پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 418 |
| تعداد شماره‌ها | 10,005 |
| تعداد مقالات | 83,623 |
| تعداد مشاهده مقاله | 78,416,568 |
| تعداد دریافت فایل اصل مقاله | 55,445,090 |
بازسازی فضای حالت سری‌های زمانی آشوبی با استفاده از یک روش هوشمند | ||
| روش‌های هوشمند در صنعت برق | ||
| مقاله 1، دوره 1، شماره 3، آذر 1389، صفحه 3-10 اصل مقاله (686.52 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
| مریم پری زنگنه* 1؛ محمد عطایی2؛ پیمان معلم3 | ||
| 1کارشناس اشد /دانشگاه آزاد اسلامی واحد نجف‌آباد | ||
| 2دانشیار/دانشگاه اصفهان | ||
| 3استادیار/دانشگاه اصفهان | ||
| چکیده | ||
| استفاده از سری‌های زمانی (منظور مشاهدات ما از فرآیند برحسب زمان) یک راه‌حل مؤثر در تحلیل این سیستم‌ها می‌باشد. در واقع تأکید روی این هدف است که چگونه می‌توان از مشاهداتی به فرم سری زمانی اسکالر از فرآیند، که تنها اطلاعات ما در مورد بعضی از سیستم‌ها می‌باشد، به ساختار فضای حالت با بُعد محدود رسید. بازسازی فضای حالت بر مبنای نظریه محاط بنا شده که کاربرد آن مستلزم تعیین مقدارهای مناسبی برای دو پارامتر زمان تأخیر (τ)1 و بُعد محاط (m)2 می‌باشد. در این مقاله روشی برای تخمین پارامتر بُعد محاط جهت بازسازی فضای حالت سری‌های زمانی برگرفته از سیستم‌های دینامیکی آشوبی به کمک شبکه‌های عصبی تأخیر زمانی (TDNN) معرفی می‌شود. این روش یک ایده نو در انتخاب بُعد محاط بوده و متفاوت از روش مرسوم شمارش همسایه‌های کاذب (FNN) می‌باشد. در انتها کیفیت عملکرد روش مطرح شده با روش FNN مقایسه شده است و نتایج این مقایسه نشان از کارآیی خوب این روش دارد. | ||
| کلیدواژه‌ها | ||
| بُعد محاط؛ نزدیکترین همسایه‌های کاذب؛ سری‌های زمانی آشوبی؛ شبکه‌های عصبی تأخیر زمانی متمرکز‌شده | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 6,593 تعداد دریافت فایل اصل مقاله: 2,371 |
||