شناسایی چهره با استفاده از شبکه عصبی rbf آموزش یافته توسط الگوریتم ژنتیک
چکیده
چکیده‌ای برای این سند ثبت نشده است.
پایان‌نامه‌های مشابه
تبدیل غیر خطی بهینه برای کاهش بعد فضای ویژگی تصاویر mr با استفاده از شبکه عصبی آموزش یافته توسط الگوریتم ژنی
در این پایان نامه، روشی برای کاهش بعد فضای ویژگی داده های تصاویر تشدید مغناطیسی مغز به سه بعد پیشنهاد می شود. این روش از شبکه عصبی پیشخورد غیر خطی برای تولید ویژگی های جدید استفاده می کند. بجای استفاده از روش استاندارد پس از انتشار خطا، پارامتر توسط الگوریتم ژنی به گونه ای تعیین
بررسی و پیش بینی عملکرد تصفیه خانه های فاضلاب با استفاده از مدل شبکه عصبی مصنوعی و بهینه سازی مدل توسط الگوریتم ژنتیک
دستیابی به طراحی دقیق و نیز راهبری صحیح تصفیه خانه های فاضلاب از جمله چالش های مهم در صنعت آب و فاضلاب کشور به شمار می آید. در بسیاری از موارد، این گونه معضلات ناشی از عدم دسترسی به اطلاعات و داده های دقیق پارامترهای کمی و کیفی فاضلاب ورودی جهت طراحی و مدول بندی تصفیه خانه می باش
بهینه سازی سبد سهام در بورس اوراق بهادار تهران با استفاده از شبکه های عصبی و مقایسه آن با الگوریتم ژنتیک
در این پژوهش مسأله بهینه سازی سبد سهام با توجه به اهمیت آن در بورس اوراق بهادار و نقش آن در تخصیص بهینه منابع مورد بررسی قرار گرفته است. مدل میانگین-واریانس مارکوویتز یکی از مدل هایی است که برای حل این مسأله مورد استفاده قرار می گیرد. هر چند این مدل از لحاظ نظری با فرمول های ریاض
بهینه سازی پاسخ شبکه عصبی کمیته ای در تخمین اشباع از آب مخزن توسط الگوریتم ژنتیک
یکی از پارامترهای بسیار مهم و کاربردی در مخازن هیدروکربنی، پارامتر اشباع از آب می باشد که به صورت درصد فضاهای خالی که توسط آب پر شده است تعریف می شود. در این تحقیق از شبکه های عصبی کمیته ای برای تخمین این پارامتر استفاده شده است. برای این کار از داده های 5 چاه واقع در یکی از میاد
بررسی کاربرد روش ترکیبی زمین آمار و شبکه های عصبی مصنوعی بهینه شده با الگوریتم ژنتیک در میانیابی سطح آب زیرزمینی.
از اساسی ترین موارد در مدیریت کمی منابع آب زیرزمینی تخمین سطح آب با استفاده از داده های برداشت شده از شبکه چاه های مشاهده ای می باشد. با توجه به برداشت سطح آب زیرزمینی در دشت ها به صورت نقطه ای در محل چاه های مشاهده ای، ضرورت دارد برای محاسبه مقدار متوسط سطح آب زیرزمینی در دشت و
فرایند های متفاوتی به منظور تبدیل گاز طبیعی به گاز سنتز به کار می روند که در این میان ریفرمینگ خشک متان به دلیل تبدیل گازهای گلخانه ای متان و co2 به مخلوط گاز سنتز با نسبت h2 به co تقریبا واحد در سال های اخیر توجه زیادی را به خود معطوف کرده است. در میان کاتالیست های مورد بررسی برای فرایند مذکور کاتالیست های با فاز فعال نیکل از لحاظ اقتصادی مقرون به صرفه بوده و فعالیت کاتالیستی خوبی دارند اما با گذشت زمان بر اثر رسوب ترکیبات کربن دار سریعا غیر فعال می شوند. به منظور فائق آمدن بر مشکل مذکور می توان از تقویت کننده های مختلف و روش های سنتز متفاوت بهره گرفت. در این مطالعه نانو کاتالیست های پروسکیتی با ساختار laxba1-xniycu1-yo3 به عنوان کاتالیست جدید برای فرایند ریفرمینگ خشک متان انتخاب و روش سل-ژل احتراقی سنتز گردید. هدف کار پژوهشی حاضر بهینه سازی شرایط تهیه کاتالیست برای رسیدن به کاتالیست بهینه برای فرایند مذکور می باشد. در جهت دستیابی به کاتالیست بهینه، طراحی کاتالیست با استفاده از سیستم هوشمند شبکه عصبی مصنوعی صورت گرفت. برای تولید پایگاه داده مورد نیاز برای مدلسازی، آزمایش با رویکرد رویه پاسخ (rsm) با در نظر گرفتن سه فاکتور (جزء مولی لانتانیوم، جزء مولی نیکل و دمای کلسیناسیون) موثر بر ساختار و عملکرد کاتالیست انجام شد. در نهایت کاتالیست های la0.91ba0.09ni0.91cu 0.09 o3 با دمای کلسیناسیو°c 640 به عنوان کاتالیست منتخب و la0.996ba0.004ni0.6cu 0.4 o3 به عنوان کاتالیست بهینه سازی شده توسط الگوریتم ژنتیک انتخاب شدند. برای بررسی ساختار و مورفولوژی و ارتباط آنها با فعالیت و پایداری کاتالیست ها به ترتیب از تکنیک های xrd و sem استفاده گردید.
