دانلود پایان نامه شبکه های عصبی و کاربرد آن در کامپیوتر

اختصاصی از فایلکو دانلود پایان نامه شبکه های عصبی و کاربرد آن در کامپیوتر دانلود با لینک مستقیم و پر سرعت .

شبکه‌های عصبی مصنوعی از مباحث جدیدی است که دانشمندان علوم کامپیوتر به آن علاقمند شده‌اند و برای پیشرفت هرچه بیشتر علوم کامپیوتر وقت و هزینه بسیاری را صرف آن کرده و می‌کنند. این موضوع با ایده گرفتن از سیستم عصبی بدن انسان و با هدف شبیه‌سازی هرچه بیشتر کامپیوتر به انسان شکل گرفت و تا حال به خوبی پیشرفته است. از جمله کاربردهای این بحث می‌توان از شناسایی الگوها, پردازش تصویر و رویت, هوش مصنوعی, کنترل رباتها و موارد بسیار دیگر نام برد. ما در این مقاله پس از مقدمه به مسائل در خور شبکه‌های عصبی مصنوعی و نیز کاربردهای آن خواهیم پرداخت.

فهرست مطالب

چکیده

فصل اول مقدماتی درباره شبکه های عصبی

1-1-مقدمه

1-2-تاریخچه

1-3-کاربرد های شبکه های عصبی

1-4-الهام از طبیعت

فصل دوم دانستنی های ساختار مغز

2-1-مقدمه

2-2-ساختار مغز

2-3-یادگیری در سیستم های بیولوژیک

2-4-سازمان مغز

2-5-یادگیری در ماشین ها

2-6-تفاوت ها

2-7-شباهت ها

فصل سوم بازشناسی الگوها

3-1- مقدمه.

3-2- چشم انداز طرح شناسی

3-3- تعریف بازشناسی الگوها

3-4- بردارهای مشخصات و فضای مشخصات

3-5- توابع تشخیص دهنده یا ممیز

3-6- فنون طبقه بندی

3-7- شبکه عصبی زیستی

3-8- معرفی شبکه عصبی مصنوعی

3-9- چرا از شبکه های عصبی استفاده می کنیم؟

3-10- شبکه‌های عصبی در مقایسه با کامپیوترهای سنتی

فصل چهارم ساختار شبکه عصبی -آشنایی با نورون ها

4-1-مقدمه

4-2-ساختار شبکه عصبی

4-3- تقسیم بندی شبکه‌های عصبی

4-4- معایب شبکه های عصبی

4-5- روش کار نورون ها

4-6- مدل ریاضی

4-7- پیاده سازی های الکترونیکی نرون های مصنوعی

فصل پنجم کاربردهایی از شبکه های عصبی

5-1- مقدمه

5-2-کاربرد شبکه‌های عصبی

5-3-کاربردها

5-3-1- شبکه ی گویا

5-3-2-برنامه ریزی فروش بلیط هوا پیما

5-3-3-فیلتر کردن اغتشاش ای - سی - جی (ECG)

5-3-4-کاربرد های مالی

5-3-5- بازشناسی الگوها

فصل ششم شبکه‌های خودسازمان‌ده کوهونن

6-1- مقدمه

6-2- مفهوم خودسازمان‌دهی

6-3- شرحی مختصر

6-4- توجیه بیولوژیکی

6-5- تعیین مقادیر اولیه‌ی ضرایب وزنی

6-6-همسایگی

6-7- کاهش شعاع همسایگی

6-8-توابع چگالی نقطه‌ای

6-9- ماشین تحریر صوتی

6-9-1-پیش پردازش

6-9-2- نقشه‌های کمکی

6-9-3- پس پردازش

6-9-4- عملکرد

سیمولینک و اعمال شبکه عصبی برای کنترل سرعت موتور ELLIPTEC

اختصاصی از فایلکو سیمولینک و اعمال شبکه عصبی برای کنترل سرعت موتور ELLIPTEC دانلود با لینک مستقیم و پر سرعت .

