شبکه عصبی

خرید این محصول

» :: شبکه عصبی

اجمال سازی روشی است برای فشرده سازی منتهای  بسیاربزرگ که به سمت دلیل آیین بیشترین درمرتبط نرین داده‌ها حاضر درمتن استخراج می شودآنچه که مارادراین محدود می نماید استخراج پیوسته ترین اطلاعات وعامل بااهمیت دیگرخواندنی بودن وقابل فهم بودن متن است.

باتوجه به افزایش روزافزون داده‌ها موجود دراینترنت که به سمت صورت الکترونیکی عرضه می شود، تحقیقات وسیعی برروی این زمینه درحال اجرا است تابتوان هرچه سریع تر به پیوسته ترین اطلاعات    است یافت مثلاٌ :اگر شما دراینترنت به دنبال موضوعی باشید حجم وسیعی ازصفحات اینترنتی دراختیار شما قرار نی گیرد حال باید تک تک این صفحات رابه طور کامل  مطالعه ؟؟؟؟؟ به سمت اطلاعات موردنیاز دست پیداکنیم . ولی به کمک روشهای خلاصه سازی می توان به راحتی اجمال یک برگ اینترنتی رادرچند جمله مشاهده کنید وسپس به به طور خلاصه سازی کلی صورت می پذیرد:

1-                       اجمال سازی مبتنی برفهم مطلب

2-                       خلاصه سازی مبتنی براستخراج مطلب‌ها مهم

روش اول که آوازه دیگرآن (پرورش طبیعی زبانی) ( NLP) می باشد یعنی سعی وآموزش سیستم درفهمیدن متن وباتوجه که قواعد وساختار های زبانی درباره وبایک ساختار جدید تری متن راخلاصه کند دراین روش مانیاز مند گرامر ونحوه جمله نویسی یک زبان اختصاصی هستیم.

خرید این محصول

کامپیوتر 54. تعیین هویت مخاطب مستقل از متن کارآمد از طریق مدل ترکیبی ساختاری گاوس و شبکه های عصبی

خرید این محصول

» :: کامپیوتر 54. تعیین هویت مخاطب مستقل از متن کارآمد از جاده الگو ترکیبی ساختاری گاوس و شبکه های عصبی

بازشناخت ماهیت مخاطب مستقل از متن کارآمد از طریق مدل ترکیبی ساختاری گاوس و شبکه های عصبی

چکیده

جوهره – ضمیر اول شخص جمع سیستم مرکبی را در ارتباط با مدل ترکیبی گاوس (SGMM) و شبکه های عصبی برای دستیابی به راندمان محاسباتی و صحت بالا در ارتباط با تعیین هویت مخاطب ارائه می دهیم. یک الگو ساختاری پیشین (SBM) در ابتدا از طریق طبقه بندی زنجیره ای تمام اجزای ترکیبی گاوس در ارتباط با این مدل ایجاد می گردد. به این ترتیب ، یک فضای صوتی به مناطق مختلف باب سطوح مختلف بهر بندی می گردد. در ارتباط حرف هر یک از این اهداف ، مدل SGMM از جاده فرایندهای چند سطحی MAP از طریق SBM ایجاد می گردد. در هنگام تست ، تنها شاخه هایی از اجزای ترکیبی گاوس باب ارتباط حرف این ویژگی ها مورد محاسبه قرار می گیرند تا هزینه های محاسباتی را به طور قابل توجهی کمتر کنند. اضافه بر این موارد مناسبت محاسبه شده در لایه های مدل درختی مختلف ، برای تصمیم گیری نهایی با شبکه های عصبی ترکیب می گردند. پیکره اسیر های متفاوتی در ارتباط با این بررسی ها بر روی اطلاعات بازده از گفتگوهای تلفنی مورد استفاده در ارزیابی NIST انجام می گیرد. نتایج حاصل از این بررسی ها آرم می دهد که کاهش محاسباتی حرف استفاده از فاکتور 17 از طریق 5 درصد کاهش نسبی در نرخ اشتباهات در مقایسه با خطوط اصلی مد نظر قرار می گیرد.  روش SGMM-SBM مزایایی را در بستگی با آمیغ GMM نشان می دهد ، که شامل ، سرعت بالاتر و عملکردهای بهتر می باشد.

عبارات کلیدی ،  طبقه اسیر گاوس ، شبکه عصبی ، تعیین هویت مخاطب ، الگو ترکیبی گاوس.

