های سیلابی احداث بندهای تأخیری پاره سنگی است. از آنجایی که جریان در این سازه ها ذاتاً غیر دارسی است و احتمال وقوع جریان همزمان روگذر و درون گذر نیز وجود دارد و در نتیجه ی اندرکنش بین سنگ ها و سیال ممکن است سنگدانه ها حرکت کنند و بند تخریب شود، طراحی این بندها مستلزم مطالعه کافی است. شبکه های عصبی مصنوعی از جمله روش هایی هستند که توانایی برآورد فرآیندهای پیچیده و غیرخطی را با دقت مناسبی دارند. اگر چه دقت پیش بینی آنها به نوع الگوریتم های آموزش و یادگیری و تابع محرک مورد استفاده بستگی دارد. در این تحقیق به منظور پیش بینی شیب شیروانی پایاب مناسب برای طراحی بندهای پاره سنگی، مدل شبکه عصبی پرسپترن چند لایه با الگوریتم آموزشی و توابع آستانه متفاوت مورد ارزیابی قرار گرفت. همچنین شیب شیروانی پایاب پیش بینی شده با شبکه عصبی با مقادیر بر آورد شده از آنالیز ابعادی و داده های آزمایشگاهی مقایسه شد. نتایج نشان داد که مدل پرسپترون چند لایه با دو لایه مخفی و 5 نرون در هر لایه مخفی بهترین عملکرد را دارد. همچنین مشخص شد که شبکه ها با الگوریتمهای آموزشی گرادیان مزدوج (گرادیان مزدوج پلاک - ریبر، گرادیان مزدوج فلچر پاول و گرادیان مزدوج مقیاس شده) و تابع محرک تانژانت سیگموئید در لایه مخفی و تابع محرک خطی در لایه خروجی بهترین عملکرد را دارند. با مقایسه مقادیر نظیر در شبکه عصبی مصنوعی و رابطه ارائه شده از طریق آنالیز ابعادی مشخص شد که هر دو روش شیب شیروانی پایاب را با دقت قابل قبولی پیش بینی می کنند اما دقت روش شبکه های عصبی مصنوعی بیشتر است. از این رو می توان به منظور طراحی شیب شیروانی پایاب بندها از شبکه عصبی هم استفاده کرد.


دانلود با لینک مستقیم


مقایسه روش های شبکه عصبی مصنوعی و آنالیز ابعادی در پیش بینی شیب شیروانی پایدار پایاب بندهای پاره سنگی

مقاله بهبود سرعت یادگیری شبکه های عصبی

اختصاصی از نیک فایل مقاله بهبود سرعت یادگیری شبکه های عصبی دانلود با لینک مستقیم و پر سرعت .

