دانش رسان |
مرکز علم و دانش کشور شبکه عصبی و کاربرد آن در صنایع غذایی
در حال بارگذاری
توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد
شبکه عصبی و کاربرد آن در صنایع غذایی دارای ۱۲ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد شبکه عصبی و کاربرد آن در صنایع غذایی 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 شبکه عصبی و کاربرد آن در صنایع غذایی،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن شبکه عصبی و کاربرد آن در صنایع غذایی :
تعداد صفحات :۱۲
چکیده مقاله:
برای مدل کردن پدیده های فیزیکی از روش های معمول حل معادلات (موازنه جرم و انرژی) استفاده می شود اما به دلیل وقت گیر بودن حل این معادلات روش های سریع تری چون شبکه عصبی مصنوعی هم موجود است. شبکه های عصبی مصنوعی از عناصرعملیاتی ساده ای به صورت موازی ساخته می شوند .این عناصر از سیستم های عصبی زیستی الهام گرفته شده اند .شبکه های عصبی از دو ویژگی اساسی یادگیری براساس ارائه داده های تجربی و ساختار پذیری موازی برخوردار می باشند. این شبکه ها برای مسائل کنترل، علی الخصوص سیستم های پیچیده که مدل سازی این سیستم ها میسر نیست یا به سختی انجام می شود مناسب می باشد.علیرغم مزایای زیادروشهای مدلسازی ریاضی، محدودیتهایی از قبیل انتخاب پارامترها، اعمال پیش فرض ها برای حل معادلات دیفرانسیل و پیچیدگی حل معادلات سبب میشود استفاده از روشهای ناپارامتری مانند شبکه های عصبی مصنوعی در حل مسائلتوسعه پیدا کند، زیرا روش حل در شبکه های عصبی مصنوعی مبتنی بر ضرب ضرایب وزنی در قالب پردازش موازی است .از این روسرعت دستیابی به جواب دراین روش نسبت به روشهای مدلسازی ریاضی بیشتر است بنابراین برای اعمال سیستم کنترل، مناسب تر است. از سوی دیگر به علت توزیع اطلاعات در شبکه های عصبی مصنوعی، خطای ایجاد شده دراطلاعات ورودی تأثیر نامطلوب بر پردازش داده ها نخواهد داشت. همچنین با توجه به درنظر گرفتن پارامترهای کیفی و عدم امکان محاسبهآن باروشهای مدلسازی ریاضی، روش شبکه های عصبی مصنوعی برای پیشبینی همزمان پارامترهای خروجی مناسب است. شبکه های عصبی مصنوعی به دلیل وفقی بودن، قابلیت اعتماد بیشتری نسبت به مدلهای آماری دارند و قابلیت تعمیم و تقریب آنها بیشتر است
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.
