کد متلب گیت های and و or با شبکه عصبی پرسپترون (perceptron) در متلب
کد متلب گیت های and و or با شبکه عصبی پرسپترون (perceptron) در متلب
کد متلب گیت های and و or با شبکه عصبی پرسپترون (perceptron) در متلب
این مجوعه یکی از بهترین مجموعه پاورپوینت ها دراسلایدهای زیبا و باور نکردنی در زمینه اختلالات شایع روانی-عصبی در 70 اسلاید منظم میباشد. این مجموعه قبلا 20 هزار تومن خریداری شده و اکنون برای استفاده شما دوستان عزیز با نصف قیمت به فروش میرسد. امید هست مورد توجه شما دوستان عزیز قرار بگیرد.
درس شیوه مطالب علمی با موضوع شبکه های عصبی دارای ارائه کتبی با فرمت ورد بوده و همچنین دارای ارائه کلاسی با فرمت پاورپونت می باشد .
مقاله با عنوان فوق که در دومین کنفرانس برنامه ریزی و مدیریت محیط زیست ارائه شده است، آماده دانلود می باشد.
سرفصل ارائه مقاله: مدیریت و پایش محیط زیست
محل برگزاری کنفرانس: تهران - دانشگاه تهران
سال برگزاری کنفرانس: 1391
تعداد صفحات مقاله: 7
محتویات فایل: فایل zip حاوی یک pdf
چکیده
به طور کلی مدلسازی یکی از ابزار های مناسب برای تصمیم گیری و پیش بینی پدیده های محیط زیستی می باشد که اغلب به صورت مدلهای مفهومی با روابط ریاضی بیان می شوند. فرآیند ها و پدیده هایی که در سیستمهای محیط زیستی وجود دارد و مهندسین محیط زیست با آن سر وکار دارند اغلب دو خصوصیت عمده دارند: 1- وابسته به متغیرهای زیاد هستند 2- روابط بسیار پیچیده ای بین اجزا وجود دارد که تحلیل آن را بسیار مشکل می نماید. این مشکل همواره باعث خطا در دقت و صحت پیش بینی مدلهای مرسوم می شود. شبکه های عصبی مصنوعی از جمله روشهای پیشرفته و نوین در شبیه سازی می باشد که امروزه در تمام علوم مهندسی به عنوان یک ابزار قوی در شبیه سازی پدیده هایی که تحلیل مفهومی آنها با مشکل مواجه است، کاربرد بسیاری پیدا کرده است. در این روش داده های مشاهده ای به مدل آموزش داده می شود و پس از آموزش مدل با دقت مناسب کار پیش بینی و شبیه سازی را انجام می دهد. در این مقاله ضمن اشاره به روشها و تکنیکهای شبکه عصبی نمونه هایی از کاربرد آن ارایه می گردد.
عنوان پروژه : شبیه سازی شبکه عصبی
شرح مختصر : در این تحقیق از نخستین کاربرد شبکه های عصبی یعنی تقریب توابع برای تقریب دیاگرام مودی برای استخراج ضریب اصطکاک دارسی که در محاسبات مربوط به افت فشار سیال لوله ها ناشی از اصطکاک ،استفاده می شود.در مکانیک سیالات ضریب اصطکاک دارسی یا از نمودار مودی استخراج می شود و یا از فرمول های نیمه تجربی مانند معادله کلمبرک محاسبه می شود. در این مقاله تعداد ۱۲۰۰ نمونه از دو داده ورودی به نام عدد بی بعد رینولدز و زبری نسبی لوله تولید کرده ایم که داده های معلوم مسئله هستند و بصورت تصادفی و در محدوده مشخص انتخاب شده اند و۱۲۰۰ نمونه داده خروجی ضریب اصطکاک دارسی است که از روی نمودار مودی و با استفاده از داده های ورودی استخراج شده و به عنوان داده ای آموزش برای شبکه عصبی طراحی شده در نظر گرفته شده اند. آموزش شبکه را با دو سری داده انجام شده است یک سری داده های معمولی و خام و سری دوم داده هایی که ورودی های آنها بصورت غیر خطی نورمالایز لگاریمی شده اند و تفاوت خطای نهایی آنها مورد بررسی قرار گرفته شده است. بعد از آموزش شبکه و رسیدن به سطح خطای مطلوب ،ضریب اصطکاک را از برنامه گرفته و وارد قسمت دوم برنامه برای محاسبه افت فشار لوله ناشی از اصطکاک سیال با جدار لوله برای جریان کاملا فراگیر و لوله با قطر ثابت کرده و افت هد اصلی را بدست آورده ایم.
فهرست :
مقدمه
توضیحاتی در مورد جریان در لوله ها و دیاگرام مودی
افت فشار
شبیه سازی شبکه عصبی
داده های ورودی و خروجی
آموزش شبکه عصبی با جعبه ابزار Matlab
توضیح جز به جز برنامه نوشته شده
خروجی شبکه
بررسی نمودارهای استخراج شده
تعیین تعداد نورون های لایه پنهان
مثالی از محاسبه افت فشار در یک لوله با استفاده از برنامه نوشته شده
خروجی شبکه
منابع و مآخذ