مقاله بهبود سرعت یادگیری شبکه های عصبی


مقاله بهبود سرعت یادگیری شبکه های عصبی

دانلود مقاله بهبود سرعت یادگیری شبکه های عصبی

نوع فایل : Word

تعداد صفحات : 30

فهرست و پیشگفتار

مقدمه
شبکه های عصبی چند لایه پیش خور1 به طور وسیعی د ر زمینه های متنوعی از قبیل طبقه بندی الگوها، پردازش تصاویر، تقریب توابع و ... مورد استفاده قرار گرفته است.
الگوریتم یادگیری پس انتشار خطا2، یکی از رایج ترین الگوریتم ها جهت آموزش شبکه های عصبی چند لایه پیش خور می باشد. این الگوریتم، تقریبی از الگوریتم بیشترین تنزل3 می باشد و در چارچوب یادگیری عملکردی 4 قرار می گیرد.
عمومیت یافتن الگوریتمBP ، بخاطر سادگی و کاربردهای موفقیت آمیزش در حل مسائل فنی- مهندسی می باشد.
علیرغم، موفقیت های کلی الگوریتم BP در یادگیری شبکه های عصبی چند لایه پیش خور هنوز، چندین مشکل اصلی وجود دارد:
- الگوریتم پس انتشار خطا، ممکن است به نقاط مینیمم محلی در فضای پارامتر، همگرا شود. بنابراین زمانی که الگوریتم BP همگرا می شود، نمی توان مطمئن شد که به یک جواب بهینه رسیده باشیم.
- سرعت همگرایی الگوریتم BP، خیلی آهسته است.
از این گذشته، همگرایی الگوریتم BP، به انتخاب مقادیر اولیه وزنهای شبکه، بردارهای بایاس و پارامترها موجود در الگوریتم، مانند نرخ یادگیری، وابسته است.
در این گزارش، با هدف بهبود الگوریتم BP، تکنیک های مختلفی ارائه شده است. نتایج شبیه سازیهای انجام شده نیز نشان می دهد، الگوریتم های پیشنهادی نسبت به الگوریتم استاندارد BP، از سرعت همگرایی بالاتری برخوردار هستند…
خلاصه ای از الگوریتم BP
فرمول بندی الگوریتم BP
معایب الگوریتم استاندارد پس انتشار خطا1 (SBP)
شکل (1). منحنی یادگیری شبکه برای نرخ های یادگیری مختلف در مسأله XOR
بهبود الگوریتم استاندارد پس انتشار خطا (SBP)
- الگوریتم BP از نوع دسته ای1 (BBP)
شکل (2). رفتار شبکه با الگوریتم BBP در مسأله XOR ( ـــ )
رفتار شبکه با الگوریتم SBP (0ـــ)
- روش ممنتم 1 برای الگوریتم BP (MBP)
شکل(3): رفتار شبکه با الگوریتم MBP درمسأله XOR (ــــ)
رفتار شبکه با الگوریتم SBP(.ــــ)
- نرخ یادگیری متغیر1 (VLR)
مراحل الگوریتم VLR، به طور خلاصه
شکل (4). – رفتار شبکه با الگوریتم VLR برای مسأله XOR ( ـــ )
رفتار شبکه با الگوریتم SBP (0 ـــ)
- تغییرات نرخ یادگیری (α) در کل فرآیند یادگیری برای مسأله XOR
1- الگوریتم BP
- الگوریتم پس انتشار خطای تطبیقی1 (ABP)
شکل (5). منحنی یادگیری الگوریتم BP تطبیقی برای XOR
- الگوریتم پس انتشار خطا با نرخ یادگیری و ضریب ممنتم تطبیقی1 (BPALM)
شکل(6). – منحنی یادگیری الگوریتم BPALM در مسأله XOR
- تغییرات نرخ یادگیری
- تغییرات ضریب ممنتم
- تغییرات علامت1
شکل (7). منحنی یادگیری الگوریتم Delta Bar Delta Rule در مسأله XOR
- الگوریتم یادگیری Super SAB
شکل (8). منحنی یادگیری الگوریتم Super SAB برای مسأله XOR
2- الگوریتم پس انتشار خطا با سه ترم
آنالیز همگرایی
الف. تست پایداری جوری:
ب. شرط پایداری برای ماتریس D
تئوری (1):
حالت اول:
حالت دوم:
تئوری (3):
شکل (9). منحنی یادگیری الگوریتم BP دارای سه ترم، در مسأله XOR
شکل (10). منحنی یادگیری الگورتم GBP در مسأله XOR به ازای S=2 و S=1
- الگوریتم پس انتشار خطای بهبود پذیر1 (Rprop)
نتیجه گیری
مراجع
مرجع فارسی:


دانلود با لینک مستقیم


مقاله بهبود سرعت یادگیری شبکه های عصبی

دانلود پاورپوینت فصل یازدهم دستگاه عصبی بدن

اختصاصی از نیک فایل دانلود پاورپوینت فصل یازدهم دستگاه عصبی بدن دانلود با لینک مستقیم و پر سرعت .

دانلود پاورپوینت فصل یازدهم دستگاه عصبی بدن


دانلود پاورپوینت فصل یازدهم دستگاه عصبی بدن

دانلود پاورپوینت فصل یازدهم دستگاه عصبی بدن 

فرمت فایل: پاورپوینت

تعداد اسلاید:9

 

 

 

 

uدستگاه عصبی
uدستگاه عصبی مرکزی یا سامانه عصبی مرکزی بزرگترین بخش دستگاه عصبی است و دربرگیرنده مغز و طناب نخاعی است. مغز و نخاع توسط سازه‌های استخوانی و غشایی محافظت می‌شوند. مغز در محفظه درونی جمجمه نگهداری می‌شود و از مخ، مخچه و ساقه مغز تشکیل می‌گردد.رشته‌های عصبی مربوط به سامانهٔ عصبی مرکزی، رشته‌های عصبی نخاعی و مغزی هستند.دستگاه عصبی مرکزی را می‌توان به دو بخش مراکز زیرین (دربرگیرنده نخاع و ساقه مغز) و بالایی مغز بخش کرد. مراکز زیرین با مغز از راه رشته‌های عصبی در پیوند هستند.دستگاه عصبی مرکزی به همراه دستگاه عصبی پیرامونی، نقش بنیادینی در کنترل رفتار انسان دارد.
u دستگاه عصبی مرکزی پردازش اطلاعات و محاسبه
uحرکت مناسب در پاسخ به دریافت ورودی را بر عهده
u دارد.

