ارائه روش جدید جهت حذف نویز آکوستیکی در یک مجرا استفاده هم زمان از فیلترهای وفقی و شبکه های عصبی در حالت فرکانس متغیر
ارائه روش جدید جهت حذف نویز آکوستیکی در یک مجرا استفاده هم زمان از فیلترهای وفقی و شبکه های عصبی در حالت فرکانس متغیر
چکیده
تاکنون برای حذف نویزهای آکوستیکی از روش های فعال[1] و غیر فعال[2]استفاده شده است. برخلاف روش غیر فعال می‌توان بوسیله‌ی روش فعال، نویز را در فرکانس های پایین (زیر 500 هرتز)، حذف و یا کاهش داد. در روش فعال از سیستمی استفاده می شود که شامل یک فیلتر وفقی است. به دلیل ردیابی خوب فیلتر [3]LMS در محیط نویزی، الگوریتم FXLMS[4] بعنوان روشی پایه ارائه شده است. اشکال الگوریتم مذکور این است که در مسائل کنترل خطی استفاده می شود. یعنی اگر فرکانس نویز متغیر باشد و یا سیستم کنترلی بصورت غیرخطی کار کند، الگوریتم فوق به خوبی کار نکرده و یا واگرا می شود.
بنابراین در این پایان نامه، ابتدا به ارائه ی گونه ای از الگوریتم FXLMS می پردازیم که قابلیت حذف نویز، با فرکانس متغیر، در یک مجرا و در کوتاه‌ترین زمان ممکن را دارد. برای دستیابی به آن می توان از یک گام حرکت وفقی بهینه () در الگوریتم FXLMS استفاده کرد. به این منظور محدوده ی گام حرکت بهینه در فرکانس های 200 تا 500 هرتز را در داخل یک مجرا محاسبه کرده تا گام حرکت بهینه بر حسب فرکانس ورودی به صورت یک منحنی اسپلاین مدل شود. حال با تخمین فرکانس سیگنال ورودی به صورت یک منحنی اسپلاین مدل شود. حال با تخمین فرکانس سیگنال ورودی بوسیله ی الگوریتم MUSIC[5] ، را از روی منحنی برازش شده، بدست آورده و آن را در الگوریتم FXLMS قرار می‌دهیم تا همگرایی سیستم در کوتاه‌ترین زمان، ممکن شود. در نهایت خواهیم دید که الگوریتم FXLMS معمولی با گام ثابت با تغییر فرکانس واگرا شده حال آنکه روش ارائه شده در این پایان نامه قابلیت ردگیری نویز با فرکانس متغیر را فراهم می آورد.
همچنین‌به دلیل‌ماهیت غیرخطی سیستم‌هایANC ، به ارائه‌ی نوعی شبکه‌ی عصبی RBF TDNGRBF ) [6] ( می‌پردازیم که توانایی مدل کردن رفتار غیرخطی را خواهد داشت. سپس از آن در حذف نویز باند باریک فرکانس متغیر در یک مجرا استفاده کرده و نتایج آن را با الگوریتم FXLMS مقایسه می کنیم. خواهیم دید که روش ارائه شده در مقایسه با الگوریتم FXLMS، با وجود عدم نیاز به تخمین مسیر ثانویه، دارای سرعت همگرایی بالاتر (3 برابر) و خطای کمتری (30% کاهش خطا) است. برای حذف فعال نویز به روش TDNGRBF، ابتدا با یک شبکه ی GRBF به شناسایی مجرا می‌پردازیم. سپس با اعمال N تاخیر زمانی از سیگنال ورودی به N شبکه ی GRBF (با ترکیب خطی در خروجی آنها)، شناسایی سیستم غیرخطی بصورت بر خط امکان پذیر می شود. ضرایب بکار رفته در ترکیب خطی با استفاده از الگوریتم [7]NLMS بهینه می شوند.
