مقایسه عملکرد الگوریتم LOLIMOT و شبکه عصبی MLP در شناسایی یک مبدل حرارتی
Publish Year: 1394
Type: Conference paper
Language: Persian
View: 1,050
This Paper With 5 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
ICEEE07_180
Index date: 8 May 2016
مقایسه عملکرد الگوریتم LOLIMOT و شبکه عصبی MLP در شناسایی یک مبدل حرارتی abstract
در این مقاله به طراحی مدل پیش بین یک مبدل حرارتی به کمک شبکه عصبی پرسپترون چندلایه (MLP) و شبکه نروفازی (LLNF) پرداخته شده است. برای آموزش شبکه LLNF از روش آموزش درخت مدل خطی محلی (LOLIMOT) و برای آموزش شبکه MLP از روش های آموزش گرادیان نزولی (GD) و لونبرگ مارکوارت (LM) استفاده شده است. در الگوریتم پس انتشار خطا برای ارائه داده ها به شبکه MLP دو روش وجود دارد. بدین معنا که در هر تکرار از الگوریتم پس انتشار خطا می توان داده ها را به صورت تکی و یا به صورت دسته جمعی به شبکه اعمال کرد. در آموزش شبکه MLP از هر دو روش استفاده شده و در انتها نتایج تمام روش ها مقایسه شده است. نتایج نشان می دهد که با وجود استفاده از روش های آموزش متنوع برای شبکه MLP این شبکه نتوانست در رقابت با الگوریتم LOLIMOT نتایج بهتری را ارائه کند. البته نتایج تمام مدل ها قابل قبول است و اختلاف کمی دارد.
مقایسه عملکرد الگوریتم LOLIMOT و شبکه عصبی MLP در شناسایی یک مبدل حرارتی Keywords:
مقایسه عملکرد الگوریتم LOLIMOT و شبکه عصبی MLP در شناسایی یک مبدل حرارتی authors
مریم محسنی
دانشکده فنی و مهندسی دانشگاه آزاد اسلامی واحد تهران جنوب تهران، ایران
مهدی علیاری شوره دلی
دانشکده برق و کامپیوتر دانشگاه صنعتی خواجه نصیرالدین طوسی تهران، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :