مجزاسازی و برابرسازی تطبیقی منابع کور برای سیستم­ های چند ورودی/چند خروجی

مجزاسازی و برابرسازی تطبیقی منابع کور برای سیستم­ های چند ورودی/چند خروجی

دسته بندی : مقالات ترجمه شده isi

فرمت فایل : doc

حجم فایل : 904 کیلو بایت

تعداد صفحات : 22

پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود

Adaptive Blind Source Separation and Equalization for Multiple-Input/Multiple-Output Systems


Abstract—In this paper, we investigate adaptive blind source
separation and equalization for multiple-input/multiple-output
(MIMO) systems.We first analyze the convergence of the constant
modulus algorithm (CMA) used in MIMO systems (MIMOCMA).
Our analysis reveals that the MIMO-CMA equalizer is
able to recover one of the input signals, remove the intersymbol
interference (ISI), and suppress the other input signals. Furthermore,
for the MIMO finite impulse response (FIR) systems
satisfying certain conditions, the MIMO-CMA FIR equalizers
are able to perfectly recover one of the system inputs regardless
of the initial settings. We then propose a novel algorithm for
blind source separation and equalization for MIMO systems. Our
theoretical analysis proves that the new blind algorithm is able to
recover all system inputs simultaneously regardless of the initial
settings. Finally, computer simulation examples are presented
to confirm our analysis and illustrate the effectiveness of blind
source separation and equalization for MIMO systems.

مجزاسازی و برابرسازی تطبیقی منابع کور برای سیستم­ های چند ورودی/چند خروجی

چکیده

در این مقاله، جداسازی کورمنابع و برابرسازی برای سیستم­های چند ورودی/چند خروجی (MIMO) را بررسی می­کنیم. ابتدا همگرایی الگوریتم مدولثابت (CMA) استفاده شده در سیستم­های MIMO (MIMO-CMA) را آنالیز می­کنیم. ارزیابی ما مشخص می­کند که برابرساز (اکولایزر)MIMO-CMA قابلیت بهبود یکی از سیگنال­های ورودی، و هم­چنین حذف تداخل بین سمبلی (ISI)، و کاهش دیگر سیگنال­های ورودی را دارد. بنابراین، برای سیستم­های پاسخ ضربه­ی محدود (FIR) MIMO که شرایط خاصی را ارضا می­کنند اکولایزرهای MIMO-CMA FIR این قابلیت را دارند که بطور کامل یکی از ورودی­های سیستم را صرف­نظر از تنظیمات اولیه بازیابی کنند. سپس الگوریتم جدیدی برای جداسازی کور منابع و برابر­سازی برای سیستم­های MIMO ارائه می­کنیم. آنالیز تئوری ما تائید می­کند که الگوریتم کور جدید بدون توجه به تنظیمات ابتدائی قابلیت بازیابی تمام ورودی­های سیستم را بطور همزمان دارد. در آخر، مثال­های شبیه­سازی کامپیوتری به منظور تائید آنالیزمان و نشان دادن اثربخشی جداسازی کور منبع و برابر سازی برای سیستم­های MIMO ارائه می­شود.

پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود

[ يکشنبه 24 دی 1396 ] [ 2:36 ] [ احمد احمد ]
[ ]

برآورد عملکرد صاعقه­ ی پست ناشی از برخورد صاعقه در خطوط هوایی متصل

برآورد عملکرد صاعقه­ ی پست ناشی از برخورد صاعقه در خطوط هوایی متصل

دسته بندی : مقالات ترجمه شده isi

فرمت فایل : doc

حجم فایل : 1.069 مگا بایت

تعداد صفحات : 17

پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود

Substation Lightning Performance Estimation due to Strikes into Connected Overhead Lines

Abstract—The generalization of the probabilistic Lightning
Limiting Parameter (LLP) method for high voltage substation
lightning performance estimation due to the discharges into
connected overhead lines (OHL) is described. The method
improvement is made only for the case of lightning strokes to the
shield wire of OHL causing back-flashover in front of the
substation. The improved LLP method is illustrated at the
insulation coordination study of the 400 kV line with long
connecting cable with direct entry into Gas Insulated Substation
(GIS) of hydro-electric plant. The number of surge arrester sets
and sensitivity analyses of number of connected step-up
transformers influence to the Mean Time Between Failures
(MTBF) of the 400 kV transformer and equipment insulation is
investigated