[1] -Active
[2] -passive
[3] -Least mean square
4- Filter- x LMS
5 -Multiple signal classification
6 -Time Delay N- Generalized Radial Basis Function
[7] -Normalized LMS
فهرست مطالب
عنوانصفحه چکیده فصل صفر: مقدمه1 2 فصل اول: مقدمه ای بر کنترل نویز آکوستیکی7 1-1) مقدمه8 1-2) علل نیاز به کنترل نویزهای صوتی (فعال و غیر فعال)9 1-2-1) بیماری های جسمی9 1-2-2) بیماری های روانی9 1-2-3) راندمان و کارایی افراد9 1-2-4) فرسودگی9 1-2-5) آسایش و راحتی9 1-2-6 جنبه های اقتصادی10 1-3) نقاط ضعف کنترل نویز به روش غیرفعال10 1-3-1) کارایی کم در فرکانس های پایین10 1-3-2) حجم زیاد عایق های صوتی10 1-3-3) گران بودن عایق های صوتی10 1-3-4) محدودیت های اجرایی10 1-3-5) محدودیت های مکانیکی10 1-4) نقاط قوت کنترل نویز به روش فعال11 1-4-1) قابلیت حذف نویز در یک گسترده ی فرکانسی وسیع11 1-4-2) قابلیت خود تنظیمی سیستم11 1-5) کاربرد ANC در گوشی فعال11 1-5-1) تضعیف صدا به روش غیر فعال در هدفون12 1-5-2) تضعیف صدا به روش آنالوگ در هدفون13 1-5-3) تضعیف صوت به روش دیجیتال در هدفون15 1-5-4) تضعیف صوت به وسیله ی ترکیب سیستم های آنالوگ و دیجیتال در هدفون16 1-6) نتیجه گیری17 فصل دوم: اصول فیلترهای وفقی18 2-1) مقدمه19 2-2) فیلتر وفقی20 2-2-1) محیط های کاربردی فیلترهای وفقی22 2-3) الگوریتم های وفقی25 2-4) روش تحلیلی25 2-4-1) تابع عملکرد سیستم وفقی26 2-4-2) گرادیان یا مقادیر بهینه بردار وزن28 2-4-3) مفهوم بردارها و مقادیر مشخصه R روی سطح عملکرد خطا30 2-4-4) شرط همگرا شدن به٭ W32 2-5) روش جستجو32 2-5-1) الگوریتم جستجوی گردایان32 2-5-2) پایداری و نرخ همگرایی الگوریتم35 2-5-3) منحنی یادگیری36 2-6) MSE اضافی36 2-7) عدم تنظیم37 2-8) ثابت زمانی37 2-9) الگوریتم LMS38 2-9-1) همگرایی الگوریتم LMS39 2-10) الگوریتم های LMS اصلاح شده40 2-10-1) الگوریتم LMS نرمالیزه شده (NLMS)41 2-10-2) الگوریتم های وو LMS علامتدار وو (SLMS)41 2-11) نتیجه گیری43 فصل سوم: اصول کنترل فعال نویز44 3-1) مقدمه 45 3-2) انواع سیستم های کنترل نویز آکوستیکی 45 3-3) معرفی سیستم حذف فعال نویز تک کاناله 47 3-4) کنترل فعال نویز به روش پیشخور 48 3-4-1) سیستم ANC پیشخور باند پهن تک کاناله49 3-4-2) سیستم ANC پیشخور باند باریک تک کاناله50 3-5) سیستم های ANC پسخوردار تک کاناله51 3-6) سیستم های ANC چند کاناله52 3-7) الگوریتم هایی برای سیستم های ANC پسخوردار باند پهن53 3-7-1) اثرات مسیر ثانویه54 3-7-2) الگوریتم FXLMS57 3-7-3) اثرات فیدبک آکوستیکی61 3-7-4) الگوریتم Filtered- URLMS66 3-8) الگوریتم های سیستم ANC پسخوردار تک کاناله69 3-9) نکاتی درباره ی طراحی سیستم های ANC تک کاناله70 3-9-1) نرخ نمونه برداری و درجه ی فیلتر72 3-9-2) علیت سیستم73 3-10) نتیجه گیری74 فصل چهارم: شبیه سازی سیستم ANC تک کاناله75 4-1) مقدمه76 4-2) اجرای الگوریتم FXLMS76 4-2-1) حذف نویز باند