خرید این محصول

کامپیوتر 79. شبکه های عصبی آموزشی رقابتی پیشرفته در مورد تشخیص نفوذ در شبکه و شناسایی کلاهبرداری

خرید این محصول

» :: کامپیوتر 79. شبکه های آتشی‌مزاج تحصیلی رقابتی پیشرفته در مورد تشخیص نفوذ در شبکه و شناسایی کلاهبرداری

شبکه های عصبی آموزشی رقابتی آباد در مورد تشخیص نفوذ در شبکه و شناسایی کلاهبرداری

جوهره

در این پژوهش، دو الگوریتم سنبله اسیر جدید را معرفی می کنیم. کانال اموزشی رقابتی پیشرفته (ICLN) و شبکه آموزشی رقابتی آباد 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 کانال های عصبی آموزشی رقابتی مدل (SCLN) اعمال می کند. نورون های شبکه باب شبکه تحصیلی 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 آتشی‌مزاج آموزشی رقابتی استانداردSCLN)  ) را از بین می برند. شبکه آموزشی رقابتی یشرفته نظارتی (SICLN) به عنوان تجویز بررسی 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 ارشاد مراحل پرورش برای دسترسی به نتایج خوشه بندی بهتر استفاده می کند. شبکه آموزشی رقابتی آباد نظارت شده می تواند برای داده های دسته اسیر شده و دسته بندی نشده اعمال شده و در سطح بالایی در برابر اتیکت های مفقودی و تاخیری مقاوم می باشد. اضافه حرف 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 مناسبت نظر، به مقایسه عملی در مورد داده های تحقیق و داده های حقیقی در امتیاز کلاهبرداری و تشخیص نفوذ شبکه پرداختیم. نتایج اثبات می کند که هر دو مورد ICLN و SICLN به سمت آرشیو عملکرد بالا می پردازند، و SICLN در الگوریتم های خوشه بندی غیرنظارتی سنتی عملکرد بهتری دارد.  

کلیدواژه: آموزش رقابتی، شناسایی کلاهبرداری، آشنایی نفوذ، سنبله بندی نظارتی/ غیر نظارتی، شبکه عصبی

خرید این محصول

یک شبکه عصبی فازی ژنتیکی بهینه شده برای کنترل کشتی

خرید این محصول

» :: یک شبکه عصبی فازی ژنتیکی بهینه شده برای کنترل کشتی

اصل و ترجمه نوشته کنترل هوشمند کشتی با استعمال از شبکه عصبی و منطق فازی و ژنتیک الگوریتم

عنوان انگلیسی نوشته :

A Genetically Optimized Fuzzy Neural Network for Ship Controllers

A Genetically Optimized Fuzzy Neural Network for Ship Controllers

آغاز فارسی مقاله :

یک شبکه عصبی فازی ژنتیکی بهینه شده از بهر کنترل کشتی 

سال انتشار : 2006

چگونگی برگردان : B

چکیده انگلیسی :

Abstract-A novel approach has been promoted for fuzzy neural ship controllers. An RBF neural network and GA optimization are employed in a fuzzy neural controller to deal with the nonlinearity, time varying and uncertain factors. Utilizing the designed network to substitute the conventional fuzzy inference, the rule base and membership functions can be auto-adjusted by GA optimization. The parameters of neural network can be decreased by using union-rule configuration in the hidden layer of the network. The performance of controller is evaluated by the system simulation conducted with Simulink tools, by which satisfied results have been obtained

.Index Terms- RBF network. Fuzzy control. Genetic algorithm. Union rule. Ship control

چکیده فارسی :

چکیده - منطق فازی عصبی، رویکردی اخیر برای کنترل کشتی ها است . یک شبکه عصبی RBF و بهینه سازی GA در یک کنترل عصبی فازی به کار از بهر مقابله با غیرخطی، زمان های مختلف و عوامل نامشخص است. حرف استعمال از شبکه طراحی شده به جای استنتاج فازی معمولی، پایگاه قوانین و توابع عضویت می تواند به صورت خودکار توسط بهینه سازی  GA تنظیم شود. پارامترهای شبکه آتشی‌مزاج را باده توان با استفاده از تنظیمات مجموعه قوانین در لایه مخفی از شبکه کاهش داد . نتایج رضایت بخشی از حاصل کنترل کننده های شبیه سازی سیستم، که توسط ابزار سیمولینک انجام می گردد دست آمده است.  

کلمات کلیدی : بازدید فازی. الگوریتم ژنتیک. مجموعه قوانین. کنترل کشتی.        

خرید این محصول