برآورد عملکرد صاعقه­ ی پست ناشی از برخورد صاعقه در خطوط هوایی متصل

چکیده

تعمیم روش احتمالاتی پارامتر محدودکننده­ی صاعقه (LLP) برای تخمین عملکرد فشار قوی صاعقه در پست ناشی از تخلیه بار در خطوط هوایی (OHL) متصل توضیح داده می­شود. بهبود این روش تنها در حالت برخورد صاعقه به سیم محافظ OHL ایجاد می­شود که باعث قوس برگشتی در مقابل پست می­شود. روش LLP بهبود یافته در مطالعه­ی هماهنگی عایقی خط 400 کیلوولت با کابل بلند متصل شده با ورودی مستقیم به پست عایق گازی (GIS) در نیروگاه برقآبی نشان داده می­شود. تاثیر تعداد مجموعه برق­گیرها و تحلیل حساسیت تعداد ترانسفورماتورهای افزاینده­ی متصل شده بر میانگین بین زمان خرابی (MTBF) در ترانسفورماتور 400 کیلوولت و عایق تجهیزات بررسی می­شوند.



پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود

[ يکشنبه 24 دی 1396 ] [ 2:36 ] [ احمد احمد ]
[ ]

شبکه عصبی مصنوعی نوع مرتبه کسری گسسته

شبکه عصبی مصنوعی نوع مرتبه کسری گسسته

دسته بندی : مقالات ترجمه شده

فرمت فایل : doc

حجم فایل : 354 کیلو بایت

تعداد صفحات : 7

پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود

DISCRETE FRACTIONAL ORDER ARTIFICIAL NEURAL NETWORK

Abstract: In this paper the discrete time fractional order artificial neural network is presented. This structure is proposed
for simulating the dynamics of non-linear fractional order systems. In the second part of this paper several numerical examples
are shown. The final part of the paper presents the discussion on the use of fractional or integer discrete time neural network
for modelling and simulating fractional order non-linear systems. The simulation results show the advantages of the
proposed solution over theclassical (integer) neural network approach to modelling of non-linear fractional order systems

شبکه عصبی مصنوعی نوع مرتبه کسری گسسته

چکیده

در این مقاله شبکه عصبی مصنوعی مرتبه کسری زمان گسسته ارائه می­شود. این ساختار برای شبیه­سازی دینامیک­های سیستم­های مرتبه کسری غیر خطی ارائه می­شود. در بخش دوم این مقاله چند مثال عددی نشان داده می­شود. بخش آخر مقاله بحث بر روی استفاده از شبکه عصبی زمان گسسته عدد صحیح یا کسری برای مدل­سازی و شبیه­سازی سیستم­های غیر خطی مرتبه کسری را نشان می­دهد. نتایج شبیه­سازی مزایای راه­حل ارائه شده نسبت به روش شبکه عصبی (عدد صحیح) کلاسیک با مدل­سازی سیستم­های مرتبه کسری غیر خطی را نشان می­دهد.

.

پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود

[ يکشنبه 24 دی 1396 ] [ 2:36 ] [ احمد احمد ]
[ ]

شبکه­ های عصبی هوپفیلد با مرتبه­ ی کسری

شبکه­ های عصبی هوپفیلد با مرتبه­ ی کسری

دسته بندی : مقالات ترجمه شده isi

فرمت فایل : doc

حجم فایل : 375 کیلو بایت

تعداد صفحات : 6

پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود

Fractional-Order Hopfield Neural Networks

Abstract. This paper proposes Fractional-order Hopfield Neural Networks
(FHNN). This network is mainly based on theclassic well-known Hopfield net
in which fractance components with fractional order derivatives, replace
capacitors. Stability of FHNN is fully investigated through energy-like function
analysis. To show how effective the FHNN network is, an illustrative example
for parameter estimation problem of the second-order system is finally
considered in the paper. The results of simulation are very promising.

شبکه­ های عصبی هوپفیلد با مرتبه­ ی کسری

چکیده

این مقاله شبکه­های عصبی هوپفیلد مرتبه کسری (FHNN) را ارائه می­کند. این شبکه عمدتا مبتنی بر شبکه هوپفیلد مشهور استکه در این مولفه­های کسریبا مشتقات مرتبه کسری جایگزین خازن می­شوند. پایداری FHNN بطور کامل از طریق آنالیز تابع شبیه انرژی بررسی می­شود. در نهایت برای نشان دادن تاثیر شبکه FHNN، یک مثال تصویری برای مسئله­ی برآورد پارامتری سیستم مرتبه دوم در نظر گرفته می­شود. نتایج شبیه­سازی بسیار امیدوارکننده هستند.

پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود

[ يکشنبه 24 دی 1396 ] [ 2:35 ] [ احمد احمد ]
[ ]

بهبود پردازش تصویر با استفاده از شبکه­ های عصبی همگن با قضیه­ ی مشتقات کسری

بهبود پردازش تصویر با استفاده از شبکه­ های عصبی همگن با قضیه­ ی مشتقات کسری

دسته بندی : مقالات ترجمه شده

فرمت فایل : doc

حجم فایل : 436 کیلو بایت

تعداد صفحات : 7

پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود

IMPROVEMENT OF IMAGE PROCESSING BY USING HOMOGENEOUS NEURAL NETWORKS WITH FRACTIONAL DERIVATIVES THEOREM

Abstract. The present paper deals with the unique circumvention of design-
ing feed forward neural networks in the task of the interferometry image recog-
nition. In order to bring the interferometry techniques to the fore, we recall
briefly that this is one of the modern techniques of restitution of three di-
mensional shapes of the observed object on the basis of two dimensional flat
like images registered by CCD camera. The preliminary stage of this process
is conducted with ridges detection, and to solve this computational task the
discussed neural network was applied. By looking for the similarities in the bi-
ological neural systems authors show the designing process of the homogeneous
neural network in the task of maximums detection. The fractional derivative
theorem has been involved to assume the weight distribution function as well
as transfer functions. To ensure reader that the theoretical considerations are
correct, the comprehensive review of experiment results with obtained two di-
mensional signals have been presented too

بهبود پردازش تصویر با استفاده از شبکه­ های عصبی همگن با قضیه­ ی مشتقات کسری

چکیده

این مقاله شرایط منحصربفردی از طراحی شبکه­های عصبی تغذیه مستقیم (فید فوروارد) در زمینه­یشناسایی تداخل تصویر را بررسی می­کند. به منظور پیشبرد فن­آوری­های تداخل، بطور خلاصه یادآوری می­کنیم کهاین یکی از روش­های جدید بازگردانی تصاویر سه بعدی از جسم مشاهده شده بر اساس تصاویر دو بعدی مسطح مانند است که توسط دوربین CCDگرفته شده است. مرحله مقدماتی این فرایند با تشخیص شیارها انجام می­شود، و برای حل کردن این کار محاسباتی شبکه عصبی مورد بحث به کار می­رود. با جستجوی مشابهت­ها در سیستم­های عصبی بیولوژیکی، مولفانفرایند طراحی شبکه عصبی همگن را در تشخیص حداکثرها نشان می­دهند. قضیه مشتق کسری شامل در نظر گرفتن تابع توزیع بار و هم­چنین توابع انتقال است. برای اطمینان دادن به خوانندهکه ملاحظات تئوری صحیح است، بررسی جامعی از نتایج آزمایش که با دو سیگنال دوبعدی بدست آمده است ارائه می­شود.

.

پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود

[ يکشنبه 24 دی 1396 ] [ 2:35 ] [ احمد احمد ]
[ ]

مدل­ سازی شبکه عصبی-فازی در برابر شناسایی مدل کسری فرآیند گرمایی

مدل­ سازی شبکه عصبی-فازی در برابر شناسایی مدل کسری فرآیند گرمایی

دسته بندی : مقالات ترجمه شده

فرمت فایل : doc

حجم فایل : 501 کیلو بایت

تعداد صفحات : 8

پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود

Neuro-fuzzy network modeling versus fractional model identification of a thermal process



Abstract—This paper deals with the modeling and identification
of heat transfer process. This diffusive phenomena exhibit
complex dynamics varying with the operating frequency band.
Two models are investigated: a fractional order state space
model and a neural fuzzy networks. Numerical simulations on
a thermal benchmark are performed in order to analyze the two
models fitting ability to approximate the diffusive phenomena

مدل­ سازی شبکه عصبی-فازی در برابر شناسایی مدل کسری فرآیند گرمایی

چکیده

این مقاله مدل­سازی و شناسایی فرایند انتقال حرارت را بحث می­کند. این پدیده­یپراکنشی دینامیک­های پیچیده را نشان می­دهد که با باند فرکانس عملیاتی تغییر می­کند. دو مدل که ادغام می­شوند عبارت از: مدل فضایی حالت مرتبه کسری و شبکه­های فازی عصبی. شبیه­سازی­های عددی در محک (بنچمارک) گرمایی به منظورآنالیز دو مدل با تطبیق توانایی برای تخمین پدیده­ی پراکنشی انجام می­شوند.

