عرض القائمة
الرئیسیة
البحث المتقدم
قائمة المکتبات
حول الموقع
اتصل بنا
نشأة
ورود / ثبت نام
عنوان
پیاده سازی کنترل کننده عصبی LEF با استفاده از شبکه عصبی راف و الگوریتم ژنتیک
پدید آورنده
سلیمانی، محمد مهدی,خسروی، رضا
موضوع
مهندسی برق,برق
رده
کتابخانه
كتابخانه مركزي و مركز اسناد دانشگاه صنعتي خواجه نصير الدين طوسى
محل استقرار
استان:
طهران
ـ شهر:
طهران
تماس با کتابخانه :
88881052
-
88881042
-
021
ف
سلیمانی، محمد مهدی
خسروی، رضا
پیاده سازی کنترل کننده عصبی LEF با استفاده از شبکه عصبی راف و الگوریتم ژنتیک
تهران
۵۹ ص.
محمد تشنه لب
کارشناسی
صنعتی خواجه نصیرالدین طوسی
۱۳۹۵
کنترل
اگر قادر به ایجاد تئوری دقیق درباره ی ذهن باشیم، آن گاه قادر خواهیم بودکه این تئوری را به برنامه کامپیوتری تبدیل کنیم. اگر ورودی/ خروجی و زمانبندی با رفتار انسان تطبیق داشته باشد، گواهی بر آن دارد که برخی مکانیزم های برنامه در رفتار انسان هم عمل خواهد کرد. فلسفه ی اصلی شبکه های عصبی مصنوعی، مدل کردن ویژگیهای پردازشی مغز انسان برای تقریب زدن روشهای معمول محاسباتی با روش پردازش زیستی است. به بیان دیگر، شبکه عصبی مصنوعی روشی است که دانش ارتباط بین چند مجموعه داده را از طریق آموزش فراگرفته و برای استفاده در موارد مشابه ذخیره میکند. شبکه های عصبی مصنوعی تا حد زیادی الهام گرفته از سیستم های یادگیر طبیعی هستند که در آن ها یک مجموعه پیچیده از نورون های به هم متصل در کار یادگیری دخیل هستند. انواع مختلفی از مدل های محاسباتی تحت عنوان کلی شبکه های عصبی مصنوعی معرفی شده اند که هریک برای دسته-ای از کاربردها قابل استفاده اند و در هرکدام، از وجه مشخصی از قابلیت ها و خواص مغز انسان الهام گرفته شده است. امروزه به قدری استفاده از سیستم های هوشمند به ویژه شبکه ی عصبی مصنوعی گسترده شده است که می توان این ابزارها را، در ردیف عملیات پایه ی ریاضی و به عنوان ابزارهای عمومی و مشترک طبقه بندی کرد. چرا که کمتر رشته ی دانشگاهی است که نیازی به تحلیل، تصمیم-گیری، تخمین، پیش بینی، طراحی و ساخت داشته باشد و در آن از موضوع شبکه های عصبی استفاده نشده باشد. در این پایان نامه از ساختار کنترلی آموزش پسخور خطا استفاده خواهیم کرد. شبکه عصبی به کار رفته از نوع توابع راف و PLM می باشد که به روش پس انتشارخطا و به کمک الگوریتم گرادیان نزولی تعلیم داده می شوند. نکته قابل توجه در ارتباط با روش آموزش پس خور خطا در مقایسه با استراتژی های کنترلی دیگر شبکه های عصبی ، عدم نیاز به ژاکوبین سیستم با استفاده از آموزش عمومی است. هم چنین در این پروژه برای تعیین ضرایت ثابت کنترلر DP نیز از الگوریتم ژنتیک بهره می-بریم.
پرسپترون
راف
شناسایی
آموزش عمومی
الگوریتم ژنتیک
مهندسی برق
برق
پ
محمد مهدی سلیمانی، رضا خسروی
استاد راهنما: تشنه لب، محمد
۹۰۳۳
CF
دانشکده برق
الاقتراح / اعلان الخلل
×
الاقتراح / اعلان الخلل
×
تحذیر!
دقق في تسجیل المعلومات
اعلان الخلل
اقتراح