بهینه سازی پارامترهای درصد میکروسیلیس و مقاومت بتن با استفاده از شبکه های عصبی RBF

انجام آزمایش های مختلف جهت بدست آوردن بهترین نتیجه برای تولید یک محصول در محیط واقعی، نیازمند زمان زیاد و هزینه های اقتصادی مختلفی است. از این رو با استفاده از مجازی سازی این آزمایش ها می توان با تعداد تکرارهای زیاد و انجام محاسبات پیچیده ی آنها توسط نرم افزارهای شبیه سازی ضمن صرفه جویی در هزینه از دقت لازم نیز برخوردار شد. در این مقاله با استفاده از نرم افزار Matlab و شبکه های عصبی میزان درصد میکروسیلیس را برای بالاترین مقاومت بتن بدست می آوریم. یکی از مشکلات در روش های مختلف طبقه بندی با استفاده از شبکه های عصبی مختلف، وجود پارامترهای زیاد در آموزش آن است. اگر این پارامترها به درستی انتخاب نشوند، کارایی آن را تحت تاثیر قرار می دهد. یکی از روش های معمول در آموزش شبکه های عصبی سعی و خطا برای یافتن پارمترهای آن است. در این مقاله با استفاده از الگوریتم شبکه های عصبی RBF، که یکی از محبوب ترین نوع شبکه عصبی مصنوعی است، مقدار پارامترها را بهینه کرده تا از این طریق دقت طبقه بندی، داده ها را بیشتر کنیم.

کلیدواژه ها:

میکروسیلیس ، الگوریتم ژنتیک ، مقاومت فشاری بتن ، شبکه های عصبی RBF