دانلود مقاله شبکه عصبی کامپیوتر(Artificial Neuaral Networks In Structural Analysis And Design)

Word 92 KB 18237 133
مشخص نشده مشخص نشده کامپیوتر - IT
قیمت قدیم:۲۶,۳۰۰ تومان
قیمت با تخفیف: ۱۹,۸۰۰ تومان
دانلود فایل
  • بخشی از محتوا
  • وضعیت فهرست و منابع
  • شبکه های عصبی مصنوعی در بسیاری از موارد تحقیق و در تخصص های گوناگون به کار گرفته شده و به عنوان یک زمینه تحقیقاتی بسیار فعال حاصل همکاری دانشمندان در چند زمینه علمی از قبیل مهندسی رایانه ، برق ، سازه ، و بیو لوژی اند . از موارد کاربرد شبکه ای عصبی می توان به طبقه بندی اطلاعات ، شناخت ویژگی های حروف و شکلها ، برآورد توابع و غیره اشاره کرد .
    کاربرد شبکه های عصبی در مهندسی عمران و به خصوص 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 شبکه های عصبی در مهندسی عمران می توان به بهینه سازی ، تحلیل ، طراحی و پیش بینی خیز و وزن سازه ها ، تحلیل و طراحی اتصالات ، پیش بینی نتایج آزمایشات بتنی و خاکی ، کاربرد در تئوری گرافها و بسیاری از موارد دیگر اشاره کرد .
    این مقاله حاوی پنج بخش است :
    بخش اول به مفاهیم بنیادی شبکه های عصبی مصنوعی می پردازد و بعضی از موضوعات برای آشنایی مقدماتی به اختصار در این بخش توضیح داده شده است و شامل مدل بیولوژیکی شبکه های عصبی می باشد و همچنین سلول عصبی مصنوعی توضیح داده شده است که به منظور تقلید از خصوصیات مرتبه اول ( First order ) سلول عصبی بیولوژیکی طراحی شده است .سطح تحریک سلول عصبی که توسط جمع ورودی های وزن دار معین شده است ، در این بخش توضیح داده شده است .
    شبکه های عصبی مصنوعی تک لایه و چند لایه نیز به طور مفصل مورد بحث قرار گرفته است که ساده ترین شبکه به صورت گروهی از سلول های عصبی است که در یک لایه مرتب شده اند و شبکه های چند لایه تواناییها و قابلیت های محاسباتی بیشتری را ارائه می کنند . شبکه های بازگشتی که شامل ارتباطات تغذیه برگشتی هستند ، در این شبکه ها ، خروجی های قبیل دوباره به سمت عقب به طرف ورودی ها منتشر می شوند و خروجی شان هم با استفاده از ورودی جاری و هم خروجی قبلیشان تعیین می شو د.
    بخش دوم :شامل الگوریتم های آموزشی می باشد و هدف از آموزش شبکه را توضیح می دهد که یک شبکه به گونه ای آموزش داده می شود که با به کار بردن یک دسته از ورودی ها ، دسته خروجی های دلخواه تولید شود .
    بخش سوم : الگوریتم انتشار برگشتی را توضیح می دهد که انتشار برگشتی یک روش سیستماتیک برای تربیت شبکه های عصبی مصنوعی چند لایه است و یک پایه ریاضی دارد که با وجود قوی بودن خیلی عملی نیست و ساختار شبکه که شامل سلول عصبی است ، توضیح داده می شود و در قسمت بعدی شبکه چند لایه که از الگوریتم انتشار برگشتی استفاده می کند ، توضیح داده می شود .
    در بخش چهارم راهنمای استفاده از برنامه NETS2.01 که یک شبیه ساز عصبی است و توسط محققان در بخش هوش مصنوعی فن آوری مرکز فضایی ناسا توسعه داده شده است ، توضیح داده می شود و اهداف آن شامل دو قسمت است :
    1- تهیه سیستمی که حدی برای ایجاد ساختارهای عصبی شبکه عصبی که به منظور یاد گیری از روش انتشار برگشتی استفاده می کنند قابل تغییر باشد .
