-
شماره راهنما
462
-
پديد آورنده
محمدي افراكتي، نگين
-
عنوان
تركيب شبكه¬هاي عصبي و نظريه آشوب در تقريب توابع چند متغيره
-
عنوان به انگليسي
Combination Neural Network and Chaos Theory in
-
مقطع تحصيلي
كارشناسي ارشد
-
رشته تحصيلي
كامپيوتر گرايش نرم افزار
-
محل تحصيل
تهران شمال
-
سال تحصيل
1393
-
تاريخ دفاع
93/4/3
-
وضعيت پايان نامه
17/5
-
مشخصات ظاهري
82ص.
-
استاد راهنما
اميرفخريان، مجيد
-
كتابنامه
74-75
-
توصيفگر فارسي
تقريب توابع , شبكه¬هاي عصبي , تابع پايه شعاعي
-
توصيفگر لاتين
Functions Approximation , Neural Networks , Radial Basis Function
-
چكيده
تقريب توابع يكي از بزرگترين مسائل روز دنيا است و كاربرد آن در علوم مختلف مشهود است. از طرفي ديگر در بسياري مواقع پيچيدگي در روابط و توابع باعث مي¬شود كه انجام عمليات رياضي از جمله تقريب زدن بر روي آنها با مشكل مواجه شود. يكي از اين موارد توابعي هستند كه داراي رفتاري آشوبگونه مي¬باشند. سيستم¬هايآشوبگونهيكي از مهمترين انواع سيستم¬هاي غيرخطي مي-باشند. تئوري آشوب، سيستم¬هاي ديناميكي بسيار پيچيده¬ايرا مورد بررسي قرار مي¬دهد؛ لذا يافتن راه حلي مناسب كه با كمترين خطا در كمترين زمان و با عمليات كمتر، بتواند تقريب بهتري از اين سيستم¬ها داشته باشد، بسيار حائز اهميت است.
شبكه¬هاي عصبي يكي از كارآمدترين ابزاري است كه مي¬توان از آن استفاده كرد تا بتوان بهترين و نزديكترين تقريب از تابع را بدست آورد. شبكه¬هاي عصبي تابع پايه شعاعي و پرسپترون چند لايه، شبكه¬هايي هستند كه در اين پژوهش جهت ارزيابي، پياده سازي شده و به اين منظور مورد استفاده قرار گرفته¬اند كه مرحله مدل¬سازي آن¬ها نيازمند استفاده از طراحي آزمايشي و مطالعه مي¬باشد؛ لذا با انتخاب سيستمي آشوبگونه و بررسي تأثير تغيير پارامترهاي شبكه¬هاي عصبي مورد استفاده بر پاسخ سيستم كه تقريبي است از تابع اصلي با رفتار آشوبگونه، به شبكه¬اي بهينه كه با خطاي كمتر بتواند بهترين تقريب را داشته باشدخواهيم رسيد.
-
شماره ركورد
39656
-
لينک به اين مدرک :