دانلود انواع مقاله
(پروژه، مقاله، پایان نامه، گزارش کارآموزی، سوالات استخدامی، طرح توجیهی و...)دانلود انواع مقاله
(پروژه، مقاله، پایان نامه، گزارش کارآموزی، سوالات استخدامی، طرح توجیهی و...)طراحی پایدار کننده سیستم های قدرت مقاوم با استفاده از ترکیب ANN و ICA…
دسته: برق
حجم فایل: 377 کیلوبایت
تعداد صفحه: 13
طراحی پایدار کننده سیستم های قدرت مقاوم با استفاده از ترکیب ANN و ICA
چکیده
حد پایداری حالت پایدار و میرایی مثبت سیستم را می توان با پایدار کننده سیستم قدرت متداول بهبود یافت (PSS). با این حال، به منظور توانایی های مانند تنظیم کردن آنلاین و زمان واقعی بهینه میرایی در کل محدوده عملیاتی، طراحی مقاوم از PSS مورد نیاز است. یک طراحی PSS مقاوم جدید با استفاده از شبکه عصبی مصنوعی (ANN) و الگوریتم رقابتی امپریالیستی (ICA) برای میرایی نوسانات حالت های الکترومکانیکی و بهبود پایداری سیستم قدرت در این مقاله ارائه شده است. دینامیک در ارتباط با یک تک ماشین متصل شده به باس بی نهایت سیستم قدرت در این مطالعه تجزیه و تحلیل شده است. تنظیمات بهینه پارامترهای PSS با استفاده از ترکیب ICA-ANN به دست آمده اند.. ANN برای تنظیم پارامترهای PSS آنلاین استفاده شده است. نتایج PSS مبتنی بر ICA (ICA-PSS) به عنوان طرح های آموزش ANN استفاده شده اند. تجزیه و تحلیل مقادیر ویژه و شبیه سازی های سیستم اثر روش ارائه شده در میرایی نوسانات الکترومیکانیکی و بهبود پایداری دینامیکی سیستم را نشان می دهد.
واژه های کلیدی: شرایط قدرت پایدار کننده سیستم، الگوریتم رقابتی امپریالیستی، شبکه عصبی مصنوعی، نوسانات فرکانس پایین
مقاله سال 2013
قیمت: 16,000 تومان
شبکه های عصبی آموزشی رقابتی پیشرفته در مورد تشخیص نفوذ درشبکه…
- عنوان لاتین مقاله: Improved competitive learning neural networks for network intrusion and fraud detection
- عنوان فارسی مقاله: شبکه های عصبی آموزشی رقابتی پیشرفته در مورد تشخیص نفوذ در شبکه و شناسایی کلاهبرداری
- دسته: کامپیوتر و فناوری اطلاعات
- تعداد صفحات فایل ترجمه شده: 32
- لینک دریافت رایگان نسخه انگلیسی مقاله: دانلود
- نسخه فارسی مقاله برای خرید آماده است.