 

موتور های آلتراسونیک به علت غیر خطی بودن و حساس بودن به شرایط محیطی بهتر است توسط روش های هوشمند مانند شبکه عصبی مدل شوند. با استفاده از روش مرحله ای می توان لبه های تیز نمودار سرعت به فرکانس را از بین برد.

با استفاده از روش شبکه عصبی GMDH، بدون آنکه نیازی به پارامتر های ریاضی موتور باشد، میتوان سرعت موتور را کنترل نمود. این قسمت از دو شبکه عصبی تشکیل شده که قسمت اول شناسایی کننده این موتور و قسمت دوم کنترل کننده موتور است.

در هر کدام از این شبکه ها می توان با استفاده از تغییر در پارامتر های شبکه از جمله تغییر تعداد لایه های پنهان و ... کنترل کننده دقیق تری به دست آورد و همچنین استفاده از کنترل کننده فازی تک ورودی که ورودی کنترل کننده، خطای بین سرعت واقعی و سرعت مطلوب است می توان سرعت موتور را در حد مطلوبی کنترل کرد.

برای از بین بردن اعوجاج در زمانی که ورودی اغتشاش به موتور اعمال می شود، می توان از کنترل کننده فازی با دو ورودی که ورودی اول عبارت است از: اختلاف بین خروجی سرعت موتور و سرعت مورد نظر و ورودی دوم آهنگ تغییرات این اختلاف است. در مقایسه با روش کنترل شبکه عصبی، کنترل فازی ساده تر و با پیچیدگی های کمتر است که در زمینه کنترل موتور الیپتک مناسب تر به نظر می رسد.

 

این کتاب الکترونیکی در قالب فلش و آماده ارائه در جلسات شامل مطالب زیر می باشد:

 

فهرست مطالب:

 

فصل اول: مقدمه

مدل موتور بر اساس تحلیل امواج

مدل الکتریکی موتور

مدل طرح محدود

فصل دوم: تئوری پیرو الکتریک

مقاومت پیزو

پیزوالکتریک

موتور آلتراسونیک

موتور موجی آلتراسونیک

اصول کار موتور موجی آلتراسونیک

موتورهای ناخنی شکل

موتور الیپتک

تأثیر دما بر سرعت موتور الیپتک

تأثیر فرکانس بر سرعت موتور الیپتک

تأثیر گشتاور (بار) بر سرعت موتور الیپتک

درایو موتور الیپتک

درایو موتور با استفاده از سیگنال ژنراتور

درایو موتور با استفاده از میکروکنترلر

درایو موتور با استفاده از dspace

فیدبک گرفتن از سرعت

فیدبک جریان

روش نوری

بینایی تصویر

مزیای موتور های آلتراسونیک

معایب موتور های آلتراسونیک

فصل سوم: مدلسازی موتور الیپتک

مدل الکتریکی موتور الیپتک

مدلسازی موتور الیپتک با استفاده از روش GMDH

اثر دما

اثر فرکانس

اثر ولتاژ

مدل موتور با در نظر گرفتن تشابه نمودار سرعت فرکانس در ولتاژ های مختلف

مدل موتور با استفاده از روش مرحله ای

برنامه متلب برای روش مرحله ای

فصل چهارم: شبیه سازی موتور الیپتک

شبیه سازی اثر فرکانس ورودی

شبیه سازی اثر ولتاژ

مقایسه خروجی موتور مدل شده و واقعی در گشتاور و ولتاژ ثابت

مقایسه خروجی موتور مدل شده و واقعی در فرکانس و گشتاور ثابت

مقایسه خروجی موتور مدل شده و واقعی در در شرایط فرکانس و ولتاژ ثابت

فصل پنجم: شبکه عصبی و استفاده از آن در کنترل سرعت موتور الیپتک

تاریخچه شبکه های عصبی

شبکه های عصبی بازگشتی

آموزش شبکه

آموزش نظارت شده

آموزش غیر نظارت شده

معرفی الگوریتم شبکه های عصبی از نوع GMDH

تشریح ماهیت شبکه های عصبی از نوع GMDH

الگوریتم GMDH

مبنای ریاضی الگوریتم

معرفی الگوریتم GMDH بر اساس تئوری و آنالیز مدلسازی سیستم ها

مدلسازی سیستم های جزئی

شبکه های عصبی GMDH

ویژگی های عمومی شبکه های GMDH

طراحی ساختار های گوناگون برای شبکه های GMDH

کنترل سیستم های غیر خطی با استفاده از شبکه عصبی

کنترل کننده مدل مبنا

کنترل سرعت موتور الیپتک با استفاده از شبکه عصبی

شناسایی کننده سرعت

کنترل کننده سرعت

استفاده از بلوک mrc برای کنترل سرعت موتور الیپتک

 

