بهینه سازی همزمان شبکه ی عصبی بازگشتی برای بهبود شناسایی و مدل سازی دینامیک غیرخطی هواپیما
Publish place: Mechanical Engineering Sharif، Vol: 31، Issue: 1
Publish Year: 1394
نوع سند: مقاله ژورنالی
زبان: Persian
View: 71
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_SJME-31-1_003
تاریخ نمایه سازی: 8 آبان 1402
Abstract:
در این نوشتار چگونگی استفاده از الگوریتم ژنتیک در آموزش شبکه های عصبی، و به طور همزمان بهینه سازی ساختاری آن ها به منظور مدل سازی دینامیک غیرخطی هواپیماهایی با قابلیت مانور بالا، بررسی می شود. ارتباط های وزنی، معماری شبکه و قوانین یادگیری از مشخصاتی هستند که نقش بسیار مهمی در کیفیت آموزش و تعمیم شبکه های عصبی برای مدل سازی سیستم های غیرخطی ایفا می کنند. لذا تنظیم درست این پارامترها کمک شایانی به بهبود قابلیت تعمیم دهی شبکه ی عصبی آموزش دیده می کند. در این کار از روش الگوریتم ژنتیک عادی و اصلاح شده در کنار ساختارهایی متفاوت از شبکه های عصبی استفاده شده است. اعتباربخشی روش از طریق مقایسه و ارزیابی نتایج تحلیلی با داده های تجربی حاصل از آزمایش پرواز یک هواپیمای جنگنده ی نسل چهارم صورت پذیرفته است. بررسی ها نشان گر دقت بالای روش در مدل سازی دینامیک هواپیماست.
Keywords:
Authors
علیرضا رودباری
دانشکده مهندسی هوافضا- دانشگاه صنعتی شریف
فریبرز ثقفی
دانشکده مهندسی هوافضا، دانشگاه صنعتی شریف