فهرست مطالب پایان نامه :
چکیده فارسی
مقدمه
فصل اول
شبکه عصبی
مقدمه
شبکه عصبی
سابقه تاریخی
چرا از شبکه های عصبی استفاده می کنیم
مزیتهای دیگر شبکه های عصبی
شبکه های عصبی در مقابل کامپیوتر های معمولی
انسان و سلول های عصبی مصنوعی در جستجوی شباهت ها
از سلول های عصبی انسانی تا سلول های عصبی مصنوعی
انواع یادگیری برای شبکه های عصبی
زمینه ای در مورد perceptron
دنباله های Perceptron
قضیه بنیادی 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
مدلسازی ژنراتور سنکرون دریایی
نتایج مدلسازی
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 سازی نمایی شبکه های عصبی آشوبگونه با اغتشاش تصادفی
مقدمه
هماهنگ سازی نمایی شبکه های 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 ورودی و فرکانس خروجی ژنراتور
جریان تحریک ورودی و ولتاژ خروجی پایانه
فرکانس خروجی ژنراتور ، شبکه و خطای بین آنها
تابع کشش – طول فعال
شبکه برگشتی
نمودار دو شاخه شدن
حساسیت به شرط اولیه
ایجاد طیف پیوسته از طریق افزایش فرکانس های گسسته
نرخ هماهنگ سازی نمایی سیستم با خطای دینامیک
دینامیک های سنکرون نشده در فضای حالت
جزوه کامل دستگاه عصبی سال سوم دبیرستان ، فصل 2 محتوی 32سال تست کنکور و سوالات با جواب و طرح درس کامل ،البته فایل به صورت pdfوبا کیفیت مطلوب میباشد، و نوشته های عکس تبلیغی به علت کاهش حجم غیر خوانا می باشد دانش آموزان و دبیران با خواندن این جزوه هماهنگی کامل مطالب را بهتر درک می کنند مسائل تشریحی امتحانات نهایی در این جزوه آمده و این جزوه شامل 39 صفحه می باشد و همچنین دارای خود آزمایید ها و فعالیت ها نیز می باشد امید است با خواندن جزوه یادگیری دانش آموزان به بهترین نحو انجام گیرد.
فرمت فایل : WORD (قابل ویرایش)
تعداد صفحات:28
فهرست مطالب:
کاربرد شبکههای عصبی مصنوعی
در مهندسی رودخانه
ساختار عمومی شبکه پیشنهادی :
ـ الگورتیم پس انتشار خطا
ـ انتخاب پارامترهای دبی رسوب
ـ بکارگیری دادههای صحرائی دبی رسوب
ـ آموزش شبکه و ارزیابی نتایج
ـ کالیبراسیون پارامترهای رسوب و دبی
مقایسه با مطالعات قبلی
ـ ارزیابی مدل با بکارگیری دادههای رسوب معلق
نتیجهگیری
مدل عصبی مورد استفاده
نتایج مدل عصبی و مقایسه آن با روش متداول تخمین رسوب
تعیین ابعاد حفره آبشستگی پایین دست سرریزهای ریزشی آزاد با استفاده از روش شبکه عصبی مصنوعی :
ـ الگوریتم آموزش شبکه عصبی مصنوعی
بررسی یادگیری شبکه عصبی
استفاده از شبکه عصبی در روندیابی متمرکز سیلاب
نتایج :
چکیده:
رسوبات انتقالی توسط رودخانهها مشکلات زیادی خصوصاً جهت بهرهبرداری از سدها و سازههای آبی به وجود میآورند. در دههای اخیر تحقیقات بزرگی برای درک مکانیسم انتقال رسوب در جریانهای طبیعی صورت گرفته است.
تخلیههای صنعتی و پسابهای کشاورزی به داخل سیستم آبزیان باعث میشود که رسوبات کف توسط موادسمی آلوده شوند. به همین ترتیب وقتی رژیم رودخانه تغییر مینماید این رسوبات آلوده به پایین دست رودخانه انتقال مییابند. تخمین دبی این رسوبات آلوده گام اول به سوی بهبود سازی کیفیت آب میباشد.
طبق گزارشات، درحال حاضر، بسیاری از سدهای کشورمان، با مشکل رسوب و پرشدن پیش از موعد مخازن مواجه هستند از جمله گزارشی که در مورد رسوبگذاری در سد سفید رود منتشر شده که نشان میدهد که در هفدهمین سال بهره برداری، رسوبات ورودی نزدیک به نیمی از حجم مخزن را اشغال کردهاند. در حالی که مشاور این شد، عمر مفید آن را صد سال دانسته است.