پیش بینی قیمت بازار برق با استفاده از شبکه های عصبی

اختصاصی از فایلکو پیش بینی قیمت بازار برق با استفاده از شبکه های عصبی دانلود با لینک مستقیم و پر سرعت .

چکیده 1
مقدمه 2
فصل اول : کلیات 3
1-1 ) هدف 4
2-1 ) فاکتورهای تاثیر گذار بر قیمت 6
3-1 ) فرار بودن قیمت 7
4-1 ) انواع پیش بینی قیمت 8
5-1 ) انوع کاربران پیش بینی قیمت 9
6-1 ) روشهای سنتی برای حل مساله پیش بینی کوتاه مدت قیمت 11
1-6-1 ) مدل سری های زمانی 11
2-6-1 ) مدل رگرسیون 14
3-6-1 ) سیستم های هوشمند 14
7-1 ) ساختار پایان نامه 15
فصل دوم : مقدمه ای بر شبکه عصبی و الگوریتم ژنتیک 16
1-2 ) شبکه عصبی 17
2-2 ) ساختار شبکه عصبی مصنوعی 19
3-2 ) شبکه پرسپترون چند لایه 23
4-2 ) فرایند یارگیری 24
1-4-2 ) الگوریتم پس انتشار 26
2-4-2 ) الگوریتم پس انتشار ارتجاعی 32
5-2 ) کاربرد شبکه عصبی مصنوعی در سیستم های قدرت 33
6-2 ) الگوریتم ژنتیک 35
7-2 ) ساختار الگوریتم ژنتیک 37
1-7-2 ) افراد یا کروموزوم ها 34
2-7-2 ) جمعیت 37
3-7-2 ) کد گذاری کروموزوم ها 38
4-7-2 ) تعیین جمعت اولیه 39
5-7-2 ) تابع هدف 39
6-7-2 ) انتخاب 40
7-7-2 ) تقاطع 42
8-7-2 ) جهش 44
9-7-2 ) اعمال قیود در بهینه سازی 44
فصل سوم : طراحی شبکه عصبی بهینه شده توسط الگوریتم ژنتیک 46
الف) شبکه بدون اجرای الگوریتم ژنتیک 47
1-3 ) مقدمه 47
2-3 ) بازار برق نوردیک 48
3-3 ) طراحی شبکه عصبی 52
4-3 ) درصد خطای مطلق 57
5-3 ) حد بالای قیمت 59
6-3 ) تعداد نرونهای لایه پنهان 61
7-3 ) رابطه بار با قیمت 62
8-3 ) اصلاح داده ها جهت آموزش 66
ب) بهینه سازی شبکه عصبی مصنوعی توسط الگوریتم ژنتیک 70
9-3 ) تعیین نرونهای لایه پنهان با استفاده از الگوریتم ژنتیک 70
10-3 )شبیه سازی و ابزار آن 74
فصل چهارم:مقایسه روش رگرسیونی با شبکه عصبی بهینه شده با الگوریتم ژنتیک 76
1-4 )مقدمه 77
2-4 ) تحلیل رگرسیونی 77
فصل پنجم : نتیجه گیری و پیشنهادات 80
نتیجه گیری 81
پیشنهادات 82
84 پیوست 1
86 پیوست 2
مراجع فارسی 87
مراجع انگلیسی 88
سایت های اطلاع رسانی 89
چکیده انگلیسی 90

شبیه سازی روش فازی عصبی بر روی پایدار سازی ولتاژSVC همراه گزارش و مقاله شبیه سازی شده

اختصاصی از فایلکو شبیه سازی روش فازی عصبی بر روی پایدار سازی ولتاژSVC همراه گزارش و مقاله شبیه سازی شده دانلود با لینک مستقیم و پر سرعت .

