رهیافتی از الگوریتم ژنتیک در شبکه های بولی تصادفی
چکیده
چکیده‌ای برای این سند ثبت نشده است.
پایان‌نامه‌های مشابه
بررسی مقایسه ای بین مدل ترکیبی الگوریتم ژنتیک- شبکه عصبی مصنوعی (ann-ga) و مدل تابع تفکیکی درجه دوی تعدیل شده (sqdf) برای شناسایی دستکاری قیمت سهام . در شرکت های پذیرفته شده در بورس اوراق بهادار تهران
پژوهش حاضر به بررسی و شناسایی دستکاری قیمت سهام در شرکت های پذیرفته شده در بورس اوراق بهادار تهران پرداخته است. این پژوهش مدل ترکیبی از الگوریتم ژنتیک ( ga) و شبکه عصبی مصنوعی ( ann) را برای شناسایی دستکاری قیمت سهام ارائه داده و نتایج آن را با نتایج مدل تابع تفکیکی درجه دوی تعدی
مقایسه روش های مختلف بهینه سازی در ارائه منحنی فرمان سد شهرچای (شبکه عصبی، الگوریتم ژنتیک، شبکه فازی)
بهره¬برداری بهینه سیستم مخازن به عنوان یکی از با اهمیت¬ترین منابع ذخیره آب سطحی یکی از مهم¬ترین مباحث مطرح در حوزه منابع آب می¬باشد. یکی از دلایل ضعف عملکرد پروژه¬های بهره-برداری بهینه از منابع آب، مشکلات برنامه¬ریزی درست در توزیع مناسب آن به منظور تامین نیاز آبی در بخش¬های مختلف
مقایسه عملکرد شبکه های عصبی مصنوعی انتشار متقابل ، آموزش دیده با زوج های تصادفی و زوج های ناشی از الگوریتم ژنتیک
هدف اصلی از این تحقیق ، بهبود توانایی پاسخ شبکه عصبی انتشار متقابل در تحلیل و بهینه سازی سازه ها می باشد. برای رسیدن به آن تغییری در ضرایب اموزش داده شده که در نتیجه عملکرد بهتری حاصل گردیده است. شبکه با دو روش متفاوت آموزش داده می شود: زوج های آموزشی تولید شده تصادفی و ژنتیکی بر
بهینه سازی شبکه های انتقال آب توسط الگوریتم ژنتیک و منطق فازی
در این پایان نامه، طراحی بهینه ی شبکه های انتقال آب با استفاده از الگوریتم ژنتیک و سپس تلفیق این الگوریتم بهینه ساز با سیستم تصمیم گیری فازی (الگوریتم ژنتیک- فازی) بررسی شده است. الگوریتم ژنتیک به عنوان یکی از روش های تکاملی بهینه ساز، طراحی بهینه شبکه هایی در ابعاد واقعی و همراه
بهینه سازی شبکه آب خام برای توسعه پایدار فضای سبز به کمک الگوریتم ژنتیک چند هدفه در محیطgis
فضای سبز شهری در تعدیل آلودگیهای زیست محیطی موثر بوده و در تامین محیط سالم برای شهروندان نقش موثری دارد. در عین حال یکی از موانع اصلی موجود در گسترش فضاهای سبز شهری، توزیع نامناسب مکانی و زمانی آب مورد آبیاری می باشد. لذا در این رساله جانمایی مناسب منابع آب منطقه مورد مطالعه با ا
کاربرد الگوریتم ژنتیک در بهینه سازی پارامترهای ورودی بی بعد به مدل شبکه های عصبی مصنوعی جهت پیش بینی انتقال بار معلق رودخانه های آبرفتی (مطالعه موردی رودخانه کارون)