..

پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود

[ يکشنبه 24 دی 1396 ] [ 2:35 ] [ احمد احمد ]
[ ]

سنکرون­ سازی کلاسی از شبکه­ های عصبی آشفته­ با مرتبه­ ی کسری

سنکرون­ سازی کلاسی از شبکه­ های عصبی آشفته­ با مرتبه­ ی کسری

دسته بندی : مقالات ترجمه شده isi

فرمت فایل : doc

حجم فایل : 857 کیلو بایت

تعداد صفحات : 10

پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود

Synchronization of a Class of Fractional-Order Chaotic Neural Networks

Abstract: The synchronization problem is studied in this paper for aclass of fractional-order
chaotic neural networks. By using the Mittag-Leffler function, M-matrix and linear feedback
control, a sufficient condition is developed ensuring the synchronization of such neural
models with the Caputo fractional derivatives. The synchronization condition is easy to
verify, implement and only relies on system structure. Furthermore, the theoretical results
are applied to a typical fractional-order chaotic Hopfield neural network, and numerical
simulation demonstrates the effectiveness and feasibility of the proposed method

سنکرون­ سازی کلاسی از شبکه­ های عصبی آشفته­ با مرتبه­ ی کسری

چکیده

در این مقاله مسئله سنکرون­سازی برای طبقه­ای از شبکه­های عصبی آشفته با مرتبه­ی کسری مطالعه می­شود. با استفاده از تابع میتاگ - لفر، کنترل فیدبک خطی و ماتریس-M، یک شرط کافیایجاد شده است که سنکرون­سازیچنین مدل­های عصبی با مشتقات کسری کاپوتو را تضمین می­کند. اثبات و پیاده­سازی شرط سنکرون­سازی آسان و تنها بر ساختار سیستم متکی است. علاوه بر این، نتایج تئوری بر یک شبکه­ی عصبی هوپفیلد آشفته­ی نوعی از مرتبه­ی کسریاعمال می­شود، و شبیه­سازی عددی اثربخشی و امکان­سنجی روش ارائه شده را نشان می­دهد.

.

پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود

[ يکشنبه 24 دی 1396 ] [ 2:35 ] [ احمد احمد ]
[ ]

شبکه عصبی چند جمله­ ای دیفرانسیلِ کسری برای تقریب­ زنی توابع

شبکه عصبی چند جمله­ ای دیفرانسیلِ کسری برای تقریب­ زنی توابع

دسته بندی : مقالات ترجمه شده isi

فرمت فایل : doc

حجم فایل : 642 کیلو بایت

تعداد صفحات : 9

پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود

The Fractional Differential Polynomial Neural Network for Approximation of Functions

Abstract: In this work, we introduce a generalization of the differential polynomial neural
network utilizing fractional calculus. Fractional calculus is taken in the sense of the Caputo
differential operator. It approximates a multi-parametric function with particular polynomials
characterizing its functional output as a generalization of input patterns. This method can
be employed on data to describe modelling of complex systems. Furthermore, the total
information is calculated by using the fractional Poisson process.

شبکه عصبی چند جمله­ ای دیفرانسیلِ کسری برای تقریب­ زنی توابع

چکیده

در این مقاله، تعمیمی از شبکه عصبی چند جمله­ای دیفرانسیلی را با استفاده از محاسبات کسری معرفی می­کنیم. محاسبات کسری در معنایعملگردیفرانسیلی کاپوتو در نظر گرفته می­شوند که یک تابع چند پارامتری را با چند جمله­ای­های خاصتقریب می­زند که خروجی عملکردی آن را به عنوان تعمیمی از الگوهای ورودی مشخص می­کند. می­توان این روش را بر داده­هایی به منظور تشریح مدل­سازی سیستم­های پیچیده به کار گرفت. علاوه بر این، اطلاعات کل با استفاده از فرایند پویسون کسری محاسبه می­شود.

پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود

[ يکشنبه 24 دی 1396 ] [ 2:34 ] [ احمد احمد ]
[ ]

تحلیل پایداری زمان-محدود شبکه­ های عصبی مرتبه کسری تاخیردار

تحلیل پایداری زمان-محدود شبکه­ های عصبی مرتبه کسری تاخیردار

دسته بندی : مقالات ترجمه شده isi

فرمت فایل : doc

حجم فایل : 595 کیلو بایت

تعداد صفحات : 12

پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود

Finite-time stability analysis of fractional-order neural networks with delay

Abstract
Stability analysis of fractional-order neural networks with delay is addressed in this paper. By using the
contracting mapping principle, method of iteration and inequality techniques, a sufficient condition is established to
ensure the existence, uniqueness and finite-time stability of the equilibrium point of the proposed networks. Finally,
based on the Predictor-Corrector Approach, two numerical examples are presented to illustrate the validity and
feasibility of the obtained result.

تحلیل پایداری زمان-محدود شبکه­ های عصبی مرتبه کسری تاخیردار

چکیده

تحلیل پایداری شبکه­ های عصبی مرتبه کسری با تاخیر در این مقاله ارائه می­شود. با استفاده ازاصل نگاشت قراردادی، روش تکراری و تکنیک­های نابرابر، شرط مناسبی به منظور تضمین وجود، منحصر به فردبودن و پایداریزمانمحدود نقطه­ی تعادلشبکه­هایارائه شده ایجاد می­شود. در نهایت،بر اساسروشاصلاح-پیشگویی، دو مثال عددی به منظور نشان دادن اعتبار و احتمال نتیجه­ی به دست آمده ارائه می­شود.

پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود

[ يکشنبه 24 دی 1396 ] [ 2:34 ] [ احمد احمد ]
[ ]

دینامیک­ های مرتبط با شبکه­ های عصبی مرتبه کسری

دینامیک­ های مرتبط با شبکه­ های عصبی مرتبه کسری

دسته بندی : مقالات ترجمه شده

فرمت فایل : doc

حجم فایل : 3.087 مگا بایت

تعداد صفحات : 12

پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود

Dynamics of fractional-order neural networks

Abstract—In this paper we discuss the stability analysis
for fractional-order neural networks of Hopfield type. The
stability domain of a steady state is completely characterized
with respect to some characteristic parameters of the system,
in the case of a two-dimensional network and of a network
of 𝑛 ≥ 3 neurons with ring structure. The values of the
characteristic parameters for which Hopf bifurcations occur are
identified. Numerical simulations are given which substantiate
the theoretical findings and suggest possible routes towards
chaos when the fractional order of the system increases

دینامیک­ های مرتبط با شبکه­ های عصبی مرتبه کسری

چکیده

در این مقالهآنالیز پایداریبرایشبکه­های عصبی مرتبه کسری نوع هاپفیلد را بحث می­کنیم. دامنه پایداریحالت ماندگاربه­طور کاملبا توجه بهبرخی از پارامترهایویژهسیستم نسبت به شبکه­یدو بعدیو شبکه عصبی با ساختار حلقوی مشخص می­شود. مقادیرپارامترهایمشخصبرای ایندو شاخه­ی هوپف که شناسایی می­شوند رخ می­دهد. شبیه­سازی­های عددیارائه شده­اند که یافته­های تئوری راپایدارمی­کنند و مسیرهای احتمالی به سمت آشفتگی را در زمان افزایش مرتبه کسری سیستم ارائه می­کنند.

.

پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود

[ يکشنبه 24 دی 1396 ] [ 2:34 ] [ احمد احمد ]
[ ]
صفحه قبل 1 ... 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655 656 657 658 659 660 661 662 663 664 665 666 667 668 669 670 671 672 673 674 675 676 677 678 679 680 681 682 683 684 685 686 687 688 689 690 691 692 693 694 695 696 697 698 699 700 701 702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739 740 741 742 743 744 745 746 747 748 749 750 751 752 753 754 755 756 757 758 759 760 761 762 763 764 765 766 767 768 769 770 771 772 773 774 775 776 777 778 779 780 781 782 783 784 785 786 787 788 789 790 791 792 793 794 795 796 797 798 799 800 801 802 803 804 805 806 807 808 809 810 811 812 813 814 815 816 817 818 819 820 821 822 823 824 825 826 827 828 829 830 831 832 833 834 835 836 837 838 صفحه بعد

دیگر امکانات