قضیه بنیادي دنباله ها
قضیه بنیادي دنباله ها
عنوان پایان نامه : شبکه های عصبی
قالب بندی : PDF
قیمت : رایگان
شرح مختصر : مسئله هماهنگ سازي شبکه هاي عصبی آشوبگونه با اغتشاش تصادفی مورد بررسی قرار گرفته است . مسئله کنترل و هماهنگ سازي این سیست م ها به شدت مورد توجه قرار گرقت و روش هاي مختلفی مثل کنترل حلقه بسته خطی و غیرخطی ، کنترل تطبیقی و نظایر آن جهت رسیدن به این هدف ، ارائه گردید . در مدلسازي سیستم ها ، توانایی تقریب به وسیله نورون ها ، شکل شبکه و قانون آموزش ، محدود می گردد . یک مسئله مهم جهت تحقیق و یررسی می باشد . سیستم هاي ANN چگونگی بهبود خاصیت ارگادیک آشوبگونه داراي مشخصاتی تصادفی هستند و الگوریتم آشوبی باعث ایجاد خاصیت قوي ارگادیک در شبکه می گردد.
فهرست :
چکیده فارسی
مقدمه
فصل اول
شبکه عصبی
مقدمه
شبکه عصبی
سابقه تاریخی
چرا از شبکه هاي عصبی استفاده می کنیم
مزیتهاي دیگر شبکه هاي عصبی
شبکه هاي عصبی در مقابل کامپیوتر هاي معمولی
انسان و سلول هاي عصبی مصنوعی در جستجوي شباهت ها
از سلول هاي عصبی انسانی تا سلول هاي عصبی مصنوعی
انواع یادگیري براي شبکه هاي عصبی
زمینه اي در مورد perceptron
دنباله هاي Perceptron
قضیه بنیادي دنباله ها
هوش جمعی
PSO
فصل دوم
یک شبکه عصبی جدید و کاربرد آن
مقدمه
یک شبکه عصبی جدید و کاربرد آن
معرفی
نورون با خاصیت آشوبگونه
شبکه
قانون آموزش شبکه
مدلسازي ژنراتور سنکرون دریایی
نتایج مدلسازي
نتیجه فصل
فصل سوم
آنالیز رفتار آشوبگونه مدل شبکه عصبی مکانیسم لرزش عضله
مقدمه
آنالیز رفتار آشوبگونه مدل شبکه عصبی مکانیسم لرزش عضله
معرفی
منحنی طول – کشش
ساختار برگشتی
تغییرات طیف
نتایج فصل
فصل چهارم
هماهنگ سازي نمایی شبکه هاي عصبی آشوبگونه با اغتشاش تصادفی
مقدمه
هماهنگ سازي نمایی شبکه هاي عصبی آشوبگونه با اغتشاش تصادفی
معرفی
نمادها و مقدمات
نتیجه فصل
فهرست منابع
منابع فارسی
منابع لاتین
چکیده انگلیسی
نورون آشوب گونه
سیستم شناسایی ژنراتور سنکرون دریایی به وسیله شبکه عصبی
توان گشتاور ورودي و فرکانس خروجی ژنراتور
جریان تحریک ورودي و ولتاژ خروجی پایانه
فرکانس خروجی ژنراتور ، شبکه و خطاي بین آنها
تابع کشش – طول فعال
شبکه برگشتی
نمودار دو شاخه شدن
حساسیت به شرط اولیه
ایجاد طیف پیوسته از طریق افزایش فرکانس هاي گسسته
نرخ هماهنگ سازي نمایی سیستم با خطاي دینامیک
دینامیک هاي سنکرون نشده در فضاي حالت