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

بهینه سازی شبکه ها عصبی مصنوعی با استفاده از الگوریتم ژنتیک برای تخمین قدرت تبخیر جو

اعتبار موردنیاز: ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۷۶ | نظرات: ۰
سال انتشار: ۱۳۹۴
کد COI مقاله: ICEECS02_033
زبان مقاله: فارسی
حجم فایل: ۵۲۸.۷۴ کلیوبایت (فایل این مقاله در ۸ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۸ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله بهینه سازی شبکه ها عصبی مصنوعی با استفاده از الگوریتم ژنتیک برای تخمین قدرت تبخیر جو

  محبوبه توسلی - دانشجو دانشگاه آزاد اسلامی واحد آیت الله آملی
  حمید توکلایی - عضو هیات علمی دانشگاه آزاد اسلامی واحد آیت الله آملی
  موسی نظری - دانشجوی دکتری دانشگاه تبریز

چکیده مقاله:

تخمین قدرت تبخیر جو به سبب تاثیر عناصر هواشناسی در محاسبه تبخیر دارای روابط غیر خطی و محاسبات پیچیده می باشد از این رو شبکه های عصبی مصنوعی به دلیل دارا بودن قابلیت کشف روابط خطی و غیر خطی ابزار مناسبی جهت تخمین تبخیر محسوب می شود فرآیند آموزش یکی از چالش های اصلی در استفاده از شبکه های عصبی مصنوعی در مواجه با مسائل دنیای واقعی است روش هایی 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 ژنتیک در جهت آموزش شبکه های عصبی مصنوعی برای تخمین قدرت تبخیر جو استفاده کنیم

کلیدواژه‌ها:

شبکه های عصبی مصنوعی،الگوریتم ژنتیک،قدرت تبخیر جو

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-ICEECS02-ICEECS02_033.html
کد COI مقاله: ICEECS02_033

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:
توسلی, محبوبه؛ حمید توکلایی و موسی نظری، ۱۳۹۴، بهینه سازی شبکه ها عصبی مصنوعی با استفاده از الگوریتم ژنتیک برای تخمین قدرت تبخیر جو، دومین کنفرانس بین المللی مهندسی برق و علوم کامپیوتر، شیراز، پردیس بین الملل توسعه ایده هزاره، https://www.civilica.com/Paper-ICEECS02-ICEECS02_033.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: (توسلی, محبوبه؛ حمید توکلایی و موسی نظری، ۱۳۹۴)
برای بار دوم به بعد: (توسلی؛ توکلایی و نظری، ۱۳۹۴)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • R. L. Snyder, M. Orang, S. Matyac, and M. E. ...
  • G. Landeras, A. Ortiz-Barredo, and J. . Lopez, "Comparison of ...
  • S. Traore, Y.-M. Wang, and T. Kerh, "Artificial neural network ...
  • H. Tabari, M. E. Grismer , and S. Trajkovic, "Comparative ...
  • J.-X. Xie, C.-T. Cheng, K.-W. Chau, and Y.-Z. Pei, "A ...
  • K. Chau, "Reliability and p erforman ce-based design by artificial ...
  • J. Bruton, R. McClendon, and G. Hoogenboom, "Estimating daily pan ...
  • L. Odhiambo, R. Yoder, D. Yoder, and J. Hines, "Optimization ...
  • M. Kumar, N. Raghuwanshi, R. Singh, W. Wallender, and W. ...
  • S. Trajkovic, B. Todorovic, and M. Stankovic, "Forecasting of reference ...
  • S. Kim and H. Jee, "An expansion of the ungaged ...
  • G. Kisi, "Daily pan evaporation modelling using a neuro-fizzy computing ...
  • J. Piri, S. Amin, A. Mogh addamnia, A. Keshavarz, D. ...
  • S. Ding, C. Su, and J. Yu, "An optimizing BP ...
  • 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 Artificial Intelligent Basic. AmirKabir ...
  • D. E. Goldberg and J. _ Holland, "Genetic algorithms and ...
  • J. _ Holland, "Adaptation in natural and artificial systems: An ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۳۴۵۸
    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 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.