همچنین سد شهید عباسپور که تخمین اولیه برای رسوب آن 2 میلیون مترمکعب در سال بوده، در حالی که نتایج هیدروگرافی در سال 1362 در مخزن این سد نشان میدهد که درطی 7 سال اول بهره برداری از این سد سالیانه بطور متوسط 38 میلیون متر مکعب وارد مخزن شده است. بدیهی است که افزایش پیشبینی میزان رسوب وارده به دریاچه میتواند از این خسارات جلوگیری به عمل آورد و تحقیق این امر بستگی زیادی به روشهای محاسباتی و وجود سنجشهای مناسب رودخانهای دارد.
تا کنون معادلات زیادی برای تخمین میزان رسوب انتقالی رسوب انتقالی توسط رودخانهها ارائه شده است که همه آنها بر پایه قوانین تئوری دینامیک جریان و انتقال ذرات میباشد. آلونسوو نیبلینگ و فوستر در سال 1982 و یانگ در 1996 از بین دیگران، روشهای متعدد قراردادی را مقایسه نمود برای محاسبه دبی کل رسوب. بعضی از روشها که روش غیرمستقیم نامیده شدند، شامل توابع انتقالی بر اساس تابع بار بستر اینشتین هستند که بار رسوب کل از مجموع توابع بار معلق و بار بستر بدست میآید. مانند روش اصلاح شده اینشتین توسط کلبی و همبری (1955) و توفالتی (1969). روشهای مذکور این نکته را مدنظر قرار میدهند که هیدرودینامیک هر حالت انتقال یکسان نیست اگر چه تمایز آشکار بین در حالت معلق و بستر نیز به آسانی ممکن نیست، کاربرد روشهای گفته شده از نظر تئوری نسبتاً کامل است اما ممکن است به نظر دشوار برسد.
روشهای دیگر که روشهای مستقیم نامیده میشوند، بار رسوب کل را به طور مستقیم مشخص میکنند، بدون اختلاف قائل شدن بین دو حالت انتقال. بعضی از این روشها از مفهوم نیروی جریان ناشی میشوند. (کار جریان) مانند روش بگنولد (1966) و روش انگلند و هانسن (1967) که بستگی به مفهوم نیرو و قوانین شبیهسازی برای بدست آوردن تابع انتقال رسوب دارد. روش آکرو وایت (1973) بر اساس مفهوم نیروی جریان، بگونولد و آنالیز ابعادی برای بیان تحرک و سرعت انتقال رسوب پایهریزی شدهاند. یانگ در سالهای 1972 و 73 یک مدل تحلیل نیرویی بکار برد و به نیروی جریان موجود در واحد وزن سیال برای انتقال رسوب تأکید کرد. ولیکانوف (1954) تابع انتقال را از تئوری نیروی ثقل استخراج کرد. روشهای دیگر از توابع انتقال دیگری پیروی میکنند، مثلاً چنگ و سیمونزو ریچاردسون (1967) بار کل را از مجموع بار بستر و معلق محاسبه نمودند. لارسن (1958) یک رابطه وابستهای بین شرایط جریان و دبی رسوبی نتیجه توسعه داد. شن و هانگ (1972) یک معادله رگرسیون براساس دادههای آزمایشگاهی استخراج کردند.
برانلی (1981) نیز آنالیز رگرسیون را برای بدست آوردن تابع بکار گرفت. ون راین (1984) بار کل را از مجموع بار بستر و متعلق محاسبه نمود. کریم و کندی (1990) آنالیز چند رگرسیونی غیرخطی را برای استخراج یک رابطه بین سرعت جریان، دبی رسوب و هندسه شکل بستر و ضریب اصطکاک رودخانههای فرسایشی بکار گرفت.
جزوه کامل دستگاه عصبی سال سوم دبیرستان فصل 2 دستگاه عصبی به همراه سوالات و تست های با جواب که همراه طرح درس کامل دانش آموزان و دبیران با خواندن این جزوه هماهنگی کامل مطالب را بهتر درک می کنند و دارای 32سال تست کنکور و به همراه مسائل تشریحی امتحانات نهایی این فصل می باشد و شامل 39 صفحه می باشد.و خود آزمایید ها و فعالیت ها را نیز دارا می باشد امید است با خواندن جزوه یادگیری دانش آموزان به بهترین نحو انجام شود.