CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

پیش بینی سری های زمانی آشوبناک با استفاده از شبکه های عصبی تطبیقی

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۱۴ | تعداد نمایش خلاصه: ۷ | نظرات: ۰
سال انتشار: ۱۳۹۷
کد COI مقاله: ELEMECHCONF05_299
زبان مقاله: فارسی
حجم فایل: ۸۹۹.۵۳ کیلوبایت (فایل این مقاله در ۱۴ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۱۴ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳,۰۰۰ تومان بلافاصله دریافت فرمایید
قبل از اقدام به دریافت یا خرید مقاله، حتما به فرمت مقاله و تعداد صفحات مقاله دقت کامل را مبذول فرمایید.
علاوه بر خرید تک مقاله، می توانید با عضویت در سیویلیکا مقالات را به صورت اعتباری دریافت و ۲۰ تا ۳۰ درصد کمتر برای دریافت مقالات بپردازید. اعضای سیویلیکا می توانند صفحات تخصصی شخصی روی این مجموعه ایجاد نمایند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۴ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیش بینی سری های زمانی آشوبناک با استفاده از شبکه های عصبی تطبیقی

  محسن نژاد شاهبداغی - دانشجوی دکتری، دانشکده مهندسی برق، دانشگاه علم و صنعت ایران، تهران، ایران
  سید محمدرضا موسوی میرکلایی - استاد دانشکده مهندسی برق، نویسنده مسئول، دانشگاه علم و صنعت ایران، تهران، ایران
  سعید عبادالهی - استادیار دانشکده مهندسی برق، دانشگاه علم و صنعت ایران، تهران، ایران

چکیده مقاله:

اکثر پدیده های در جهان پیرامون ما، با یک سیستم غیرخطی قابل مدل سازی هستند. رفتار این سیستم ها اغلب به صورت آشوبناک می باشد. بنابراین طراحی سیستم های پیش بینی کننده و شناسگر برای اینگونه رفتارهای آشوبناک از چالش های مهم می باشد. در این مقاله، از بین انواع سیستم های آشوبناک، نوع مکی-گلاس انتخاب شده است و برای پیش بینی این سیستم از شبکه های عصبی تطبیقی که به وسیله ی انواع روش های فرا ابتکاری آموزش دیده اند، استفاده می شود. روش های فرا ابتکاری که برای آموزش شبکه عصبی چندلایه مورد استفاده قرار گرفته اند، شامل الگوریتم های ژنتیک، پرندگان یا ازدحام ذرات، کلونی مورچگان، استراتژی تکاملی و الگوریتم پیشنهادی مبتنی بر جغرافیای زیستی می باشد. نتایج شبیه- سازی نشان می دهد که اگر آموزش شبکه عصبی بر اساس الگوریتم فرا ابتکاری پیشنهادی جغرافیای زیستی صورت گیرد، دقت آموزش و آزمون نسبت به دیگر روش های ابتکاری بیان شده به ترتیب 38.5 و 78.5 درصد بهبود خواهد داشت.

کلیدواژه‌ها:

سری های زمانی، مکی-گلاس، شبکه عصبی چند لایه، روش های فرا ابتکاری

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-ELEMECHCONF05-ELEMECHCONF05_299.html
کد COI مقاله: ELEMECHCONF05_299

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
نژاد شاهبداغی, محسن؛ سید محمدرضا موسوی میرکلایی و سعید عبادالهی، ۱۳۹۷، پیش بینی سری های زمانی آشوبناک با استفاده از شبکه های عصبی تطبیقی، پنجمین کنفرانس بین المللی پژوهش های کابردی در مهندسی برق مکانیک و مکاترونیک، تهران، انجمن حرارتی برودتی ایران، https://www.civilica.com/Paper-ELEMECHCONF05-ELEMECHCONF05_299.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (نژاد شاهبداغی, محسن؛ سید محمدرضا موسوی میرکلایی و سعید عبادالهی، ۱۳۹۷)
برای بار دوم به بعد: (نژاد شاهبداغی؛ موسوی میرکلایی و عبادالهی، ۱۳۹۷)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: ۱۸۰۱۹
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مدیریت اطلاعات پژوهشی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

شبکه تبلیغات علمی کشور

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.