ویژگی های فیزیکی ای که در تقطیر بنزین موتور بایتس مورد اندازه گیری- قسمت …

پایان نامه های سری بیستم
اثر متقابل

۰٫۲۸

۰٫۸

۰٫۳۳

۰٫۶۴

اضافی

N/A

N/A

N/A

N/A

زاهد

۰٫۱۷

N/A

N/A

N/A

شبکه عصبی

۰٫۱۷

N/A

N/A

N/A

*( اعداد گزارش شده انحراف استاندارد خطای پیش بینی میباشند)
۲-۱۳٫خلاصه فصل
بر طبق مرور ادبیات انجام شده در این فصل مشاهده میشود که پیش بینی درجهیآرامسوزی بنزین با استفاده از روشهای کلاسیک نیازمند جمعآوری و آزمایش نمونههای بسیار است که کاری دشوار و هزینهبر میباشد. بهروز رسانی ضرایب به دست آمده با استفاده از این اطلاعات دشوار می باشد. در قرن حاضر شبکه عصبی به عنوان ابزاری مناسب برای حل معادلات غیرخطی استفاده گردیده است. استفاده آسان و دقت مدلهای پیش بینی درجه آرام سوزی بنزین با استفاده از شبکه عصبی، توانایی این تکنیک را به اثبات رسانده است. در فصل بعد توضیح مختصری در ارتباط با شبکه های عصبی و الگوریتم ژنتیک ارائه می گردد.
فصل سوم
مواد و روش ها
۳-۱٫ مقدمه
امروزه با پیشرفت علم و تکنولوژی و گسترش استفاده از سیستمهای کامپیوتری در محاسبات سنگین، سیستمهای هوشمند کامپیوتری و یا بطور کلی هوش مصنوعی از اهمیت روز افزونی برخوردار شده اند. این مقوله در علوم مختلف مهندسی از جایگاه بسیار مناسبی بهره مند است. به گونه ای که در این علوم پژوهشگران و مهندسان برای حل مسایلی که حل آنها با روشهای معمولی بسیار دشوار و حتی غیر ممکن می باشد، رو به این شاخصه علمی آورده اند [۲۳].
در سالیان اخیر محققان زیادی به بررسی هوش مصنوعی و شبکه عصبی مصنوعی بصورت جزیی بعنوان ابزاری برای مدل کردن سیستمهای مهندسی پرداخته اند .نتیجهی مدلسازیهای موفق، ابداع بستههای نرمافزاری در رابطه با طراحی و گسترش شبکههای عصبی میباشد که شامل گزینههای مختلفی در رابطه با طراحی ساختار شبکهی عصبی بوده و محیط مناسب و راحتی را برای کاربر ایجاد مینمایند که تمام محاسبات پیچیدهی ریاضی از دید کاربر به دور میباشد بنابراین استفاده و توسعهی این شبکهها بسیار راحت میباشد [۲۴].
۳-۲- شبکههای عصبی مصنوعی
شبکههای عصبی مصنوعی یکی از شاخههای علوم کامپیوتر است که در سالهای اخیر، در علوم و فنون برای حل مسائلی که روشهای سنتی و کلاسیک یا قادر به حل آن نیستند یا حل آنها سخت است جایگاه برجستهای پیدا کرده است. شبکههای عصبی مصنوعی یکی شاخههای پرکاربرد هوش مصنوعی است که به عنوان ابزاری هوشمند برای مدل کردن برخی سیستمهای مهندسی با تقلید از ساختار شبکههای عصبی موجودات زنده استفاده میشود. آنچه مهم است تبعیت شبکههای عصبی مصنوعی از کلیت مفهوم جعبه سیاه است، چون عمل تجزیه و تحلیل در شبکه اتفاق میافتد نه در مغز محقق. همچنین نیاز به دانش زیادی در مورد عملکرد آن برای کاربر وجود ندارد. اما به هر حال بهرهگیری از دانش کلی در رابطه با طرز کار این شبکهها برای کاربران آن ضروری است [۲۳].
۳-۳- شکل بیولوژیکی شبکههای عصبی
نرونها سادهترین واحد ساختاری سیستمهای عصبی هستند. بافتهایی که عصب نامیده میشوند مجموعهای از نرونها میباشند. این نرونها اطلاعات و پیامها را از یک قسمت بدن به قسمت دیگر منتقل میکنند. چنانکه در شکل(۳-۱) نمایش داده شده است، بیشتر نرونها از سه قسمت اساسی زیر تشکیل شدهاند:
۱- بدنه سلول که شامل هسته و قسمتهای حفاظتی دیگر میباشد، ۲- دندریت[۶۷]، ۳- اکسون[۶۸] که دو مورد اخیر عناصر ارتباطی نرون را تشکیل میدهند.

این مطلب را هم بخوانید :  بررسی رابطه بین سطح افشای کامل اطلاعات مالی (قابل اتکاء بودن و به ...

برای دانلود متن کامل پایان نامه به سایت azarim.ir مراجعه نمایید.