    2- تشویق کاربران عام جهت میل به یاد گیری فن اوری شبکه عصبی بدون نیاز به سخت افزار های خاص .
    در بخش پنجم اموزش شبکه های عصبی مورد بحث قرار گرفته است که برای تحلیل سازه ها و طراحی سازه ها به کار گرفته می شود .
    نیروی محوری المان شماره المان عمق سازه طول سازه
    L h NE p
    و همچنین نرم افزار های مورد استفاده در شبکه ها که شامل NETS2.01 و Neuralworks است ، توضیح داده شده است که نرم افزار Neuralworks خود قادر به نگاشت اطلاعات ورودی به حدود دلخواه است ولی نرم افزار NETS2.01 قادر به نگاشت اطلاعات ورودی به حدود دلخواه نیست و برای این منظور برای نگاشت اطلاعات ورودی به حدود دلخواه برنامه ای به نام m-in-net نوشته شده است و از این برنامه برای اماده سازی اطلاعات ورودی برای برنامه NETS استفاده شده است .
    در پایان این بخش شبکه عصبی برای پیش بینی وزن سازه و برای پیش بینی خیز سازه مورد بررسی قرار گرفته که توسط جداولی ، ورودی ها و خروجی های آن مشخص شده است .
    و نیز یک مثال از شبکه عصبی برای تحلیل سازه ها مورد بررسی قرار گرفته است . که با استفاده از یک جدول شماره ای را برای یک المان و سازه در نظر گرفته و یک شماره برای المان در شبکه عصبی و سایر مشخصات شبکه که شامل تعداد ورودی های شبکه عصبی – نوع اطلاعات ورودی شبکه عصبی ( طول دهانه (C ) سازه فضا کار دو لایه ای بر حسب متر ) و عمق ( h ) سازه فضا کار دو لایه ای بر حسب متر و تعداد خروجی های شبکه عصبی و نوع اطلاعات خروجی شبکه و تعداد زوجهای آموزشی در نظر گرفته شده برای آموزش شبکه و تعداد زوجهای آموزشی در نظر گرفته شده برای آزمایش شبکه که با توجه به تعداد زوجهای آموزشی و کسب عملکرد و دلخواه از شبکه سازه های مختلفی را برای شبکه در نظر می گیریم ، آنها را تربیت و از میان آنها بهترین ساختار را انتخاب می نماییم .
    در بخش ششم هم توضیحاتی راجع به سازه های فضا کار داده می شود که از اعضای مستقیم ساخته می شوند و عمکرد آنها در فضای سه بعدی است و به انواع این سازه ها اشاره شده است .
    سازه های مهندسی
    واژه سازه معانی گوناگونی دارد . یک سازه مهندسی را تقریباً می توان مجموعه ای دانست که ساخته و یا بنا می گردد . سازه های عمده مربوط به مهندسی راه و ساختمان عبارتند از: پلها ، ساختمانها ، دیوارها ، برجها و سازه های پوسته ای .این چنین سازه هایی متشکل از یک یا تعدادی عضو سلب می باشند و ترتیب قرار گرفتن اعضاء به گونه ای است که تمام سازه و همچنین اجزاء مختلف آن در مقابل بارگذاری و حذف بار ، بدون تغییر شکل قابل ملاحظه مقاومت می نماید .
    در طرح سازه ها مسائل مختلفی باید مد نظر قرار گیرد که از آن جمله دو شرط اساسی زیر باید حتماً برآورده شوند :
    1- سازه باید نقش مورد نظر را به خوبی ایفاء نماید .
    2- سازه ها باید بارهای وارده را با اطمینان خاطر تحمل کند .
    به عنوان مثال خر پای شکل ( زیر )را که بر روی دو ستون قرار گرفته است در نظر بگیرید. و هدف از ساختن این خرپای پوششی و ستونهای آن از یک طرف متعادل بودن سازه در مقابل وزن خود سازه ، بار پوشش سقف و نیروی باد و برف بوده و از طرفی دیگر تامین فضاهایی برای اسکان یک خانواده ، برای یک کارخانه و یا جهت مصارف دیگر می باشد.

