مدلسازی نانوسیال آب آلومینا به کمک شبکه های عصبی در مبدل حرارتی دولوله ای
شبکه های عصبی مصبنوعی ( Artificial Neural Network - ANN ) يا به بیان ساده تر شبکه های عصبی سیستم ها و روش های محاسباتی نوينی هستند برای يادگیری ماشینی، نمايش دانش، و در انتها اعمال دانش بدست آمده در جهت بیش بینی پاسخ های خروجی از سامانه های پیچیده.
بهينه سازی عددی جریان ثانویه در کانال با مقطع مستطيلی با استفاده از شبکه عصبی GMDH و الگوریتم ژنتيک MUGA
این مقاله با بررسی شبیه سازی عددی جریان سه بعدی دائمی آرام و توسعه یافته سیال غیر قابل تراکم در داخل کانال منحنی الشکل با مقطع مستطیلی و چگونگی شکل گیری جریان ثانویه در داخل خم و عوامل مؤثر بر شدت جریان ثانویه در داخل کانال به خصوص در قسمت منحنی الشکل، به تحلیل چگونگی بهینه سازی شدت جریان ثانویه در کانال های مورد بررسی پرداختهاست.
مدلسازی میزان فروش انرژی برق بر اساس روشهای شبکههای عصبی مصنوعی و رگرسیون و ارزیابی نتایج
در این تحقیق با دانستن تعداد مشترکین در بخشهای خانگی، صنعتی، کشاورزی و عمومی، در استانهای تهران، اصفهان، فارس در یازده سال، به پیشبینی فروش انرژی برق بر حسب میلیون کیلو وات ساعت پرداخته می شود.
شبیه سازی و بررسی اثر بکارگيری نانوسیالات در سیکل های حرارتی به کمک شبکه عصبی مصنوعی
اثر بکارگیری نانوسیالات در چرخه های حرارتی به کمک شبکه عصبی مصنوعی،در اين پژوهش، شبیه سازی شده است.
مقایسه عملکرد مدلهای آماری و شبکههای عصبی مصنوعی در برازش و پیشبینی دادههای بهرهوری انرژی
مطالعه نحوه عملکرد شبکههای عصبی مصنوعی (ANN) ، مقایسهی روشهای شبکههای عصبی مصنوعی و روش خود رگرسیونی میانگین متحرک انباشته (ARIMA) در برازش و پیشبینی دادههای سری زمانی بهرهوری انرژی در این مقاله ارائه می شود.
توسعه مدل GMDH جهت پیش بینی خصوصیات عملکردی و آلایندگی یک موتور دیزل با سوخت ترکیبات دیزل-بیودیزل
تحقیق در مورد استفاده از شبکه عصبی دسته بندی گروهی دادههای عددی ( GMDH ) به منظور پیش بینی خصوصیات عملکردی و آلایندگی یک موتور دیزل چهار سیلندر چهار زمانه هنگامی که با ترکیبات بیودیزل روغن پسماند خوراکی با سوخت دیزل پایه تغذیه می شود، در این پژوهش ارائه می گردد.
بررسی انرژی شبكه های حسگر بیسیم با استفاده از الگوریتم خود سازمان ده
یك شبكه حسگر بیسیم عبارتست از تعداد زیادی حسگرهای كوچك باتوان پایین در ارسال و دریافت كه می تواند ابزاری مؤثر برای گردآوری داده در محیط های گوناگون باشد.
بهینه سازی چند هدفه نیروی رانش و مصرف سوخت ویژه موتور توربوفن با الگوریتم ژنتیک براساس مدلسازی توابع با شبکه عصبی
در این مقاله، از شبکه عصبی از نوعGMDH() Group Method of Data Handling به عنوان ابزاری با قابلیت بالا در مدل سازیسیستم های غیر خطی و پیچیده، برای مدل سازی موتور توربوفن استفاده شده است.
پیش بینی بهینه توان تولیدی واحد های بخار نیروگاهی با توجه به اثرات پارامترهای جوی بر راندمان واحد بوسیله شبکه عصبی مصنوعی پرسپترون
هدف این پژوهش تخمین میزان بار اکتیو واحدهای نیروگاهی تحت تاثیر وضعیت جوی، با یک روش علمی مدون به گونه ای است که این نواسانات جوی تاثیرات نامطلوب کمتری بر روی کارایی برج های خنک کننده و به دنبال آن افت راندمان در این واحدها داشته باشد.