از آنجا که برآورد دقیق حجم رسوبات، مهم ترین عامل در ساماندهی رودخانه ها ، بهره برداری از منابع آب و تعیین عمر مفید سدها می باشد، لذا، استفاده از روش هائی با دقت و مناسب جهت محاسبه بار رسوب از مهم ترین اهداف پروژه های مرتبط با رسوب محسوب می شود. با توجه به این مسئله روش های هوشمند
اسناد مشابه
بررسی تجربی و مدل‌سازی فرآیند خشک شدن صمغ دانه بالنگو با خشک‌کن فروسرخ به روش الگوریتم ژنتیک- شبکه عصبی مصنوعی
از روش بهینه‌سازی الگوریتم ژنتیک می‌توان برای غلبه بر محدودیت‌های ذاتی شبکه عصبی مصنوعی استفاده کرد. روش الگوریتم ژنتیک- شبکه عصبی مصنوعی دارای قابلیت بالایی برای یافتن مقدار بهینه یک تابع هدف پیچیده است. در این مطالعه ابتدا جهت خشک‌کردن صمغ دانه بالنگو، از یک خشک‌کن فروسرخ استفا
مقایسه کارایی الگوریتم DDS با الگوریتم ژنتیک و تکامل تصادفی جوامع در بهینه‌سازی پارامترهای مدل هیدرولوژیکی یکپارچه HyMod
در دهه‌های اخیر مدل‌های هیدرولوژیکی کاربرد گستردهای در شبیه‌سازی فرایند بارش رواناب یافته‌اند. این مدل‌ها دارای مقادیر پارامترهای ثابت هستند که نیاز است با روش مناسب، مقادیر آنها بهینه شوند. در واقع، کارایی مدل‌های هیدرولوژیک علاوه بر ساختار آنها به مقادیر بهینه پارام
مدل‌سازی خشک‌کردن توت سیاه با سامانه مادون‌قرمز به روش الگوریتم ژنتیک- شبکه عصبی مصنوعی
شاه توت سرشار از پلی فنلها و آنتوسیانینها است که خشک‌کردن و نگه‌داری آن میتواند ارزشمند باشد. استفاده از تابش مادون قرمز به‌عنوان یک روش مناسب در خشک‌کردن میتواند باعث کاهش زمان خشک‌کردن و کاهش هزینه‌های فرایند میشود. اثر توانهایw 120، 180، 240 لامپ مادون قرمز، فاصلههای cm 5، 10
ارائه رویکردی نوین در بخشبندی تصاویر دیجیتال به‌وسیله الگوریتم ژنتیک و جنگل تصادفی
در این پژوهش رویکردی نوین برای بخشبندی تصویر بر اساس الگوریتم ژنتیک و جنگل تصادفی معرفی میشود. در بخشبندی تصویر سعی میشود، اجزای مختلف تصویر از یکدیگر جدا شوند. در این فرایند به‌تمامی پیکسل‌های داخل تصویر برچسبی داده‌می‌شود؛ به‌نحوی که پیکسل‌های با برچسب یکسان ویژگی‌های مشترک
مدل سازی خشک کردن اسمزی زردآلو با استفاده از الگوریتم ژنتیک - شبکه عصبی مصنوعی
ایران از نظر تولید زردآلو در جهان مقام دوم را دارد و مطالعه عوامل موثر بر خشک کردن این میوه و مقدار تاثیر آنها امری ضروری می باشد. لذا در این مطالعه تاثیر دمای محلول اسمزی در محدوده °C 25 تا °C 65، در مدت زمان 30 تا 120 دقیقه و غلظت محلول اسمزی در محدودۀ 30 تا 60 درصد (وزنی/وزنی)
مدل سازی خشک کردن اسمزی زردآلو با استفاده از الگوریتم ژنتیک - شبکه عصبی مصنوعی
ایران از نظر تولید زردآلو در جهان مقام دوم را دارد و مطالعه عوامل موثر بر خشک کردن این میوه و مقدار تاثیر آنها امری ضروری می باشد. لذا در این مطالعه تاثیر دمای محلول اسمزی در محدوده °c 25 تا °c 65، در مدت زمان 30 تا 120 دقیقه و غلظت محلول اسمزی در محدودۀ 30 تا 60 درصد (وزنی/وزنی)