ارائه روشی برای مدل سازی سیستم با مجموعه داده کوچک به کمک شبکه عصبی به منظور بهینه سازی آن
نویسنده:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
کمبود داده از مهم ترین مشکلات در مدل سازی و بهینه سازی سیستم های واقعی در کاربردهای صنعتی است. روش های معمول مدل سازی، با داشتن مجموعه داده اندک از یک سیستم، توانمندی لازم را برای مدل کردن آن ندارند. در این مقاله روشی برای مدل سازی این نوع سیستم ها به منظور بهینه سازی ارائه شده که از دو مرحله اصلی تشکیل شده است. در مرحله اول به کمک شبکه عصبی، مدلی برای تولید داده ها ایجاد می شود که با دریافت هر خروجی دلخواه از سیستم، تعیین می کند این خروجی ناشی از اعمال چه ورودی ای به سیستم بوده است. در مرحله دوم، به کمک الگوریتم ژنتیک روشی برای بهینه سازی مدل تولیدشده ارائه می شود. در این مقاله، به کمک روش پیشنهادشده می توان ورودی های منجر به تولید خروجی بهینه را یافت. بهینه بودن عملکرد سیستم در تابعی موسوم به تابع برازش بررسی می شود. روش ارائه شده بر روی یک سری زمانی غیرخطی متغیر با زمان، به وسیله معادله ریاضی مشخص، و یک مجموعه داده واقعی از صنعت کشاورزی ارزیابی شده است. تحلیل نتایج آزمایش ها نیز با معیار میانگین مربعات خطا صورت گرفته است. نتایج ارزیابی با این معیار توانمندی این روش را در مدل سازی و بهینه سازی مجموعه داده های این مقاله نشان می دهد.
کلیدواژگان:
زبان:
فارسی
صفحات:
25 تا 35
لینک کوتاه:
magiran.com/p1837148
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!