شبیه سازی روش فازی عصبی بر روی پایدار سازی ولتاژSVC

پایداری ولتاژ یعنی توانایی سیستم قدرت در نگهداری ولتاژ در نقاط مختلف شبکه در محدوده ی قابل قبول .به این موضوع شاید صنعتگران و محققان و بهره برداران شبکه قدرت به اندازه ی پایداری زاویه بار و فرکانس توجه نکرده اند و نمی کنند،ولی در سالهای اخیر مخصوصا بعد از چندین واقعه مهم ،به ناپایداری ولتاژ بیشتر توجه می شود. هر چند که ناپایداری ولتاژ و ناپایداری زاویه بار در یک سیستم قدرت به هیچ وجه از هم مستقل نیستند ،همانطور که در مطالعات دینامیکی سیستم های قدرت و در صنعت در این دو هم مستقل از هم بررسی می شوند.وقتی یک سیستم قدرت پس از یک اغتشاش شدید به سمت ناپایداری برود،تمایز دقیق بین ناپایداری زاویه ی بار و ناپایداری ولتاژ ممکن نیست،زیرا در یک سیستم ناپایدار،تمام متغییرها تحت تاثیر قرار گرفته و از نقطه تعادل خود فاصله می گیرند ولی بسته به اینکه کدام یک از دو متغییر اصلی ،زاویه بار و ولتاژ ،ابتدا از محدوده مجاز خود خارج شوند ،می توان ناپایداری را به یکی از این دو نسبت داد. عامل اصلی ناپایداری ولتاژ ،ناپایداری سیستم در مقابل تقاضای بار راکتیو است.اگر این تقاضا پاسخ داده نشود ولتاژ افت پیدا می کند.اگر این افت به حدی باشد که بعضی رله های زیر ولتاژ عمل نمایند و بعضی واحد های تولیدی خارج شوند،افت ولتاژ بیشتر می شود و این باعث خارج شدن تعداد دیگری از واحد ها می شود و این پدیده ادامه می یابد تا شبکه به چند جزیره تبدیل شود. این پدیده را فروپاشی ولتاژ می نامند. یکی از راههای جلوگیری از این پدیده این است که همواره توان واکنشی زیادی در همه جای شبکه ذخیره شود . کنترل ولتاژ در یک شبکه قدرت همواره یکی از مهمترین چالش های صنعت برق بوده است . بنابراین در این پروژه به لزوم طراحی و ساخت جبرانسازهای توان راکتیو جبرانسازهای توان راکتیو از جمله, SVC پرداخته شده است.

دانلود پروژه آزمایش بر روی سیستم عصبی اتونوم

اختصاصی از فایلکو دانلود پروژه آزمایش بر روی سیستم عصبی اتونوم دانلود با لینک مستقیم و پر سرعت .

سیستم عصبی اتونوم یک شبکه عصبی وسیع است که نقش اصلی آن تنظیم محیط داخلی توسط کنتبف هموستاز و فعالیت‌های احشایی است. با وجودی که اکثر فعالیت‌های سیستم اتونوم خارج از کنترل اداری می‌باشند، عواطف و ورودی‌های سوماتولنسوری بطور قابل توجهی سیستم اتونوم را تحت تأثیر قرار می‌دهند. با بررسی تغییرات برجستة وازوموتور و سودوموتور پس از آسیب تروماتیک به اعصاب، این که سیستم اتونوم نقش مهمی در تعدیل و درک درد دارد مدتها قبل شناخته شده بود. با وجود شک و ابهامی که در رابطه با اهمیت نقش سیستم عصبی سمپاتیک در ایجاد و تداوم درد وجود دارد، متخصصان درد همیشه در جستجوی وسایل و راههایی برای مطالعه و بررسی سیستم اتونوم بوده‌اند.

این فایل کاملا اصلاح  شده و شامل : صفحه نخست ، فهرست مطالب و متن اصلی می باشد و با فرمت ( word ) در اختیار شما قرار می گیرد.
(فایل قابل ویرایش است )
تعداد صفحات:18