دانلود پایان نامه محاسبه فرکانس غالب ورقها با استفاده از شبکه عصبی انتشار برگشتی Back Propagation (BP)

اختصاصی از یارا فایل دانلود پایان نامه محاسبه فرکانس غالب ورقها با استفاده از شبکه عصبی انتشار برگشتی Back Propagation (BP) دانلود با لینک مستقیم و پرسرعت .

فرمت فایل : word(قابل ویرایش)

تعداد صفحات:63

مباحث اصلی مورد بحث :

1- مقدمه

2- معرفی شبکه عصبی مصنوعی

3- فرکانس طبیعی

4- مدل سازی و آنالیز ورق با ANSYS

5- بررسی فرکانس ورق با هوش مصنوعی

6- نتیجه گیری و پیشنهادات

فصـل اول : مقدمه

در چند دهه اخیر،اندیشه بالنده شبیه سازی مغز انسان ،محققان و دانشمندان را برآن داشته است توانایی‌های مغز انسان را به رایانه منتقل سازند.عملکرد مغز انسان با توجه به میلیونها سال تکامل می‌تواند به عنوان کاملترین و بهترین الگو برای تشخیص وقایع پیرامون خود در نظرگرفته شود.لذا دانشمندان در تلاشند تا با درک اصول وساز و کارهای محاسباتی مغز انسان که عملکرد بسیار سریع و دقیقی را دارا می‌باشد ، سیستم‌های عصبی مصنوعی را شبیه سازی نمایند بدین ترتیب شبکه‌‌های عصبی مصنوعی تا حدودی از مغزانسان الگوبرداری شده‌اند و همان گونه که مغز انسان می‌تواند با استفاده از تجربیات قبلی و مسائل از پیش یادگرفته،مسائل جدید را تحلیل و تجزیه نماید،شبکه‌های عصبی نیز در صورت آموزش قادرند برمبنای اطلاعاتی که به ازای آنها آموزش دیده‌اند،جوابهای قابل قبول ارائه دهند.

شبکه‌های عصبی مصنوعی در بسیاری از موارد تحقیق و در تخصص‌های گوناگون به کار گرفته شده و به عنوان یک زمینه تحقیقاتی بسیار فعال حاصل همکاری داشنمندان در چند زمینه علمی از قبیل مهندسی رایانه، برق، سازه و بیولوژی اند. کاربرد شبکه‌های عصبی در مهندسی عمران و بخصوص سازه نیز روز به روز در حال توسعه است و بی شک در آینده شاهد فراگیر شدن و گسترش این علم در مهندسی سازه خواهیم بود.از موارد استفاده شبکه‌های عصبی در مهندسی عمران می‌توان به بهینه سازی، تحلیل، طراحی، پیش بینی خیز و وزن سازه‌ها، تحلیل و طراحی اتصالات، پیش بینی نتایج آزمایشهای بتنی و خاکی ،کاربرد در تئوری گرافها و بسیاری از موارد دیگر اشاره نمود.

   فصـل دوم : شبکه های‌ عصبی مصنوعی

   2-1- مقدمه

در این فصل به بررسی اجمالی شبکه‌های عصبی مصنوعی پرداخته می‌شود. با استفاده از شبکه‌های عصبی مصنوعی سعی می‌شود که ساختار مغز انسان شبیه‌سازی ‌شود. در مغز انسان حدود1011 واحد سازنده بنام نرون2 که همان سلولهای عصبی هستند وجود دارد که هر یک از آنها به حدود 104 نرون دیگر متصل است.

شبکه‌های عصبی مصنوعی که امروزه در کابردهای فراوانی ارزش خود را نشان داده‌اند براساس مدل بیولوژیکی مغز انسان بوجود آمده‌اند که از چند تا چند هزار نرون تشکیل شده‌اند و اندازة آنها به پیچیدگی مسئله بستگی دارد. نرونها، ورودیها را که به طریقی خاص جمع ‌شده‌اند را پذیرا می‌شوند.