فرایند های متفاوتی به منظور تبدیل گاز طبیعی به گاز سنتز به کار می روند که در این میان ریفرمینگ خشک متان به دلیل تبدیل گازهای گلخانه ای متان و co2 به مخلوط گاز سنتز با نسبت h2 به co تقریبا واحد در سال های اخیر توجه زیادی را به خود معطوف کرده است. در میان کاتالیست های مورد بررسی بر
اسناد مشابه
کاهش بعد داده های تصاویر تشدید مغناطیسی مغز با استفاده از شبکه عصبی آموزش یافته توسط الگوریتم ژنی
در این مقاله روشی برای کاهش بعد فضای ویژگی تصاویر تشدید مغناطیسی مغز به سه بعد جهت ایجاد امکان تجسم توزیع داده ها در فضا و بخشبندی تصاویر پیشنهاد میشود. از شبکه عصبی پیشخورد برای تولید ویژگی های جدید استفاده میشود. پارامترهای شبکه عصبی توسط الگوریتم ژنی بگونه ای تعیین میشوند که د
کاهش بعد داده های تصاویر تشدید مغناطیسی مغز با استفاده از شبکه عصبی آموزش یافته توسط الگوریتم ژنی
در این مقاله روشی برای کاهش بعد فضای ویژگی تصاویر تشدید مغناطیسی مغز به سه بعد جهت ایجاد امکان تجسم توزیع داده ها در فضا و بخشبندی تصاویر پیشنهاد میشود. از شبکه عصبی پیشخورد برای تولید ویژگی های جدید استفاده میشود. پارامترهای شبکه عصبی توسط الگوریتم ژنی بگونه ای تعیین میشوند که د
پایش وضعیت کمپرسورهای رفت و برگشتی با استفاده از شبکه عصبی احتمالی و بهینه‌سازی با الگوریتم ژنتیک
در این پژوهش، مدل ریاضی یک کمپرسور رفت و برگشتی دو مرحله‌ای و عیوب مرسوم برای استفاده به عنوان سیستم مورد پایش، شبیه‌سازی شده است. شبکه عصبی مورد استفاده شبکه عصبی احتمالی است که وظیفه اصلی آن طبقه بندی است. کلاس‌های طبقه‌بندی شامل یک کلاس کمپرسور سالم و هفت کلاس کمپرسور معیوب اس
استفاده از شبکه عصبی عمیق بهینه شده با الگوریتم ژنتیک برای بازشناسی رویدادهای ویدیوی فوتبال (در دست انتشار)
امروزه شبکه‌های عصبی به عنوان یکی از دقیق‌ترین روش‌های یادگیری ماشین، برای حل بسیاری از مسائل مورد بررسی و استفاده قرار می‌گیرند. با این حال، انتخاب پارامترهای مناسب مانند تعداد لایه‌ها و نورون‌ها در هر لایه بر دقت، کارایی و مدت زمان مورد نیاز برای آموزش این نوع روش‌ها بسیار موثر
کاربرد روش ترکیبی زمین آمار و شبکه عصبی مصنوعی بهینه شده با الگوریتم ژنتیک در تخمین سطح ایستابی (مطالعه موردی: دشت های دزفول و زیدون)
از آنجایی که برداشت آب از چاه‌های مشاهده‌ای موجود در دشت‌ها به صورت نقطهای انجام می‌گیرد، لذا ضرورت دارد به منظور محاسبه مقدار متوسط سطح آب زیرزمینی در دشت‌ها و تخمین سطح آب، اطلاعات حاصل از برداشت نقطهای به کل سطح تعمیم داده شود. هدف از انجام این پژوهش بررسی کاربرد روش ترکیبی
مکان یابی خطای اتصال کوتاه در خطوط انتقال جریان مستقیم ولتاژ بالا با استفاده از شبکه عصبی رگرسیون تعمیم یافته و الگوریتم جنگل تصادفی
این مقاله روشی مبتنی بر استراتژی های یادگیری ماشین برای حل مسئله مکان یابی خطا در خطوط انتقال جریان مستقیم ولتاژ بالا (hvdc) ارائه می دهد. در روش مکان یابی پیشنهادی، تنها از سیگنال ولتاژ پس از خطای اندازه گیری شده از یک پایانه برای استخراج ویژگی های موردنیاز بهره گیری می شود. در