با عنوان:کاربرد شبکه های عصبی در مدل سازی یک پارامتر از محیط با بهره گیری از حسگرهای نامطمئن

در ادامه مطلب می توانید صفحات ابتدایی این پایان نامه را بخوانید

و در صورت نیاز به متن کامل آن می توانید از لینک پرداخت و دانلود آنی برای خرید این پایان نامه اقدام نمائید.

شما می توانید تکه های دیگری از این مطلب را در شماره بندی انتهای صفحه بخوانید              

دانشگاه آزاد اسلامي
واحد تهران جنوب
دانشكده تحصيلات تكميلي

شما می توانید مطالب مشابه این مطلب را با جستجو در همین سایت بخوانید                     

“M.Sc” پايان نامه براي دريافت درجه كارشناسي ارشد
مهندسي مكاترونیک
عنوان :

کاربرد شبکه های عصبی در مدل سازی یک پارامتر از محیط با بهره گیری از حسگرهای نامطمئن

برای رعایت حریم خصوصی اسامی استاد راهنما،استاد مشاور و نگارنده درج نمی گردد

تکه هایی از متن به عنوان نمونه :

(ممکن می باشد هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود اما در فایل دانلودی همه چیز مرتب و کامل می باشد)

چكيده:

امروزه کامپیوتر یکی از مهمترین بخش های اصلی فرآیند طراحی مهندسی می باشد و مهندسان از آن برای بهبود طراحی در کاربردهای گوناگون بهره گیری می کنند. هرچند کامپیوتر در مدل سازی بسیاری از کاربردهای مهندسی بهره گیری می گردد اما در حال حاضر تمرکز اصلی بر حوزه هایی می باشد که دارای قاعده و قانون هستند. به گونه کلی فعالیت هایی که در ارتباط با مرحله محاسبات فرآیند طراحی می باشد از سوی کامپیوتر ها غیر قابل لمس می باشند. در سال های اخیر شبکه های عصبی (NNs) به گونه گسترده در مدل سازی بسیاری از فعالیت های بشری در حوزه های مختلف علوم و مهندسی مورد بهره گیری قرار گرفته اند. یکی از ویژگی های متمایز NNs توانایی یادگیری آن از نمونه هاو تجربیات، سپس تطبیق آن ها با تغییر موقعیت می باشد. مهندسان اغلب با داده های ناقص و حاوی نویز سر و کار دارند. که یکی از حوزه های پرکاربرد شبکه عصبی می باشد. در این سمینار به معرفی مفهوم شبکه های عصبی مصنوعی ، انواع آن ها و همچنین شبکه های حسگری بی سیم می پردازیم و در نهایت به گونه مختصر به مطالعه مدلی پویا از WSN و کاربرد آن ها در تشخیص گره و شناسایی خطا در شبکه های حسگری بی سیم می پردازیم. شبکه های عصبی بازگشتی برای مدل سازی یک گره حسگری مورد بهره گیری قرار گرفته اند. گره ها به صورت پویا بوده و با گره های دیگر شبکه حسگری در ارتباط می باشد. ورودی NN شامل خروجی قبلی نمونه های مدل سازی گره حسگری و خروجی فعلی و قبلی نمونه های حسگرهای مجاور می باشد. این مدل سازی بر مبنای ساختار شبکه های عصبی پس انتشار و شبکه های بازگشتی پایه شعاعی می باشد. ورودی شبکه و توپولوژی آن بر اساس مدل حسگر غیر خطی می باشد.

تعداد صفحه : 113

قیمت : شش هزار تومان

***

—-

پشتیبانی سایت :       

———-          serderehi@gmail.com

دیدگاهتان را بنویسید