مقایسه الگوریتم های ماشین بردار پشتیبان حداقل مربعات، سیستم استنتاج فازی عصبی تطبیقی، شبکه عصبی تابع بنیادی شعاعی و بزرگترین مرز نزدیکترین همسایگی در عیب یابی سازه ها

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 مقایسه الگوریتم های ماشین بردار پشتیبان حداقل مربعات، سیستم استنتاج فازی عصبی تطبیقی، شبکه عصبی تابع بنیادی شعاعی و بزرگترین مرز نزدیکترین همسایگی در عیب یابی سازه ها دارای ۱۰ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقایسه الگوریتم های ماشین بردار پشتیبان حداقل مربعات، سیستم استنتاج فازی عصبی تطبیقی، شبکه عصبی تابع بنیادی شعاعی و بزرگترین مرز نزدیکترین همسایگی در عیب یابی سازه ها  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقایسه الگوریتم های ماشین بردار پشتیبان حداقل مربعات، سیستم استنتاج فازی عصبی تطبیقی، شبکه عصبی تابع بنیادی شعاعی و بزرگترین مرز نزدیکترین همسایگی در عیب یابی سازه ها،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقایسه الگوریتم های ماشین بردار پشتیبان حداقل مربعات، سیستم استنتاج فازی عصبی تطبیقی، شبکه عصبی تابع بنیادی شعاعی و بزرگترین مرز نزدیکترین همسایگی در عیب یابی سازه ها :

تعداد صفحات :۱۰

چکیده مقاله:

امروزه استفاده از الگوریتم های مبتنی بر هوش مصنوعی در زمینه عیب یابی سازه ها مورد توجه بسیاری از محققین قرار گرفته است. در این تحقیق جهت تشخیص عیوب چندگانه در سیستم های سازه ای، چهار الگویتم هوش مصنوعی درون یاب مورد مقایسه قرار گرفته است . بدین منظور ، از الگوریتم های ماشین بردار پشتیبان حداقل مربعات(LS-SVM) سیستم استنتاج فازی عصبی تطبیقی، (ANFIS)، شبکه عصبی تابع بنیادی شعاعی (RBFNN) و بزرگترین مرز نزدیکترین همسایگی (LMNN) برای طراحی سیستم عیب یابی هوشمند سازه ها استفاده شده است. وظیفه سیستم عیب یاب، شناسایی محل و میزان آسیب در سازه ها می باشد. آسیب در سازه ها توسط کاهش سختی مدل شده و همچنین از تغییرات فرکانس های سازه به عنوان ورودی سیستم عیب یاب استفاده می گردد.. به منظور ارزیابی عملکرد روش پیشنهادی، مثالهای عددی حل شده و نتایج بیانگر دقت بیشتر LS-SVM نسبت به سایر الگوریتم های مورد بررسی در این پژوهش جهت عیب یابی سازه ها می باشد.