باریک فرکانس ثابت76 4-2-2) حذف نویز باند باریک فرکانس متغیر81 4-3) اجرای الگوریتم FBFXLMS83 4-4) نتیجه گیری85 فصل پنجم: کنترل غیرخطی نویز آکوستیکی در یک ماجرا86 5-1) مقدمه87 5-2) شبکه عصبی RBF88 5-2-1) الگوریتم آموزشی در شبکه ی عصبی RBF90 5-2-2) شبکه عصبی GRBF93 5-3) شبکه ی TDNGRBF94 5-4) استفاده از شبکه ی TDNGRBF در حذف فعال نویز95 5-5) نتیجه گیری98 فصل ششم: نتیجه گیری و پیشنهادات99 6-1) نتیجه گیری100 6-2) پیشنهادات101 مراجعI
قیمت فقط16,000 تومان پرداخت و دانلود
مشخصات فروشنده
نام و نام خانوادگی : مهدی حیدری
شماره تماس : 09033719795 - 07734251434
ایمیل :info@sellu.ir
سایت :sellu.ir
مشخصات فایل
فرمت : doc
تعداد صفحات : 110
قیمت : 16,000 تومان
حجم فایل : 7415 کیلوبایت
برای خرید و دانلود فایل و گزارش خرابی از لینک های روبرو اقدام کنید...
پرداخت و دانلودگزارش خرابی و شکایت از فایلاین مقاله مقدمه ای بر شبکه های عصبی مصنوعی است
این مقاله مقدمه ای بر شبکه های عصبی مصنوعی است. گونه های مختلف شبکه های عصبی توضیح و شرح داده شده است و کاربرد های شبکه های عصبی، نظیر ANN ها در پزشکی بیان شده و همچنین سابقه ای تاریخی از آن به تفصیل آورده شده است. همچنین رابطه بین چیزهای ساختگی و واقعی مورد بررسی قرار گرفته و در مورد آن توضیح داده شده است و به شرح مدل های ریاضی در رابطه با این موضوع و آنالیز رفتار آشوبگونه مدل شبکه عصبی مکانیسم لرزش عضله و هماهنگ سازی نمایی شبکه های عصبی آشوبگونه با اغتشاش تصادفی و شناسایی شبکه های آشوبگونه آغشته به نویز بر مبنای شبکه های عصبی feedforward رگولاریزاسیون و همچنین شبکه های عصبی و الگوریتم های ژنتیک در تجارت می پردازیم.
فهرست مطالب
فهرستصفحه مقدمه1 فصل اول:2 سابقه تاریخی2 استفاده های شبکه عصبی3 مزیتهای شبکه عصبی3 شبکه های عصبی در مقابل کامپیوتر های معمولی4 شباهت های انسان و سلول های عصبی مصنوعی5 چگونه مغز انسان می آموزد5 انواع یادگیری برای شبکه های عصبی6 هوش جمعی12 فصل دوم:15 معرفی15 نورون با خاصیت آشوبگونه16 شکل شبکه17 قانون آموزش شبکه18 مدلسازی ژنراتور سنکرون دریایی21 نتایج فصل26 فصل سوم :27 معرفی27 منحنی طول - کشش28 فهرستصفحه شبکه های عصبی29 نتایج تجربی29 نتیجه فصل33 فصل چهارم:34 معرفی34 نمادها و مقدمات35 نتایج مهم40 شرح مثال47 نتیجه فصل51 فصل پنجم:53 معرفی53 شبکه های feedforward رگولاریزاسیون54 طراحی شبیه سازی55 شبیه سازی ها57 نتیجه فصل59 فصل ششم :60 فناوری شبکه عصبی62 فناوری الگوریتم ژنتیک65 بازاریابی66 بانکداری و حوزه های مالی68 منابع73
قیمت فقط6,900 تومان پرداخت و دانلود
مشخصات فروشنده
نام و نام خانوادگی : مهدی حیدری
شماره تماس : 09033719795 - 07734251434
ایمیل :info@sellu.ir
سایت :sellu.ir
مشخصات فایل
فرمت : doc
تعداد صفحات : 79
قیمت : 6,900 تومان
حجم فایل : 701 کیلوبایت
برای خرید و دانلود فایل و گزارش خرابی از لینک های روبرو اقدام کنید...