دانلود با لینک مستقیم


دانلود پاورپوینت فصل یازدهم دستگاه عصبی بدن

دانلودتحقیق درمورد شبکه عصبی

اختصاصی از نیک فایل دانلودتحقیق درمورد شبکه عصبی دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 38

 

شبکه عصبی

مقدمه

در سالیان اخیر شاهد حرکتی مستمر از تحقیقات صرفاً تئوری به تحقیقات کاربردی در پردازش اطلاعات برای مسائلی که راه حلی برای آنها موجود نیست بوده ایم. با توجه به این حقیقت توجه زیادی به توسعه تئوریک سیستمهای دینامیکی هوشمند مدل- آزاد بر اساس داده های تجربی وجود دارد. شبکه های عصبی مصنوعی جزء آن دسته از سیستم های دینامیکی قرار دارند که با پردازش بر روی داده های تجربی دانش در ورای داده ها را به ساختار شبکه منتقل می کند. پیاده سازی ویژگیهای مغز در یک سیستم مصنوعی همیشه مورد توجه مطلوب بوده است کافی نبودن دانش موجود خود سبب انگیزش و پژوهش های بیشتر در این زمینه بوده و خواهد بود.

مبحث Pattern Fecognation شناسایی الگو را می توان به سه صورت زیر ارائه کرد:

آماری Statistical

فازی Fuzzy

شبکه های عصبی Neural Network

در روش آماری درصد خطا بالا می باشد به همین دلیل در پروژه فوق از دو روش Fuzzy و Neural Network استفاده شده که شبکه طراحی شده به Fuzzy Min- Max Classification Neural Network معروف می باشد که در آن درصد خطا بسیار پائین می باشد.

بدلیل اینکه ابتدا الگوهای ورودی با استفاده از مجموعه های فازی در گروههای خود تنظیم می شوند و سپس با استفاده از شبکه عصبی خرجی مطلوب را بدست می دهد.

انگیزه های بیولوژیکی شبکه های عصبی

مغز به عنوان یک سیستم پردازش اطلاعاتی با ساختار موازی از 100 تریلیون و نرون به هم مرتبط با تعداد کل ارتباط تشکیل شده است نرونها ساده ترین واحد ساختار سیستم های عصبی هستند. بافتهایی که عصب نامیده می شوند اجتماعی از نرونها می باشند. این نرونها اطلاعات و پیامها را از یک قسمت بدن به قسمت دیگر منتقل می کنند پیامها از نوع ایمپالسهای الکتروشیمیایی هستند.

بیشترین تعداد نرونها در مغز و مابقی در نخاع و سیستم های عصبی جانبی تمرکز یافته اند گرچه همگی نرونها کارکرد یکسانی دارند ولی اندازه و شکل آنها بستگی به محل قرار گیری آنها در سیستم عصبی دارد. بیشتر نرونها از سه قسمت اساسی تشکیل شده اند.

بنده سلول: که شامل هسته و قسمت های حفاظتی دیگر می باشد.

دندریت

اکسون

که دندریت ها و اکسون ها عناصر ارتباطی نرون را تشکیل می دهند.

دندریتها به عنوان مناطق دریافت سیگنالهای الکتریکی، شبکه هایی تشکیل یافته از فیبرهای سلولی هستند که دارای سطح نامنظم و شاخه های


دانلود با لینک مستقیم


دانلودتحقیق درمورد شبکه عصبی

دانلود پاورپوینت دستگاه عصبی مغز و نخاع

اختصاصی از نیک فایل دانلود پاورپوینت دستگاه عصبی مغز و نخاع دانلود با لینک مستقیم و پر سرعت .

دانلود پاورپوینت دستگاه عصبی مغز و نخاع


دانلود پاورپوینت دستگاه عصبی مغز و نخاع

دانلود پاورپوینت دستگاه عصبی مغز و نخاع

پاورپوینت

45 اسلایدی

 ...   مخ یا قسمت بالایی مغز با ترک عمیقی که بنام شیار طولی خوانده می‌شود، به دو بخش تقسیم می‌گردد. شیار طولی مخ را به دو نیمکره چپ و راست تقسیم می‌کند. در داخل این دو نیمکره پوسته مغزی، گانگالیای بنیانی و سیستم لیمبیک قرار دارند. دو نیمکره بدست یک رشته فیبرهای عصبی که جسم پینه‌ای )کورپس کالوسم) نامیده می‌شوند به هم متصلند. نیمکره سمت راست مسوول سمت چپ بدن است و درباره نیم‌کره چپ عکس این قضیه صادق است. هرکدام از دو نیمکره به چهار

بخش مجزا تقسیم می‌شوند...


دانلود با لینک مستقیم


دانلود پاورپوینت دستگاه عصبی مغز و نخاع