دسته بندی | مقالات ترجمه شده isi |
بازدید ها | 1 |
فرمت فایل | doc |
حجم فایل | 2117 کیلو بایت |
تعداد صفحات فایل | 23 |
Fractional neural network approximation
a b s t r a c t
Here, we study the univariate fractional quantitative approximation of real valued
functions on a compact interval by quasi-interpolation sigmoidal and hyperbolic tangent
neural network operators. These approximations are derived by establishing Jackson type
inequalities involving the moduli of continuity of the right and left Caputo fractional
derivatives of the engaged function. The approximations are pointwise and with respect
to the uniform norm. The related feed-forward neural networks are with one hidden
layer. Our fractional approximation results into higher order converges better than the
ordinary ones
تخمین تقریبی شبکه ی عصبی کسری
چکیده
تقریب کمی کسری یک متغیرهی توابع با ارزش واقعی را بر روی فاصلهی فشرده توسط عملگرهای شبکهی عصبی مجانبی هایپربولیک و سیگموئید شبه میانیابی مطالعه میکنیم. این تقریبها با برقراری نامساویهای نوع جکسون شامل مدولهای پیوستگی مشتقات کسری کاپوتوی راست و چپ تابع مورد استفاده استخراج میشود. تقریبها نقطه به نقطه و نسبت به نُرم یکنواخت هستند. شبکههای عصبی فیدفوروارد مربوطه دارای یک لایهی پنهان هستند. تقریب زنی کسری ما منجر به همگرایی بهتری نسبت به تقریبهای معمولی میشود.
.
دسته بندی | مقالات ترجمه شده isi |
بازدید ها | 3 |
فرمت فایل | docx |
حجم فایل | 181 کیلو بایت |
تعداد صفحات فایل | 25 |
اصل و ترجمه مقاله کنترل هوشمند کشتی با استفاده از شبکه عصبی و منطق فازی و ژنتیک الگوریتم
عنوان انگلیسی مقاله :
A Genetically Optimized Fuzzy Neural Network for Ship Controllers
عنوان فارسی مقاله :
یک شبکه عصبی فازی ژنتیکی بهینه شده برای کنترل کشتی
سال انتشار : 2006
کیفیت ترجمه : B
چکیده انگلیسی :
Abstract-A novel approach has been promoted for fuzzy neural ship controllers. An RBF neural network and GA optimization are employed in a fuzzy neural controller to deal with the nonlinearity, time varying and uncertain factors. Utilizing the designed network to substitute the conventional fuzzy inference, the rule base and membership functions can be auto-adjusted by GA optimization. The parameters of neural network can be decreased by using union-rule configuration in the hidden layer of the network. The performance of controller is evaluated by the system simulation conducted with Simulink tools, by which satisfied results have been obtained
.Index Terms- RBF network. Fuzzy control. Genetic algorithm. Union rule. Ship control
چکیده فارسی :
کلمات کلیدی : کنترل فازی. الگوریتم ژنتیک. مجموعه قوانین. کنترل کشتی.
