حل برخی مسایل محدب در یادگیری ماشین با رویکرد شبکه های عصبی بازگشتی

شبکه عصبی بازگشتی برای حل رده ای از مسایل بهینه سازی نامحدب

در این پایان نامه یک شبکه عصبی برای حل مسایل بهینه سازی نامحدب پیشنهاد می دهیم. ابتدا مساَله بهینه سازی نامحدب را در همسایگی جواب بهینهء با روش توانp به یک مساَله بهینه سازی محدب تبدیل می کنیمء سپس یک سیستم دینامیکی برای حل مساَله تغییریافته ارایه می دهیم. در این جا نشان می دهیم

حل عددی مسائل برنامه ریزی محدب غیر خطی با بکارگیری شبکه عصبی بازگشتی

طراحی یک شبکه ی عصبی بازگشتی تک لایه برای بهینه سازی شبه محدب مقید و کاربردهای آن برای بهینه سازی سبد کالای پویا

یکی از مهمترین کاربرد های شبکه های عصبی استفاده از آن ها در حل مسائل بهینه سازی است. در سالهای گذشته شبکه های بسیاری برای حل مسائل بهینه سازی طرح شده اند. در این پایان نامه یک شبکه ی عصبی بازگشتی تک لایه برای حل مسائل بهینه سازی شبه محدب با قیود کران دار خطی و قیود مساوی خطی ارائ

پردازش جریان های داده با به کارگیری یادگیری تقویتی در شبکه ی عصبی بازگشتی

در این پایان نامه تلاش شده تا طرحی برای شبکه های عصبی مصنوعی ارائه شود که هم از نظر ساختار، هم به لحاظ فرآیند آموزش و هم از جهت پذیرش انواع گوناگون داده های ورودی به شبکه های عصبی زیستی شباهت داشته باشد. در نتیجه طرحی برای به کارگیری یادگیری تقویتی در شبکه های عصبی بازگشتی ساخته

برآورد ابعاد فرم بستر با استفاده از شبکه عصبی و رویکرد ماشین برداری پشتیبان

به ناهمواری های ایجاد شده در بستر رودخانه های آبرفتی در اثر حرکت جریان، فرم بستر گفته می شود. فرم بستر تاثیر مستقیم و مهمی روی زبری بستر، مقاومت در مقابل جریان و پروفیل سطح آب دارد. بنابراین شناخت هرچه بیشتر فرم بستر از اهمیت خاصی در مهندسی رودخانه برخوردار است. روش های تجربی متع

مدلسازی پیش‌بینی جهش‌های شاخص بازار سهام بر اساس رویکرد شبکه عصبی بازگشتی یادگیری عمیق

هدف از انجام این پژوهش بررسی دقت پیش‌بینی جهش‌های شاخص سهام بر اساس روش‌های مختلف یادگیری ماشین در بورس اوراق بهادار تهران است. برای رسیدن به این هدف، در گام نخست جهش‌های شاخص کل بورس اوراق بهادار تهران طی دوره 1392 تا 1399 بر اساس رویکرد ARJI-GARCH استخراج گردید. در گام بعدی، با

برآورد دمای خاک از داده‌های هواشناسی با استفاده از مدل‌های یادگیری ماشین سریع، شبکه عصبی مصنوعی و رگرسیون خطی چندگانه

دمای خاک عامل کلیدی است که فرآیندها و خصوصیات فیزیکی، شیمیایی و بیولوژیکی خاک را کنترل می­کند؛ لذا بر کمیت و کیفیت تولید محصولات کشاورزی تأثیر می­گذارد. هدف از انجام این پژوهش برآورد دمای خاک با استفاده از پارامترهای هواشناسی به روش­های مختلف ماشین یادگیری بوده است. بدین منظور دا

تعیین ریسک‌اعتباری مشتریان موسسات بیمه اعتبار‌صادراتی در صندوق ضمانت صادرات ایران با استفاده از روش‌های یادگیری ماشین و شبکه عصبی

یکی‌‌از‌مهمترین‌مسائلی‌که مؤسسات‌‌مالی و اعتباری با‌آن مواجه‌می‌باشند،‌احتمال عدم‌‌ایفای تعهدات از‌سوی دریافت‌کنندگان اعتبارات می‌باشد. با پیش‌بینی ریسک، ضمن برآورد حق‌بیمه و وثیقه‌مناسب، خسارات ناشی از نکول مشتری و هزینه‌پیگیری وصول‌مطالبات به طور معنی‌داری کاهش‌یافته و ضمن افزا

پیش‌بینی تغییر خط راننده در آزادراه‌ها با استفاده از شبکه عصبی بازگشتی با حافظه بلندمدت و ماشین بردار پشتیبان بر اساس داده‌های میکروسکوپی

تغییر خط یکی از مانورهای حیاتی در رانندگی است که نقش مهمی در ایمنی و روانی جریان ترافیک دارد. هدف این پژوهش، توسعه و مقایسه مدل‌های یادگیری ماشین برای پیش‌بینی کوتاه‌مدت تغییر خط رانندگان در آزادراه است. بدین منظور، از داده‌های میکروسکوپی مجموعه‌داده شبیه‌سازی نسل آینده (NGSIM) ا

مدلسازی دینامیکی مانور شناور سطحی مبتنی بر یادگیری عمیق با استفاده از شبکه عصبی بازگشتی

امروزه شناورهای بدون سرنشین سطحی در طیف وسیعی از عملیات‌های دریایی کاربرد دارند. طراحی سیستم کنترل و شبیه سازی مانور این دسته شناورها قبل از اجرای عملیات از اهمیت بالایی برخوردار است از این جهت لازم است تا مدل دینامیکی دقیقی برای هر شناور استخراج گردد. روش های متعددی برای دست یاب

پیش بینی خرابی و عیب یابی ماشین های تراش با رویکرد شبکه عصبی مصنوعی

دراین مقاله برای پیش بینی خرابی و عیب یابی ماشین های تراش از یک رویکرد ترکیبی استفاده شده است. سیستم پیشنهاد شده در این مقاله شامل 2 قسمت آنالوگ و دیجیتال است، که سیستم ترکیبی نام گذاری شده است. در این مدل پیشنهادی ، بخش آنالوگ توسط شبکه های عصبی و بخش دیجیتال توسط بلوک های تصمیم