ماهنامه بین المللی راه و ساختمان
 
    صفحه اول | English Page جمعه 27 اردیبهشت 1387  
 

ISSN 1735-5540

منو اصلی

بانک مقالات:
· جستجو در مقالات داخلي
· لیست کنفرانسهای داخلی
· جستجو در مقالات خارجي
بانک پروژه ها و تحقیقات
· پروژه ها و تحقیقات
· پروژه های محاسباتی
· پروژه های تحقیقاتی
· گزارش آزمایشگاه
· گزارش کارآموزی
· نمونه سوالات امتحانی
· نقشه های ساختمانی و جغرافیایی
بانک اطلاعاتی شرکتها
· جستجوی تخصصی شرکتها
· دایرکتوری شرکتهای عمرانی
· اعضای انجمنهای تخصصی
درباره سیویلیکا
· سیویلیکا در یک نگاه
· اهداف و ارزشها
· مدیران و مشاوران
· سیویلیکا در رسانه ها
· نمایندگیهای فروش
حمایت و پشتیبانی
· راهنمای سایت (نگارش 1.6)
· ارتباط با امور کاربران (پشتیبانی)
· دریافت نرم افزار FireFox
· دریافت نرم افزار AcrobatReader 8.1
· دریافت قلم های فارسی
واژه نامه تخصصی عمران
تقویم کنفرانسها
حمایت از کنفرانسها
لينك‌ها

[ گزارش اشكال در مقاله | بازگشت | جستجو | ليست كنفرانس‌ها ]

اطلاعات مقاله

[ اعتبار مورد نياز: 0 | تعداد صفحات: 1 | 19 بار مشاهده چكيده | 0 بار دريافت متن كامل ]

عنوان مقاله: LOAD FORCASTING USING ANALOGICAL FUZZY NEURAL NETWORK
سرفصل مربوط: INTELLIGENT SYSTEM
سال انتشار: 1375
نوع ارايه:
محل انتشار: [ يازدهمين كنفرانس بين المللي برق ]
زبان مقاله: انگليسي حجم فايل: 8.14 كيلوبايت

نمايش خلاصه مقاله

لطفا اگر نقد و نظری درباره این مقاله دارید آن را درج کنید: [ نوشتن نقد بر اين مقاله ]

LOAD FORCASTING USING ANALOGICAL FUZZY NEURAL NETWORK

نويسنده‌گان:

[ Lucas ] - Electric & Computer Eng.Dep. Tehran University
[ Ganjavie ] - Electrical Eng. Dep. Ferdosi University of Mashad
[ Javidi ] - Electrical Eng. Dep. Ferdosi University of Mashad

خلاصه مقاله:

This paper uses approximate analogical reasoning approach,,first proposed by Turksen and Zhong, for load foreasdng. This approximate reasoning approach has neural network structure. Therefore, we refer to it as analogical Fuzzy neural network (ANFNN). Our invstigations into the proposed method demonstrate that the ANFNN has better accuracy in comparison with conventional F neural network (FNNs). furthermore in this study, the ANNFF's rulebase is four times smaller than conventionl FNN's rulebase and consequently the AFNN's training is faster that FNN's training.


كلمات كليدي:



[ لينک دايمي به اين صفحه: http://www.civilica.com/Paper-PSC11-PSC11_075.html ]

نمايش صفحه قابل چاپ خلاصه مقاله معرفي مقاله به ديگران
راهنمایی دریافت اصل مقاله

اصل مقاله فوق در بانک مقالات سیویلیکا موجود نیست. مقالات کنفرانس‌های کشور توسط دبیرخانه‌های مربوط منتشر می‌شوند و در صورتی که اصل مقاله توسط دبیرخانه منتشر نشده باشد، امکان ارائه آن توسط سیویلیکا وجود ندارد. در صورتی که نویسنده این مقاله هستید، می‌توایند اصل مقاله را جهت درج در بانک مقالات به سیویلیکا ارسال نمایید.

دريافت اصل مقاله (ویژه اعضا)

شما به صورت کاربر وارد سايت نشده ايد. پس از ورود به سايت با شناسه و رمز عبور خود، لينک دريافت مقاله در اين بخش نمايش داده مي شود.

 

نام کاربري

رمز عبور

رمز عبور را فراموش کرده ايد؟

PaperSearch ©
دفتر سیویلیکا: تهران، خیابان کارگر شمالی، بالاتر از پمپ بنزین امیرآباد، کوچه زمرد، شماره 22، طبقه دوم. تلفن: 88008044 - نمابر: 88335451
PHP-Nuke and SAVAFA