پرداخت و دانلودگزارش خرابی و شکایت از فایلگذردهی کاربر ثانویه در حالت وجود انتقال طیف و با ملاحظات انرژی
دانلود پایان نامه کارشناسی ارشد مهندسی مخابرات
گذردهی کاربر ثانویه در حالت وجود انتقال طیف و با ملاحظات انرژی
چکیده
امروزه با توجه به رشدبی‌رویه استفاده از تکنولوژیهای بی‌سیم، محدودیت پهنای باند قابل دسترس از مهمترین مشکلات علم مخابرات می‌باشد. یکی از روش‌های ارائه شده برای استفاده بهینه از پهنای باند، به کارگیری تکنیکهای دسترسی به طیف به صورت دینامیک است. در سال‌های اخیر، رادیوی هوشمند به عنوان ابزاری برای استفاده بهینه از طیف معرفی شده است. در راستای فراهم آوردن منابع رادیویی برای کاربردهای جدید بی سیم، رادیو های شناختگر به عنوان راه حلی برای غلبه بر مشکل کمبود ظاهری منابع طیفی پیشنهاد شدند[1]. این رادیوها با شناسایی محیط پیرامون از طریق حسگری و همچنین سیگنالینگ، قادر به استفاده ثانویه از منابع رادیویی هستند، به این معنا که تنها زمانی می توانند از طیف استفاده نمایند که کاربر دارای مجوز (کاربر اولیه) از طیف خود استفاده نکند.یکی از نکات مهم در این شبکه ها، چگونگی فرآیند دست‌به‌دست شدن فرکانسی است. این امر زمانی اتفاق می ا‌‌‌فتد که کاربر اولیه اقدام به ارسال طیف خود نماید و با توجه به ا‌ولویت پایین تر کاربران ثانویه، آن ها باید این طیف را تخلیه نموده و برای یافتن یک طیف خالی، کانال ها را جستجو نمایند. گذردهی کاربران ثانویه یکی از معیارهای کیفیت سرویسی است که می تواند چارچوب های طراحی سیستم را مشخص سازد. در این پایان نامه با در نظر گرفتن ملاحظات انرژی، گذردهی کاربر ثانویه در حالت وجود دست به دست شدن فرکانسی مورد تحقیق قرار گرفته است. پس از تشریح مزیت داشتن یک دنباله ی حسگری برای کاربر ثانویه، قرارداد حسگری ترتیبی طیف معرفی شده عملکرد آن از نظر متوسط گذردهی کاربر ثانویه و همچنین انرژی مصرفی در فرآیند حسگری فرمول‌بندی می‌گردد. سپس با توجه به روابط به دست آمده، یک مسئله ی بهینه‌سازی در جهت حداکثر نمودن گذردهی کاربر ثانویه فرمول‌بندی می شود. با بررسی انرژی مصرف شده برای فرآیند حسگری برای حصول حداکثر گذردهی، نشان می‌دهیم که تنها توجه به حداکثر نمودن گذردهی بدون در نظر گرفتن میزان انرژی مصرفی شبکه باعث بالا رفتن بیش از حد انرژی مصرفی سیستم می گردد. از اینرو اصلاحات لازم (در تابع هزینه ی مسئله ی بهینه‌سازی) جهت جبران این نقیصه مورد بحث قرار می گیرد. به دلیل پیچید گی بالای روند حل تئوری مسائل بهینه‌سازی فوق، زمان حسگری که پارامتر آزاد این مسئله است، از طریق جستجوی جامع بهینه می شود. سپس برای