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

دسته بندی اهداف سوناری با استفاده از روش ترکیبی ازدحام ذرات و جستجوی گرانشی

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۱۳ | تعداد نمایش خلاصه: ۳۸ | نظرات: ۰
سال انتشار: ۱۳۹۵
کد COI مقاله: JR_IJMT-3-1_001
زبان مقاله: فارسی
حجم فایل: ۶۲۱.۰۱ کیلوبایت (فایل این مقاله در ۱۳ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۱۳ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳۰,۰۰۰ ریال 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 ۱۳ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله دسته بندی اهداف سوناری با استفاده از روش ترکیبی ازدحام ذرات و جستجوی گرانشی

  سید محمدرضا موسوی - استاد دانشکده مهندسی برق، دانشگاه علم و صنعت ایران
  محمد خویشه - دانشجوی دکتری دانشکده مهندسی برق، دانشگاه علم و صنعت ایران
  آلاوه مریدی - دانشجوی کارشناسی ارشد دانشکده مهندسی برق، دانشگاه علم و صنعت ایران
  محمدجعفر ناصری - دانشجوی کارشناسی ارشد برق، دانشگاه علوم دریایی امام خمینی(ره) نوشهر

چکیده مقاله:

با توجه به خصوصیات فیزیکی بسیار نزدیک اهداف واقعی و کلاتر سونار فعال، تفکیک این اهداف، از موضوعات چالش برانگیز محققان و صنعت گران حوزه آکوستیک می باشد. شبکه های عصبی چندلایه (MLP) یکی از پرکاربردترین شبکه های عصبی در دسته بندی اهداف دنیای واقعی هستند. آموزش از مهمترین بخش های توسعه این نوع شبکه ها است که در سال های اخیر بسیار مورد توجه قرار گرفته است. به منظور آموزش شبکه های MLP از دیر باز استفاده از روش های بازگشتی و گرادیان نزولی مرسوم بوده است. دقت دسته بندی نامناسب، گیر افتادن در کمینه های محلی و سرعت همگرایی پایین از معایب روش های سنتی می باشد. به منظور غلبه بر این معایب، در سال های اخیر استفاده از الگوریتم های ابتکاری و فرا ابتکاری بسیار مرسوم گردیده است. این مقاله برای آموزش شبکه MLP از الگوریتم بهینه سازی ترکیبی ازدحام ذرات و جستجوی گرانشی (PSOGSA ) استفاده می کند. الگوریتم جستجوی گرانشی (GSA) یک روش بهینه سازی فرا ابتکاری جدید بر اساس فعل و انفعالات گرانش و جرم می باشد. ثابت شده است که این الگوریتم توانایی خوبی برای جستجوی کلی دارد، اما در آخرین تکرارها دارای سرعت پایین در بهره برداری فضای جستجو می باشد. با توجه به توانایی منحصربه فرد بهینه ساز ازدحام ذرات (PSO) در فاز بهره برداری، از این روش برای حل مشکل فوق استفاده می شود. نتایج به دست آمده نشان می دهد که دسته بندی کننده های مبتنی بر GSA، PSO و PSOGSA دادگان سونار را به ترتیب با دقت 92/7500، 93/6741 و 94/4 دسته بندی می نمایند. همچنین سرعت همگرایی الگوریتم ترکیبی نسبت به دو الگوریتم معیار ذکر شده بهتر است.

کلیدواژه‌ها:

دسته بندی، سونار، کلاتر، بهینه ساز ازدحام ذرات، الگوریتم جستجوی گرانشی

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-JR_IJMT-JR_IJMT-3-1_001.html
کد COI مقاله: JR_IJMT-3-1_001

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:
موسوی, سید محمدرضا؛ محمد خویشه؛ آلاوه مریدی و محمدجعفر ناصری، ۱۳۹۵، دسته بندی اهداف سوناری با استفاده از روش ترکیبی ازدحام ذرات و جستجوی گرانشی، فصلنامه دریا فنون 3 (1)، https://www.civilica.com/Paper-JR_IJMT-JR_IJMT-3-1_001.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: (موسوی, سید محمدرضا؛ محمد خویشه؛ آلاوه مریدی و محمدجعفر ناصری، ۱۳۹۵)
برای بار دوم به بعد: (موسوی؛ خویشه؛ مریدی و ناصری، ۱۳۹۵)
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: ۱۷۷۹۲
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.