خلاصه
در این پژوهش، دو الگوریتم خوشه بندی جدید را معرفی می کنیم. شبکه اموزشی رقابتی پیشرفته (ICLN) و شبکه آموزشی رقابتی پیشرفته نظارتی (SICLN) که در زمینه تشخیص کلاهبرداری و تشخیص نفوذ شبکه در می باشند. شبکه اموزشی رقابتی پیشرفته (ICLN) به عنوان الگوریتم خوشه بندی غیرنظارتی می باشد، که قوانین جدیدی را برای شبکه های عصبی آموزشی رقابتی استاندارد (SCLN) اعمال می کند. نورون های شبکه در شبکه آموزشی رقابتی پیشرفته (ICLN) برای ارائه مرکز داده توسط قوانین بروز شده تنبیه و پاداش جدید آموزش دیده اند. این قوانین بروز شده، بی ثباتی شبکه های عصبی آموزشی رقابتی استانداردSCLN)) را از بین می برند. شبکه آموزشی رقابتی یشرفته نظارتی (SICLN) به عنوان نسخه بازبینی شده شبکه اموزشی رقابتی پیشرفته (ICLN) می باشد. در SICLN (شبکه آموزشی رقابتی یشرفته نظارتی (SICLN) ، قوانین بروزرسانی شده نظارتی از دسته بندی داده برای هدایت مراحل آموزش برای دسترسی به نتایج خوشه بندی بهتر استفاده می کند. شبکه آموزشی رقابتی پیشرفته نظارت شده می تواند برای داده های دسته بندی شده و دسته بندی نشده اعمال شده و در سطح بالایی در برابر اتیکت های مفقودی و تاخیری مقاوم می باشد. علاوه بر این، شبکه آموزشی رقابتی یشرفته نظارتی (SICLN) دارای قابلیت بازسازی بوده، بنابراین کاملا مستقل از تعداد اولیه خوشه ها می باشد.
برای ارزیابی الگوریتم های مورد نظر، به مقایسه عملی در مورد داده های تحقیق و داده های حقیقی در تشخیص کلاهبرداری و تشخیص نفوذ شبکه پرداختیم. نتایج اثبات می کند که هر دو مورد ICLN و SICLN به بایگانی عملکرد بالا می پردازند، و SICLN در الگوریتم های خوشه بندی غیرنظارتی سنتی عملکرد بهتری دارد.
کلمات کلیدی: آموزش رقابتی، شناسایی کلاهبرداری، شناسایی نفوذ، خوشه بندی نظارتی/ غیر نظارتی، شبکه عصبی
مقدمه تشخیص کلاهبرداری و تشخیص نفوذ در شبکه در کسب و کار تجارت الکترونیک بسیار مهم می باشد. بر طبق به گزارش های تجارت الکترونیک فروش اداره سرشماری ایالات متحده، تجارت الکترونیک در امریکای شمالی دارای رشد 20% یا بیشتر در هر سال می باشد. به هر حال کلاهبرداری در شرکت های تجارت الکترونیک ایالات متحده و کانادا منجر به هزینه تلفات زیادی شده است. با توجه به رشد اخیر در تجارت الکترونیک، کلاه برداری در زمینه کارت های اعتباری بسیار رایج شده است. بر مبنای نتایج بررسی در سال 2009، به طور متوسط، 1.6% از سفارشات بر مبنای کلاه برداری بوده، که حدود 3.3 میلیارد دلار می باشد. علاوه بر ضررهای مستقیمی که از طریق فروش های کلاهبرداری انجام شده است، اعتماد قربانیان کلاهبرداری در زمینه کارت های اعتباری و شرکت خرده فروش کمتر شده، که در نتیجه ضرر ها نیز افزایش یافته است. هدف شرکت ها و صادر کنندگان کارت های اعتباری این است تا هر چه زودتر به افشا یا جلوگیری از کلاه برداری بپردازند. از طرف دیگر نفوذ به شبکه، از پشت به شرکت های تجارت الکترونیک ضربه می زند. زمان وقفه سرورهای وب یا نفوذ به اطلاعات یا کسب و کار مشتری منجر به ضررهای زیادی می گردد.