غلبه بر مشکلاتی از قبیل در دسترس نبودن اطلاعات کانال، فرضیات غیر عملی، پیچیدگی محاسباتی، عدم توانایی استفاده از این الگوریتم ها برای کاربردهای زمان ـ حقیقی و غیره، روشی بر مبنای ترکیب دو نوع شبکه ی عصبی مصنوعی پیشنهاد می گردد. شبکه‌های عصبی مصنوعی به عنوان ابزاری قدرتمند و شناخته شده برای مدلسازی و کنترل فرآیند‌های مختلف به شمار می‌آیند. به عنوان تقریب زننده‌های‌کلی ، شبکه‌های عصبی مصنوعی یک روند ساخت یافته برای مدلسازی فرآیند‌های صنعتی در اختیار ما قرار می‌دهند، مخصوصاً در مورد فرآیند‌هایی که به کارگیری روش‌های تحلیلی برای درک جزئیات آنها دشوار است. دو شبکه عصبی که در این پایان‌نامه استفاده کرده‌ایم یکی شبکه عصبی از نوع MFF [2]، وظیفه ی مدل سازی سیستم و فراهم نمودن اطلاعات لازم برای شبکه دوم را دارد و شبکه دیگر که یک شبکه ی عصبیKC [3] است. بر اساس مدل ارائه شده توسط شبکه ی عصبیMFF، اقدام به یافتن مقدار بهینه زمان حسگری می نماید تا از این طریق گذردهی شبکه ی رادیو‌شناختی حداکثر شود.
کلمات کلیدی:
رادیوی شناختگر
شبکه های رادیو شناختی
بیشینه گذردهی شبکه ثانویه
دست به‌دست شدن فرکانسی
فهرست مطالب
فصل اول: مقدمه
1-1- معرفی رادیوهای شناختگر 2
فصل دوم: مبانی تئوری
2-1- مقدمه 6
2-2- شبکه‌های عصبی 9
2-2-1-شبکه عصبی MFF 9
2-2-2- تحلیل حساسیت 10
2-2-3- شبکه عصبی Kennedy-Chua 11
2-2-4- ایده مشارکت شبکه‌های عصبی MFF و KC 12
2-3- لزوم وجود مشارکت در شبکه ثانویه 12
2-4- قراردادهای تصمیمگیری 16
2-4-1- قانون ترکیبی “OR” 16
2-4-2- قانون ترکیبی AND 17
2-4-3- قانون “k تا از Ns تا” 17
2-4-4- مقایسه قانونهای تصمیمگیری و فرضیات فصل 17
2-5- نتیجهگیری و خلاصه فصل 18
فصل سوم: زمان بهینه حسگری
3-2- مروری بر کارهای گذشته 20
3-3- مدل سیستم 23
3-3-1- شبکه اولیه 23
3-3-2- شبکه ثانویه 24
3-3-3- آشکارسازی فرصت‌های طیفی 25
3-4- طرح ترتیبی تحویل طیف 27
3-4-1- ساختار 27
3-4-2- متوسط زمان سنجش طیف 29
3-4-3- متوسط تعداد HO های مورد نیاز جهت یافتن یک طیف خالی 29
3-5- حداکثرگذردهی نرمالیزه قابل حصول 31
3-6- بررسی مسئله بهینه‌سازی گذردهی کاربر ثانویه 35
3-6-1- پیچیدگی‌ها و محدودیت‌ها 35
3-6-2- تحلیل مسئله بهینه‌سازی مورد نظر 36
3-6-3- یادگیری و بهینه‌سازی با شبکه‌های عصبی 37
3-7- تطبیق بین لایه‌ای هوشمند 41
3-7-1- ساختار و نحوه عملکرد سیستم پیشنهادی 41
3-7-2- پیچیدگی پیاده‌سازی 44
3-8- تاثیر مشارکت در کاهش انرژی مصرفی و افزایش گذردهی 46
3-8-1- فرضیات 46
3-8-2- مسئله افزایش گذردهی با در نظر گرفته انرژی مصرفی 47
3-9- نتایج شبیه‌سازی 48
