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

Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 523

This Paper With 8 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ICEECS02_033

تاریخ نمایه سازی: 9 مرداد 1395

Abstract:

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

Keywords:

شبکه های عصبی مصنوعی , الگوریتم ژنتیک , قدرت تبخیر جو

Authors

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

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 :
  • 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 ...
  • نمایش کامل مراجع