- فرمت: zip
- حجم: 2.28 مگابایت
- شماره ثبت: 411
شبکه عصبی آموزشی رقابتی پیشرفته: تشخصی نفوذ به شبکه و شناسایی تقلب…
چکیده
در این پژوهش، دو الگوریتم خوشه بندی جدید را معرفی می کنیم. شبکه آموزشی رقابتی پیشرفته (ICLN) و شبکه آموزشی رقابتی پیشرفته نظارتی (SICLN) که در زمینه تشخیص کلاهبرداری و تشخیص نفوذ شبکه در می باشند. شبکه آموزشی رقابتی پیشرفته (ICLN) به عنوان الگوریتم خوشه بندی غیرنظارتی می باشد، که قوانین جدیدی را برای شبکه های عصبی آموزشی رقابتی استاندارد (SCLN) اعمال می کند. نورون های شبکه در شبکه آموزشی رقابتی پیشرفته (ICLN) برای ارائه مرکز داده توسط قوانین بروز شده تنبیه و پاداش جدید آموزش دیده اند. این قوانین بروز شده، بی ثباتی شبکه های عصبی آموزشی رقابتی استاندارد را از بین می برند. شبکه آموزشی رقابتی یشرفته نظارتی (SICLN) به عنوان نسخه بازبینی شده شبکه اموزشی رقابتی پیشرفته (ICLN) می باشد. در SICLN (شبکه آموزشی رقابتی پیشرفته نظارتی (SICLN) ، قوانین بروزرسانی شده نظارتی از دسته بندی داده برای هدایت مراحل آموزش برای دسترسی به نتایج خوشه بندی بهتر استفاده می کند. شبکه آموزشی رقابتی پیشرفته نظارت شده می تواند برای داده های دسته بندی شده و دسته بندی نشده اعمال شده و در سطح بالایی در برابر اتیکت های مفقودی و تاخیری مقاوم می باشد. علاوه بر این، شبکه آموزشی رقابتی پیشرفته نظارتی (SICLN) دارای قابلیت بازسازی بوده، بنابراین کاملا مستقل از تعداد اولیه خوشه ها می باشد. برای ارزیابی الگوریتم های مورد نظر، به مقایسه عملی در مورد داده های تحقیق و داده های حقیقی در تشخیص کلاهبرداری و تشخیص نفوذ شبکه پرداختیم. نتایج اثبات می کند که هر دو مورد ICLN و SICLN به بایگانی عملکرد بالا می پردازند، و SICLN در الگوریتم های خوشه بندی غیرنظارتی سنتی عملکرد بهتری دارد.
کلیدواژه: آموزش رقابتی، شناسایی کلاهبرداری، شناسایی نفوذ، خوشه بندی نظارتی/ غیر نظارتی، شبکه عصبی
مقدمه
تشخیص کلاهبرداری و تشخیص نفوذ در شبکه در کسب و کار تجارت الکترونیک بسیار مهم می باشد. بر طبق به گزارش های تجارت الکترونیک فروش اداره سرشماری ایالات متحده، تجارت الکترونیک در امریکای شمالی دارای رشد 20% یا بیشتر در هر سال می باشد. به هر حال کلاهبرداری در شرکت های تجارت الکترونیک ایالات متحده و کانادا منجر به هزینه تلفات زیادی شده است. با توجه به رشد اخیر در تجارت الکترونیک، کلاه برداری در زمینه کارت های اعتباری بسیار رایج شده است. بر مبنای نتایج بررسی در سال 2009، به طور متوسط، 1.6% از سفارشات بر مبنای کلاه برداری بوده، که حدود 3. 3 میلیارد دلار می باشد. علاوه بر ضررهای مستقیمی که از طریق فروش های کلاهبرداری انجام شده است، اعتماد قربانیان کلاهبرداری در زمینه کارت های اعتباری و شرکت خرده فروش کمتر شده، که در نتیجه ضرر ها نیز افزایش یافته است. هدف شرکت ها و صادر کنندگان کارت های اعتباری این است تا هر چه زودتر به افشا یا جلوگیری از کلاه برداری بپردازند. از طرف دیگر نفوذ به شبکه، از پشت به شرکت های تجارت الکترونیک ضربه می زند. زمان وقفه سرورهای وب یا نفوذ به اطلاعات یا کسب و کار مشتری منجر به ضررهای زیادی می گردد.
شبکه عصبی - 8…
Logistic regression and artificial neural network ...