3-9-1- چگونگی شبیه‌سازی 48
3-9-2- عملکرد روش ترتیبیHO 49
3-9-3- عملکرد طرح حسگری بهینه مبتنی بر یادگیری 58
3-9-4- تاثیر مشارکت بر عملکرد سیستم 60
3-10- نتیجهگیری و خلاصه فصل 64
فصل چهارم: نتیجهگیری و پیشنهادات
4-2- پیشنهادات 67
دست به دست شدن فرکانسی (انتقال طیف) Spectrum handover
شبکه رادیو شناختی Cognitive radio network
حسگری ترتیبی Sequentially sensing
حسگری طیف Spectrum sensing
زمان حسگری Sensing time
تحرک طیفی Spectrum mobility
دنباله حسگری Sensing sequence
قیمت فقط125,000 تومانپرداخت و دانلود
مشخصات فروشنده
نام و نام خانوادگی : محمد همتی
شماره تماس : 09106392022
ایمیل :hemmati.eng@gmail.com
سایت :fileina.com
مشخصات فایل
فرمت : pdf
تعداد صفحات : 86
قیمت : 125,000 تومان
حجم فایل : 2714 کیلوبایت
برای خرید و دانلود فایل و گزارش خرابی از لینک های روبرو اقدام کنید...
پرداخت و دانلودگزارش خرابی و شکایت از فایلهدف از این پایان نامه افزایش بازدهی انرژی مصرفی شبکه های CRN با مخابرات مشارکتی می باشد
دانلود پایان نامه کارشناسی ارشد مهندسی مخابرات
افزایش بازدهی انرژی مصرفی شبکه های CRN با مخابرات مشارکتی
Cognitive Radio Networks
چکیده
در این پایان‌نامه، بیشینه‌سازی گذردهی کاربر ثانویه با در نظرگیری ملاحظات انرژی و تاثیر دست‌به‌دست شدن فرکانسی مورد تحقیق قرار گرفت. پس از تشریح مزیت داشتن یک دنباله حسگری برای کاربر ثانویه، حسگری ترتیبی طیف معرفی شده و عملکرد آن در قالب متوسط گذردهی کاربر ثانویه و همچنین متوسط انرژی صرف شده در فرآیند حسگری تحلیل می‌شود. در ادامه یک مسئله بهینه‌سازی در جهت بیشینه نمودن گذردهی کاربر ثانویه از طریق انتخاب یک مقدار مناسب برای زمان حسگری طیف، فرمول‌بندی شده و مقدار مناسب از طریق جستجوی عددی تعیین می‌شود.
با بررسی انرژی مصرف شده برای فرآیند حسگری، ناکارآمدی بیشینه نمودن گذردهی بیان شده و راه‌کارهای لازم برای جبران این نقیصه مورد بحث قرار می‌گیرد. سپس برای غلبه بر محدودیت‌های راه‌حل تحلیلی، روشی نوین بر مبنای مشارکت دو نوع شبکه عصبی مصنوعی برای مدلسازی گذردهی کاربر ثانویه و یافتن مقدار بهینه زمان حسگری پیشنهاد می‌گردد. در ادامه با افزایش تعداد کاربران ثانویه، تاثیر مشارکت در عملکرد شبکه ثانویه مورد تحلیل قرار می‌گیرد. بدین منظور با تبیین اهمیت وجود مشارکت میان کاربران ثانویه، مسئله بیشینه‌سازی گذردهی با در نظر گرفتن ملاحظات انرژی برای وجود مشارکت تعمیم داده شده و عملکرد مشارکت در بهبود کارایی سیستم از طریق تحلیل تئوری و همچنین نتایج شبیه‌سازی تایید می‌شود.