دسته بندی | مقالات ترجمه شده isi |
بازدید ها | 35 |
فرمت فایل | docx |
حجم فایل | 181 کیلو بایت |
تعداد صفحات فایل | 26 |
A Genetically Optimized Fuzzy Neural Network for Ship Controllers
اصل و ترجمه مقاله شبکه های عصبی فازی ژنتیکی بهینه شده برای کنترل کشتی
IEEE 2006
چکیده - منطق فازی عصبی، رویکرد جدید شده است برای کنترل کشتی ها. |
abstract-A novel approach has been promoted for fuzzy neural ship controllers. |
یک شبکه عصبی RBF و بهینه سازی GA در یک کنترل عصبی فازی به کار برای مقابله با غیرخطی، زمان های مختلف و عوامل نامشخص است. |
An RBF neural network and GA optimization are employed in a fuzzy neural controller to deal with the nonlinearity, time varying and uncertain factors. |
با استفاده از شبکه طراحی شده به جای استنتاج فازی معمولی، پایگاه قوانین و توابع عضویت می تواند به صورت خودکار توسط بهینه سازی GA تنظیم شود. |
Utilizing the designed network to substitute the conventional fuzzy inference, the rule base and membership functions can be auto-adjusted by GA optimization. |
پارامترهای شبکه عصبی را می توان با استفاده از تنظیمات مجموعه قوانین در لایه مخفی از شبکه کاهش داد. |
The parameters of neural network can be decreased by using union-rule configuration in the hidden layer of the network. |
نتایج رضایت بخشی از عملکرد کنترل کننده های شبیه سازی سیستم، که توسط ابزار سیمولینک انجام می گردد دست آمده است. |
The performance of controller is evaluated by the system simulation conducted with Simulink tools, by which satisfied results have been obtained. |
کنترل فازی. الگوریتم ژنتیک. مجموعه قوانین. کنترل کشتی. |
Fuzzy control. Genetic algorithm. Union rule. Ship control. |
دسته بندی | مقالات ترجمه شده isi |
بازدید ها | 16 |
فرمت فایل | doc |
حجم فایل | 595 کیلو بایت |
تعداد صفحات فایل | 12 |
Finite-time stability analysis of fractional-order neural networks with delay
Abstract
Stability analysis of fractional-order neural networks with delay is addressed in this paper. By using the
contracting mapping principle, method of iteration and inequality techniques, a sufficient condition is established to
ensure the existence, uniqueness and finite-time stability of the equilibrium point of the proposed networks. Finally,
based on the Predictor-Corrector Approach, two numerical examples are presented to illustrate the validity and
feasibility of the obtained result.
تحلیل پایداری زمان-محدود شبکه های عصبی مرتبه کسری تاخیردار
چکیده
تحلیل پایداری شبکه های عصبی مرتبه کسری با تاخیر در این مقاله ارائه میشود. با استفاده ازاصل نگاشت قراردادی، روش تکراری و تکنیکهای نابرابر، شرط مناسبی به منظور تضمین وجود، منحصر به فردبودن و پایداریزمانمحدود نقطهی تعادلشبکههایارائه شده ایجاد میشود. در نهایت،بر اساسروشاصلاح-پیشگویی، دو مثال عددی به منظور نشان دادن اعتبار و احتمال نتیجهی به دست آمده ارائه میشود.
دسته بندی | مقالات ترجمه شده isi |
بازدید ها | 14 |
فرمت فایل | doc |
حجم فایل | 375 کیلو بایت |
تعداد صفحات فایل | 6 |
Fractional-Order Hopfield Neural Networks
Abstract. This paper proposes Fractional-order Hopfield Neural Networks
(FHNN). This network is mainly based on the classic well-known Hopfield net
in which fractance components with fractional order derivatives, replace
capacitors. Stability of FHNN is fully investigated through energy-like function
analysis. To show how effective the FHNN network is, an illustrative example
for parameter estimation problem of the second-order system is finally
considered in the paper. The results of simulation are very promising.
شبکه های عصبی هوپفیلد با مرتبه ی کسری
چکیده
این مقاله شبکههای عصبی هوپفیلد مرتبه کسری (FHNN) را ارائه میکند. این شبکه عمدتا مبتنی بر شبکه هوپفیلد مشهور استکه در این مولفههای کسریبا مشتقات مرتبه کسری جایگزین خازن میشوند. پایداری FHNN بطور کامل از طریق آنالیز تابع شبیه انرژی بررسی میشود. در نهایت برای نشان دادن تاثیر شبکه FHNN، یک مثال تصویری برای مسئلهی برآورد پارامتری سیستم مرتبه دوم در نظر گرفته میشود. نتایج شبیهسازی بسیار امیدوارکننده هستند.