Logistic regression and artificial neural networks are the models of choice in many medical data classification tasks. In this review, we summarize the differen […] — ادامه متنArtificial neural networks in hardware: A survey of two ...
This article presents a comprehensive overview of the hardware realizations of artificial neural network (ANN) models, known as hardware neural networks (HNN), […] — ادامه متنطراحی نقشه های شناختی فازی با استفاده از شبکه های عصبی برای پیش بینی سری زمانی پر هرج و مرج
- عنوان لاتین مقاله: Design Of Fuzzy Cognitive Maps Using Neural Networks For Predicting Chaotic Time Series
- عنوان فارسی مقاله: طراحی نقشه های شناختی فازی با استفاده از شبکه های عصبی برای پیش بینی سری زمانی پر هرج و مرج.
- دسته: ریاضی
- تعداد صفحات فایل ترجمه شده: 20
- جهت دانلود رایگان نسخه انگلیسی این مقاله اینجا کلیک نمایید
- نسخه فارسی مقاله برای خرید آماده است.
Neural network approach to stream-aquifer modeling …
Artificial neural networks (ANNs) are applied to efficient modeling of stream-aquifer responses in an intensively irrigated river basin under a variety of water […] — ادامه متنSolving Nonlinear Differential Equations by a Neural ...
In this paper we demonstrate a neural network method to solve nonlinear differential equations and its boundary conditions. The idea of our method is to incorporate […] — ادامه متنZhang neural network solving for time-varying full-rank ...
Zhang neural networks (ZNN), a special kind of recurrent neural networks (RNN) with implicit dynamics, have recently been introduced to generalize to the solution of […] — ادامه متنArtificial neural networks in hardware: A survey of two ...
This article presents a comprehensive overview of the hardware realizations of artificial neural network (ANN) models, known as hardware neural networks (HNN), […] — ادامه متندسته بندی سیگنال های الکترومیوگرافی با استفاده از شبکه عصبی موجک
- عنوان لاتین مقاله: Classification Of Emg Signals Using Wavelet Neural Network
- عنوان فارسی مقاله: دسته بندی سیگنال های الکترومیوگرافی با استفاده از شبکه عصبی موجک.
- دسته: برق و الکترونیک
- تعداد صفحات فایل ترجمه شده: 30
- جهت دانلود رایگان نسخه انگلیسی این مقاله اینجا کلیک نمایید
- نسخه فارسی مقاله برای خرید آماده است.
شبکه عصبی - 7…
Neural network credit scoring models - ScienceDirect.com …
This paper investigates the credit scoring accuracy of five neural network models: multilayer perceptron, mixture-of-experts, radial basis function, learning ve […] — ادامه متنNeural networks for control systems—A survey ☆
This paper focuses on the promise of artificial neural networks in the realm of modelling, identification and control of nonlinear systems. The basic ideas and […] — ادامه متنArtificial neural networks for pattern recognition - …
This tutorial article deals with the basics of artificial neural networks (ANN) and their applications in pattern recognition. ANN can be viewed as computing models […] — ادامه متنHow to Train Neural Networks - Springer
The purpose of this paper is to give a guidance in neural network modeling. Starting with the preprocessing of the data, we discuss different types of network […] — ادامه متنNeural network initialization - Springer
Proper initialization is one of the most important prerequisites for fast convergence of feed-forward neural networks like high order and multilayer perceptrons. […] — ادامه متنDiscrete time neural networks - Springer
Traditional feedforward neural networks are static structures that simply map input to output. To better reflect the dynamics in the biological system, time […] — ادامه متنپروژه مدل سازی رآکتور شیمیایی
- پایان نامه جهت اخذ درجه کارشناسی
- عنوان کامل: پروژه مدل سازی رآکتور شیمیایی با شبکه های عصبی
- دسته: مکانیک
- فرمت فایل: Word (قابل ویرایش)
- تعداد صفحات پروژه: 130
- فهرست مطالب: جهت مشاهده فهرست مطالب این پروژه اینجا کلیک نمایید
شبکه های عصبی آموزشی رقابتی پیشرفته در مورد تشخیص نفوذ درشبکه
- عنوان لاتین مقاله: Improved Competitive Learning Neural Networks For Network Intrusion And Fraud Detection
- عنوان فارسی مقاله: شبکه های عصبی آموزشی رقابتی پیشرفته در مورد تشخیص نفوذ در شبکه و شناسایی کلاهبرداری
- دسته: کامپیوتر و فناوری اطلاعات
- تعداد صفحات فایل ترجمه شده: 32
- لینک دریافت رایگان نسخه انگلیسی مقاله: دانلود
- نسخه فارسی مقاله برای خرید آماده است.