هوش محاسباتي يا (Computational-Intelligence) CI به معناي استخراج هوش، دانش، الگوريتم يا نگاشت از دل محاسبات عددي براساس ارائه به روز داده‌هاي عددي است. سيستم‌هايCI در اصل سيستم‌هاي ديناميکي مدل آزاد (Model-free) را براي تقريب توابع و نگاشتها ارائه م

مقدمه شبکه هاي عصبي چند لايه پيش خور1 به طور وسيعي د ر زمينه هاي متنوعي از قبيل طبقه بندي الگوها، پردازش تصاوير، تقريب توابع و ... مورد استفاده قرار گرفته است. الگوريتم يادگيري پس انتشار خطا2، يکي از رايج ترين الگوريتم ها جهت آموزش شبکه ها

چکیده: شبکه‌های عصبی مصنوعی از مباحث جدیدی است که دانشمندان علوم کامپیوتر به آن علاقمند شده‌اند و برای پیشرفت هرچه بیشتر علوم کامپیوتر وقت و هزینه بسیاری را صرف آن کرده و می‌کنند. این موضوع با ایده گرفتن از سیستم عصبی بدن انسان و با هدف شبیه‌سازی هرچه بیشتر کامپیوتر به انسان شکل گرفت و تا حال به خوبی پیشرفته است. از جمله کاربردهای این بحث می‌توان از شناسایی الگوها, پردازش تصویر ...

امروزه با شکسته شدن پی در پی استقلال ، شاخه های مختلف علوم و بهره وری شاخه ای از شاخه ی دیگر و پیشبرد مسائل پیچیده خود، پیوستگی و لاینفک بودن تمامی شاخه های علوم را نمایان تر می سازد که سرمنشأ تمامی آنها از یک حقیقت نشأت گرفته و آن ذات باری تعالی است.اولین تلاش ها به منظور ارائه ی یک مدل ریاضی برای سیستم عصبی انسان در دهه 40 توسط Mcculloch , pitts انجام شد ، که حاصل آن یک نورون ...

يکي از مهمترين قابليت هاي يک شبکه عصبي اينست که اينگونه شبکه ها چندکاره هستند، مثلا قادرند چند خروجي ايجاد نمايند که همين پايه و مبناي چگونگي بدست آمدن اين شبکه ها و قلبليت چندکاره بودن آنها، عصب شناسان را مبهوت ساخته و موجب ايجاد تئوري هاي مختلفي د

مفيد بودن شبکه عصبي آنالوگ مصنوعي بصورت خيلي نزديکي با ميزان قابليت آموزش پذيري آن محدود مي شود . اين مقاله يک معماري شبکه عصبي آنالوگ جديد را معرفي مي کند که وزنهاي بکار برده شده در آن توسط الگوريتم ژنتيک تعيين مي شوند . اولين پياده سازي VLSI ارائه

چکیده: در عصر حاضر در بسیاری از موارد ماشین ها جایگزین انسانها شده اند و بسیاری از کارهای فیزیکی که در گذشته توسط انسانها انجام می گرفت امروزه توسط ماشین ها صورت می گیرد . اگرچه قدرت کامپیوترها در ذخیره، بازیابی اطلاعات و اتوماسیون اداری ،.. غیر قابل انکار است، اما همچنان مواردی وجود دارد که انسان ناچار است خودش کارها را انجام دهد. اما به طور کلی ، موارد مرتبط با ماشین شامل ...

الگوريتم ها در کامپيوتر ها اعمال مشخص و واضحي هستند که بصورت پي در پي و در جهت رسيدن به هدف خاصي انجام مي شوند.حتي در تعريف الگوريتم اين گونه آمده است که الگوريتم عبارت است از مجموعه اي ازاعمال واضح که دنبال اي از عمليات را براي رسيدن به هدف خاصي دن

فصل اول : مقدمه 1-1 پيشگفتار انرژي الکتريکي به عنوان محور اصلي توسعه صنعتي در ميان انواع انرژي از اهميت خاصي برخوردار است. اين انرژي با آنکه خود به انواع ديگر انرژي وابستگي دارد، اتکا شاخه‌هاي مختلف اقتصادي به آن در حدي است که براحتي مي‌تو

امروزه با شکسته شدن پی در پی استقلال ، شاخه های مختلف علوم و بهره وری شاخه ای از شاخه ی دیگر و پیشبرد مسائل پیچیده خود، پیوستگی و لاینفک بودن تمامی شاخه های علوم را نمایان تر می سازد که سرمنشأ تمامی آنها از یک حقیقت نشأت گرفته و آن ذات باری تعالی است.اولین تلاش ها به منظور ارائه ی یک مدل ریاضی برای سیستم عصبی انسان در دهه 40 توسط Mcculloch , pitts انجام شد ، که حاصل آن یک نورون ...

ثبت سفارش
تعداد
عنوان محصول