مقاله ادغام الگوریتم ژنتیک و شبکه های عصبی مصنوعی در پیش بینی مقدار نشست چرخ محرک در اثر لغزش، بار وسرعت

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

  مقاله ادغام الگوریتم ژنتیک و شبکه های عصبی مصنوعی در پیش بینی مقدار نشست چرخ محرک در اثر لغزش، بار وسرعت دارای ۱۳ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله ادغام الگوریتم ژنتیک و شبکه های عصبی مصنوعی در پیش بینی مقدار نشست چرخ محرک در اثر لغزش، بار وسرعت  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 مقاله ادغام الگوریتم ژنتیک و شبکه های عصبی مصنوعی در پیش بینی مقدار نشست چرخ محرک در اثر لغزش، بار وسرعت،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله ادغام الگوریتم ژنتیک و شبکه های عصبی مصنوعی در پیش بینی مقدار نشست چرخ محرک در اثر لغزش، بار وسرعت :

تعداد صفحات:۱۳
چکیده:
این مطالعه به بررسی اثر پارامترهای لغزش، بار و سرعت در مقدار نشست چرخ محرک درون خاک با استفاده از آزمونگر تک چرخ در محیط انباره خاک می پردازد. داده های بدست آمده با استفاده از تکنیک شبکه های عصبی مصنوعی و روش ادغام الگوریتم ژنتیک و شبکه های عصبی مصنوعی مورد مدلسازی و مقایسه قرار گرفتند. مشخص شد که با بکارگیری الگوریتم ژنتیک در شبکه عصبی نتایج بهتری نسبت به اجرای تنهای شبکه عصبی حاصل می شود. این امر به دلیل بهینه ساختن وزنهای نورون ها در هر نسل جدید نسبت به نسل قبلی توسط جمعیت کروموزومها می باشد. همچنین در بین کلیه آرایش های شبکه های گسترش یافته در قالب دو الگوریتم آموزشی مورد استفاده، کمترین خطا در الگوریتم آموزشی trainlm با ۶ نورون در لایه مخفی با مقدار ۰/۶۷۵۵ بدست آمد. البته کمترین مقدار MSE برای الگوریتم آموزشی trainscg با ۷ نورون در لایه مخفی با مقدار ۰/۸۱۹ بدست آمد که از مقدار ۰/۶۷۵۵ بیشتر بوده و بنابر این شبکه عصبی ادغام شده با الگوریتم ژنتیک دارای ۶ نورون در لایه مخفی و با الگوریتم آموزشی trainlm به عنوان شبکه برتر انتخاب شد. مشخص شد که نزدیکی مقادیر پیشبینی شده توسط شبکه عصبی به مقادیر واقعی دارای ضریب تبیین برابر با ۰/۹۷۲۲ میباشد. نزدیکی مقادیر پیشبینی شده توسط شبکه عصبی ادغام شده با الگوریتم ژنتیک به مقادیر واقعی دارای ضریب تبیین برابر با ۰/۹۹۰۵ می باشد.