پیاده سازی شبکه عصبی هوپفیلد مجتمع سازی گسترده دیجیتال
چکیده | این مقاله در مورد پیاده سازی شبکه های عصبی Hopfield برای حل مسایل مربوط به محدودیت رضایت با استفاده از آرایه های گیت قابل برنامه ریزی میدان Fpga بحث می کند. این مقاله در مورد روش های فرمول بندی این مسایل همانند شبکه های عصبی گسسته بحث می کند، و سپس مساله N Queen را با استفاده از فرمولبندی به دست آمده تشریح می کند. سرانجام، نتایج ارایه شده زمان های محاسبه یک کامپیوتر معمولی برای شبیه سازی اجرای شبکه Hopfield بر روی یک فضای کاری باکیفیت، مقایسه می کنند. در این روش، رشد پیشرفت قابل مشاهده می باشد که نشان می دهد حداکثر رشد 2 تا 3 برابر دامنه با استفاده از ابزارهای Fpga ممکن می باشد. | کلید […] — ادامه متنArtificial Neural Networks - Springer
Book Chapter. Pages 315-332. Neural Networks Solution of Optimal Control Problems with Discrete Time Delays and Time-Dependent Learning of Infinitesimal Dynamic … […] — ادامه متنArtificial neural network models for forecasting and ...
Some authors advocate artificial neural networks as a replacement for statistical forecasting and decision models; other authors are concerned that artificial n […] — ادامه متنHybrid neural network models for bankruptcy …
The objective of this paper is to develop the hybrid neural network models for bankruptcy prediction. The proposed hybrid neural network models are (1) a MDA-as […] — ادامه متنFPGA Implementation of a Neural Network for Character …
Neural Networks are usually implemented in software on sequential machines but when implemented in hardware, they are extremely fast due to the massive parallelism […] — ادامه متنThe SNNS Neural Network Simulator - Springer
SNNS is a neural network simulator for Unix workstations developed at the Universität Stuttgart. It is a tool to generate, train, test and visualize artificial […] — ادامه متنSurface Reconstruction Techniques Using Neural Networks …
This paper presents a novel neural network approach to recovering of 3D surfaces from single gray scale images. The proposed neural network uses photometric stereo to […] — ادامه متنArtificial neural networks in renewable energy systems ...
Artificial neural networks are widely accepted as a technology offering an alternative way to tackle complex and ill-defined problems. They can learn from examp […] — ادامه متنکنترل برداری بدون سنسورسرعت یک موتور القایی بدون یاتاقان
- عنوان لاتین مقاله: Speed-Sensorless Vector Control Of A Bearingless Induction Motor With Artificial Neural Network Inverse Speed Observer
- عنوان فارسی مقاله: کنترل برداری بدون سنسورسرعت یک موتور القایی بدون یاتاقان با استفاده از ناظر سرعت معکوس شبکه عصبی مصنوعی.
- دسته: برق و الکترونیک
- تعداد صفحات فایل ترجمه شده: 30
- جهت دانلود رایگان نسخه انگلیسی این مقاله اینجا کلیک نمایید
- نسخه فارسی مقاله برای خرید آماده است.