بهینه سازی شبکه های عصبی مصنوعی با استفاده از الگوریتم رقابت استعماری برای تخمین قدرت تبخیر جو

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 586

فایل این مقاله در 11 صفحه با فرمت PDF و WORD قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CITCOMP01_162

تاریخ نمایه سازی: 16 شهریور 1395

چکیده مقاله:

تخمین قدرت تبخیر جو به سبب تأثیر عناصر هواشناسی در محاسبه تبخیر دارای روابط غیرخطی و محاسبات پیچیده می باشد. از این رو شبکه های عصبی مصنوعی به دلیل دارا بودن قابلیت کشف روابط خطی و غیرخطی ابزار مناسبی جهت تخمین تبخیر محسوب می شوند. فرآیند آموزش یکی از چالش های اصلی در استفاده از شبکه های عصبی مصنوعی در مواجه با مسائل دنیای واقعی است. روش های مبتنی بر گرادیان نزولی از مشهورترین روش های یادگیری در تعیین وزن های شبکه عصبی می باشند. سرعت پایین همگرایی و همچنین قرار گرفتن در کمینه های محلی، دو مشکل اساسی در استفاده از این روش ها برای تعیین وزن های شبکه است. از این رو، روش های جستجو بر پایه الگوریتم تکاملی برای فائق آمدن بر مشکلات فوق مورد استفاده قرار گرفته اند. در این تحقیق قصد داریم از الگوریتم رقابت استعماری در جهت آموزش شبکه های عصبی مصنوعی برای تخمین قدرت تبخیر جو استفاده کنیم.

کلیدواژه ها:

نویسندگان

محبوبه توسلی

دانشجو- دانشگاه آزاد اسلامی واحد آیت الله آملی

حمید توکلایی

عضو هئیت علمی- دانشگاه آزاد اسلامی واحد آیت الله آملی

مهدی یدالهی

عضو هئیت علمی- دانشگاه آزاد اسلامی واحد آیت الله آملی

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • H. Tabari, M. E. Grismer , and S. Trajkovic, "Comparative ...
  • Trajkovic, B. Todorovic, and M. Stankovic, "Forecasting of reference ap ...
  • R. L. Snyder, M. Orang, S. Matyac, and M. E. ...
  • G. Landeras, A. Ortiz-Barredo, and J. J. Lopez, "Comparison of ...
  • S. Traore, Y.-M. Wang, and T. Kerh, " Artificial neural ...
  • J.-X. Xie, C.-T. Cheng, K.-W. Chau, and Y.-Z. Pei, "A ...
  • K. Chau, "Reliability and p erformanc e-bas ed design by ...
  • J. Bruton, R. McClendon, and G. Hoogenboom, "Estimating daily pan ...
  • L. Odhiambo, R. Yoder, D. Yoder, and J. Hines, "Optimization ...
  • Transactions of the ASAE, vol. 44, pp. 1625-1633, 2001. ...
  • M. Kumar, N. Raghuwanshi, R. Singh, W. Wallender, and W. ...
  • S. Kim and H. Jee, "An expansion of the ungaged ...
  • O. Kisi, "Daily pan evaporation modelling using a neuro-fuzzy computing ...
  • J. Piri, S. Amin, A. M oghaddamnia, _ Keshavarz, D. ...
  • S. Ding, C. Su, and J. Yu, " An optimizing ...
  • S. Ding, H. Li, C. Su, J. Yu, and F. ...
  • X. Yao, "Evolving artificial neural networks, " Proceedings of the ...
  • J. Li, J.-h. Cheng, J.-y. Shi, and F. Huang" , ...
  • M. Menhaj, Ed., Neural Networks and Artificil Intelligent Basic. AmirKabir ...
  • E. Atashpaz- Gargari and C. Lucas, "Imperialist competitive algorithm: _ ...
  • نمایش کامل مراجع