  2-2- تاریخچة شبکه‌های عصبی

شبکه‌های عصبی در سال 1943 میلادی توسط مک‌کلاچ و پیتز معرفی شد. اولین شبکه عصبی که توسط آنها معرفی شد دارای چند نرون ساده بود و قدرت محاسباتی مناسبی داشت.

در سال 1949 میلادی هب اولین قانون آموزش شبکه‌های عصبی را پیشنهاد کرد. در آن زمان هب ادعا کرد که اگر دو نرون بطور همزمان فعال شوند، اثر ارتباطی بین آنها زیاد میشود.

دهه‌های50 و60 میلادی سالهای طلائی شبکه‌های عصبی است. در محدوده سالهای 1958 تا 1962 روزن‌‌بلات گروه بزرگی از شبکه‌های عصبی به نام پرسپترون را معرفی نمود. قانون آموزش این شبکه‌ها یک روش تکراری اصلاح وزن بود که بسیار قوی‌تر از قانون هب عمل می‌کرد.

با ابداع روش انتشار بر‌گشتی که مستقلاً توسط پارکر و لوکان ارائه گردید تحولی در شبکه‌های عصبی صورت گرفت. از سایر کسانی که در پیشبرد این علم سهیم بودند برنده جایزه نوبل فیزیک، هاپفیلد بود که شبکه‌های عصبی را که براساس وزن ثابت عمل می‌کنند را برای اولین بار معرفی کرد. این شبکه‌ها با حافظه مشارکتی عمل می‌کردند و امکان حل مسائل با قیدهای اولیه توسط آنها میسر بود.

2-3- شبکه عصبی واقعی

سیستم عصبی انسان از واحدهایی بنام سلول عصبی که همان نرون ها هستند تشکیل شده اند که دارای پیچیدگی های حیرت انگیزی می باشد. یک نرون واقعی که در شکل نشان داده شده دارای سه جزء دندریت ، سیناپس و اکسون است. دندریت‌ها که شاخه های متعدد سلولهای عصبی هستند علائم را بصورت پالس‌های الکتریکی از سایر نرون‌ها دریافت کرده و با واکنش‌ شیمیایی در فضای بین سلولی انتقال می‌دهند. محل تماس دو عصب یا دو دندریت سیناپس نام دارد . اگر مجموع مقادیر ورودی از حد آستانه فراتر رود، پردازشگر فعال‌شده و از طریق اکسون علائمی ‌را به سلول بعدی منتقل می‌کند

2-4- شبکه‌ عصبی مصنوعی

هر شبکه عصبی دارای خصوصیاتی است که آن را از شبکه‌های دیگر متمایز می‌کند. این خصوصیات شامل نحوة ارتباط بین نرون‌ها، روش آموزش شبکه، نحوة تعیین مقادیر وزن‌های رابط و نوع تابع تحرک هر نرون است.

وزن‌های رابط بین نرون‌ها در واقع نشان‌دهندة اطلاعات مورد نیاز شبکه برای حل مسئله است. در یک شبکة عصبی هر نرون وضعیت مشخصی داشته و به ورودهای دریافت شده بستگی دارد. عموماً هر نرون پاسخ خود را به نرون یا نرون‌های دیگر ارسال می‌دارد.

بطور کلی خصوصیات یک شبکه عصبی شامل، ساختار شبکه و نحوه ارتباط بین نرون‌ها، روش آموزش شبکه و نحوه تعیین مقادیر وزن‌های رابط، و تابع تحریک هر نرون است. با توجه به چگونگی انجام هر یک از موارد مذکور شبکه‌های عصبی متعددی ارائه شده که بیان خواهند شد.

2-5- سلول عصبی مصنوعی

سلول عصبی مصنوعی تقلیدی از سلول عصبی بیولوژیکی است. بطور کلی دسته‌ای از ورودیها به‌کار می‌روند که هر کدام معرف خروجی سلول عصبی دیگری است. هر ورودی در وزن متناظرش که بیانگر قدرت اتصالی است ضرب شده و سپس همه ورودیهای وزن‌دار با یکدیگر جمع می‌شوند، تا سطح تحریک سلول عصبی معین شود. شکل 2-2 مدل یک شبکه عصبی مصنوعی را نشان‌ می‌دهد .