- Feed-Forward backpropagation
- Layer Recurrent
- Cascade-Forward backpropagation
فهرست مطالب
عنوان صفحه
فصل اول : کلیات
- مقدمه ……………………………………………………………………………………………………………………………………….. 2
- بیان مسئله ……………………………………………………………………………………………………………………………….. 4
- ضرورت و اهمیت موضوع ………………………………………………………………………………………………………… 5
- هدف تحقیق ……………………………………………………………………………………………………………………………. 6
- سوال اصلی ………………………………………………………………………………………………………………………………. 6
- فرضیات پژوهش ………………………………………………………………………………………………………………………. 6
- متغیرها …………………………………………………………………………………………………………………………………….. 7
- روش تحقیق …………………………………………………………………………………………………………………………….. 10
فصل دوم : مبانی نظری و پیشینه تحقیق
2-1 مقدمه ………………………………………………………………………………………………………………………………………………. 12
2-2 تاریخچه ……………………………………………………………………………………………………………………………………………. 12
فصل سوم : روش ها و مواد
3-1 مقدمه ……………………………………………………………………………………………………………………………………………….. 18
3-2 معرفی متدولوژی و روش انجام کار ………………………………………………………………………………………………….. 19
3-3 شبکه های عصبی مصنوعی …………………………………………………………………………………………………………….. 20
3-4 جنبه های ریاضیاتی ……………………………………………………………………………………………………………………….. 23
3-5 یادگیری شبکه ……………………………………………………………………………………………………………………………….. 24
آ
فهرست مطالب
عنوان صفحه
3-6 پس انتشار ……………………………………………………………………………………………………………………………………….. 26
3-6-1 الگوریتم پس انتشار ………………………………………………………………………………………………………………. 27
3-7 الگوریتم های درهم آمیختن درجه بندی شده ……………………………………………………………………………….. 33
3-8 تابع شعاع مبنا ………………………………………………………………………………………………………………………………….. 34
3-9 الگوریتم همبستگی آبشاری ……………………………………………………………………………………………………………… 36
3-10 شبکه های عصبی مصنوعی بازگشت کننده یا بازرخدادگر …………………………………………………………… 38
3-11 نقشه های ویژگی خودسازمان دهنده ……………………………………………………………………………………………. 39
3-12 جنبه های مهم مدلسازی شبکه عصبی مصنوعی ………………………………………………………………………….. 41
3-12-1 انتخاب متغیرهای ورودی و خروجی ……………………………………………………………………………….. 41
3-12-2 جمع آوری و پردازش داده ………………………………………………………………………………………………. 42
این مطلب را هم بخوانید :
3-12-3 طراحی شبکه عصبی مصنوعی …………………………………………………………………………………………. 43
3-12-4 آموزش و آموزش متقابل …………………………………………………………………………………………………. 45
3-12-5 تصدیق اعتبار مدل ………………………………. ………………………………………………………………………….. 47
3-13 برخی مشکلات دیگر ………………………………………………………………………………………………………………………. 47
3-14 نقاط قوت و محدودیتها …………………………………………………………………………………………………………………… 48
3-15 برخی از قابلیتهای شبکه های عصبی در مهندسی عمران …………………………………………………………….. 50
ب
فهرست مطالب
عنوان صفحه
3-16 کاربرد شبکه های عصبی مصنوعی در بهینه سازی سازه ها ………………………………………………………….. 50
3-17 معرفی نرم افزار Matlab ……………………………………………………………………………………………………………… 51
3-18 مراحل مدل سازی ………………………………………………………………………………………………………………………….. 53
فصل چهارم : نتایج مدل شبکه ی عصبی مصنوعی برای پیش بینی مکانی ظرفیت باربری خاک
4-1 مقدمه …………………………………………………………………………………………………………………………………………………. 56
4-2 کاربرد شبکه عصبی مصنوعی در مهندسی عمران …………………………………………………………………………….. 56
4-2-1 کاربرد شبکه های عصبی مصنوعی در بهینه سازی سازه ها ……………………………………………….. 57
4-3 محدوده مورد مطالعه …………………………………………………………………………………………………………………………. 57
4-4 روند انجام مدل سازی ……………………………………………………………………………………………………………………….. 60
4-4-1 پارامترهای مورد استفاده …………………………………………………………………………………………………….. 61
4-4-2 مرتب سازی داده ها …………………………………………………………………………………………………………….. 62
4-4-3 مشخصات مدل شبکه عصبی مصنوعی جهت پیش بینی مکانی ظرفیت باربری خاک ……….. 64
4-4-4 ارزیابی مدل ها ……………………………………………………………………………………………………………………… 66
4-4-4-1 ساخت مدل …………………………………………………………………………………………………………… 66
4-4-4-2 شبکه پس انتشار FFBP ……………………………………………………………………………………. 66
4-4-4-3 شبکه لایه برگشتی LRN …………………………………………………………………………………. 70
پ
فهرست مطالب
عنوان صفحه
4-4-4-4 شبکه همبستگی آبشاری CFBP …………………………………………………………………….. 72
فصل پنجم : بحث و نتیجه گیری
5-1 ارزیابی شبکه های عصبی مصنوعی برای پیش بینی ظرفیت باربری خاک …………………………………….. 78
5-2 نتیجه گیری ………………………………………………………………………………………………………………………………………. 81
5-3 پیشنهادات ………………………………………………………………………………………………………………………………………… 82
5-4 منابع ………………………………………………………………………………………………………………………………………………… 83
ت
[سه شنبه 1399-07-01] [ 01:36:00 ب.ظ ]
|