دسته بندی | برنامه نویسی |
بازدید ها | 7 |
فرمت فایل | zip |
حجم فایل | 1 کیلو بایت |
تعداد صفحات فایل | 3 |
هدف از این برنامه که یک مثال از مسئله MOO و به زبان متلب نوشته شده است
مقادیر اولیه درنظر گرفته شده به صورت زیر است:
دو تابع مرزی:
f1(X) = 2*x1 + 3*x2
f2(X) = 2/x1 + 1/x2
دامنه مقادیر:
x1<20 & x1>10
x2<30 & x2>20
تنظیمات اولیه :
iterations = 500;
population_size = 500;
mutation_rate = 0.02;
crossover_rate = 0.3;
population = zeros(population_size,3);
دسته بندی | مدیریت |
بازدید ها | 26 |
فرمت فایل | docx |
حجم فایل | 40 کیلو بایت |
تعداد صفحات فایل | 16 |
پروپوزال مدل سازی توازن خط تولید با رویکرد الگوریتم ژنتیک
دسته بندی | مدیریت |
بازدید ها | 26 |
فرمت فایل | docx |
حجم فایل | 40 کیلو بایت |
تعداد صفحات فایل | 16 |
پروپوزال مدل سازی توازن خط تولید با رویکرد الگوریتم ژنتیک
دسته بندی | کامپیوتر و IT |
بازدید ها | 66 |
فرمت فایل | doc |
حجم فایل | 701 کیلو بایت |
تعداد صفحات فایل | 79 |
این مقاله مقدمه ای بر شبکه های عصبی مصنوعی است. گونه های مختلف شبکه های عصبی توضیح و شرح داده شده است و کاربرد های شبکه های عصبی، نظیر ANN ها در پزشکی بیان شده و همچنین سابقه ای تاریخی از آن به تفصیل آورده شده است. همچنین رابطه بین چیزهای ساختگی و واقعی مورد بررسی قرار گرفته و در مورد آن توضیح داده شده است و به شرح مدل های ریاضی در رابطه با این موضوع و آنالیز رفتار آشوبگونه مدل شبکه عصبی مکانیسم لرزش عضله و هماهنگ سازی نمایی شبکه های عصبی آشوبگونه با اغتشاش تصادفی و شناسایی شبکه های آشوبگونه آغشته به نویز بر مبنای شبکه های عصبی feedforward رگولاریزاسیون و همچنین شبکه های عصبی و الگوریتم های ژنتیک در تجارت می پردازیم.
فهرست مطالب
فهرست |
صفحه |
مقدمه |
1 |
فصل اول: |
2 |
سابقه تاریخی |
2 |
استفاده های شبکه عصبی |
3 |
مزیتهای شبکه عصبی |
3 |
شبکه های عصبی در مقابل کامپیوتر های معمولی |
4 |
شباهت های انسان و سلول های عصبی مصنوعی |
5 |
چگونه مغز انسان می آموزد |
5 |
انواع یادگیری برای شبکه های عصبی |
6 |
هوش جمعی |
12 |
فصل دوم: |
15 |
معرفی |
15 |
نورون با خاصیت آشوبگونه |
16 |
شکل شبکه |
17 |
قانون آموزش شبکه |
18 |
مدلسازی ژنراتور سنکرون دریایی |
21 |
نتایج فصل |
26 |
فصل سوم : |
27 |
معرفی |
27 |
منحنی طول - کشش |
28 |
فهرست |
صفحه |
شبکه های عصبی |
29 |
نتایج تجربی |
29 |
نتیجه فصل |
33 |
فصل چهارم: |
34 |
معرفی |
34 |
نمادها و مقدمات |
35 |
نتایج مهم |
40 |
شرح مثال |
47 |
نتیجه فصل |
51 |
فصل پنجم: |
53 |
معرفی |
53 |
شبکه های feedforward رگولاریزاسیون |
54 |
طراحی شبیه سازی |
55 |
شبیه سازی ها |
57 |
نتیجه فصل |
59 |
فصل ششم : |
60 |
فناوری شبکه عصبی |
62 |
فناوری الگوریتم ژنتیک |
65 |
بازاریابی |
66 |
بانکداری و حوزه های مالی |
68 |
منابع |
73 |
دسته بندی | عمران |
بازدید ها | 61 |
فرمت فایل | docx |
حجم فایل | 54 کیلو بایت |
تعداد صفحات فایل | 18 |
بهینهسازی یک فعالیت مهم و تعیینکننده در طراحی ساختاری است. طراحان زمانی قادر خواهند بود طرحهای بهتری تولید کنند که بتوانند با روشهای بهینهسازی در صرف زمان و هزینه طراحی صرفهجویی نمایند. بسیاری از مسائل بهینهسازی در مهندسی، طبیعتاً پیچیدهتر و مشکلتر از آن هستند که با روشهای مرسوم بهینهسازی نظیر روش برنامهریزی ریاضی و نظایر آن قابل حل باشند....