اطلاعیه

پیش بینی ماکزیمم بار روزانه ساری با استفاده از شبکه های عصبی مصنوعی

متن کامل مقاله موجود نیست

فهرست مطالب
پیشگفتار
فصل اول: شبکه های عصبی مصنوعی
مقدمه
معنای شبکه های عصبی
انگیزه های بیولوژیکی
تشابهات و انتظارات
تاریخچه شبکه های عصبی
کاربرد شبکه های عصبی
فصل دوم: مدل ریاضی نرون
مقدمه
مدل نرون
مدل تک ورودی
توابع محرک
مدل چند ورودی
فرم خلاصه شده
ساختار شبکه های عصبی
شبکه تک لایه
شبکه های چند لایه
تعریف لایه خروجی
شبکه های پسخور یا برگشتی
شبکه های عصبی پیشخور کاملاً متصل
شبکه های عصبی به شکل گراف
جداسازی الگوها
فصل سوم: روشی برای پیش بینی بار
مقدمه
پیش بینی بار
روشهای قراردادی
روشهای سری های زمانی
روشهای مبنی بر رگراسیون
روش شبکه عصبی مصنوعی
آموزش شبکه عصبی
بهترین سکانس یادگیری
فصل چهارم: پیش بینی کوتاه مدت بار الکتریکی با استفاده از شبکه های عصبی
مقدمه
مدل پیش بینی کوتاه مدت بار
عوامل موثر در بار ایران
نحوه ایجاد dataset ها
پیش بینی منحنی بار نرمالیزه روز آینده توسط شبکه عصبی MLP
روش انتخاب متغیرهای ورودی برای آموزش شبکه
مدل MLP و پارامترهای یادگیری
فصل پنجم: پیش بینی ماکزیمم بار روزانه مشهد مقدس با کمک شبکه پرسپترون چند لایه
مقدمه
نحوه عملکرد شبکه های عصبی
شبکه های پرسپترون چند لایه
مراجع ومنابع

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

Time limit is exhausted. Please reload the CAPTCHA.