کلمات کلیدی:
رادیوی شناختگر
شبکه های عصبی
شبکه های رادیو شناختی
بیشینه گذردهی شبکه ثانویه
دست به‌دست شدن فرکانسی
فهرست مطالب
شبکه های رادیو شناختی (Cognitive Radio Networks)
فصل اول: مقدمه
1-1- معرفی رادیوهای شناختگر 2
فصل دوم: مبانی تئوری
2-1- مقدمه 6
2-2- شبکه‌های عصبی 9
2-2-1-شبکه عصبی MFF 9
2-2-2- تحلیل حساسیت 10
2-2-3- شبکه عصبی Kennedy-Chua 11
2-2-4- ایده مشارکت شبکه‌های عصبی MFF و KC 12
2-3- لزوم وجود مشارکت در شبکه ثانویه 12
2-4- قراردادهای تصمیمگیری 16
2-4-1- قانون ترکیبی “OR” 16
2-4-2- قانون ترکیبی AND 17
2-4-3- قانون “k تا از Ns تا” 17
2-4-4- مقایسه قانونهای تصمیمگیری و فرضیات فصل 17
2-5- نتیجهگیری و خلاصه فصل 18
فصل سوم: زمان بهینه حسگری
3-2- مروری بر کارهای گذشته 20
3-3- مدل سیستم 23
3-3-1- شبکه اولیه 23
3-3-2- شبکه ثانویه 24
3-3-3- آشکارسازی فرصت‌های طیفی 25
3-4- طرح ترتیبی تحویل طیف 27
3-4-1- ساختار 27
3-4-2- متوسط زمان سنجش طیف 29
3-4-3- متوسط تعداد HO های مورد نیاز جهت یافتن یک طیف خالی 29
3-5- حداکثرگذردهی نرمالیزه قابل حصول 31
3-6- بررسی مسئله بهینه‌سازی گذردهی کاربر ثانویه 35
3-6-1- پیچیدگی‌ها و محدودیت‌ها 35
3-6-2- تحلیل مسئله بهینه‌سازی مورد نظر 36
3-6-3- یادگیری و بهینه‌سازی با شبکه‌های عصبی 37
3-7- تطبیق بین لایه‌ای هوشمند 41
3-7-1- ساختار و نحوه عملکرد سیستم پیشنهادی 41
3-7-2- پیچیدگی پیاده‌سازی 44
3-8- تاثیر مشارکت در کاهش انرژی مصرفی و افزایش گذردهی 46
3-8-1- فرضیات 46
3-8-2- مسئله افزایش گذردهی با در نظر گرفته انرژی مصرفی 47
3-9- نتایج شبیه‌سازی 48
3-9-1- چگونگی شبیه‌سازی 48
3-9-2- عملکرد روش ترتیبیHO 49
3-9-3- عملکرد طرح حسگری بهینه مبتنی بر یادگیری 58
3-9-4- تاثیر مشارکت بر عملکرد سیستم 60
3-10- نتیجهگیری و خلاصه فصل 64
فصل چهارم: نتیجهگیری و پیشنهادات
4-2- پیشنهادات 67
قیمت فقط117,000 تومانپرداخت و دانلود
مشخصات فروشنده
نام و نام خانوادگی : محمد همتی
شماره تماس : 09106392022
ایمیل :hemmati.eng@gmail.com
سایت :fileina.com
مشخصات فایل
فرمت : pdf
تعداد صفحات : 86
قیمت : 117,000 تومان
حجم فایل : 2730 کیلوبایت
برای خرید و دانلود فایل و گزارش خرابی از لینک های روبرو اقدام کنید...
پرداخت و دانلودگزارش خرابی و شکایت از فایل