دانلود مقاله ISI چند عاملی مبتنی بر معماری بهینه سازی برای سیستم های مدیریت انرژی توزیع شده با جسمی همراه محل قرار دادن سیستم پ

اختصاصی از فی موو دانلود مقاله ISI چند عاملی مبتنی بر معماری بهینه سازی برای سیستم های مدیریت انرژی توزیع شده با جسمی همراه محل قرار دادن سیستم پویا دانلود با لینک مستقیم و پر سرعت .

موضوع فارسی :چند عاملی مبتنی بر معماری بهینه سازی برای سیستم های مدیریت انرژی توزیع شده با جسمی همراه محل قرار دادن سیستم پویا

موضوع انگلیسی :Multi-Agent based Distributed Optimization Architecture for Energy-Management Systems with Physically Coupled Dynamic Subsystems

تعداد صفحه :6

فرمت فایل :PDF

سال انتشار :2015

زبان مقاله : انگلیسی

معماری، بهره برداری بهینه از سیستم های قدرت مقیاس و مدیریت انرژی زیادی امکان پذیر می شود. معماری اجازه می دهد تا غلبه بر مشکلات معمولی مانند مسائل همگرایی، ارز در سطح بالایی از اطلاعات بین عوامل با توجه به زیر سیستم های فیزیکی به هم وابسته. دو نمونه برنامه معرفی می شوند و شماتیک در نظر گرفته: نرم افزار برای اولین بار یک EMS ساختمان برای بهینه سازی مصرف انرژی با کنترل سایر دستگاه های مصرف انرژی A / C و در داخل یک ساختمان است، و برنامه دوم میانجی بر اساس توزیع از سیستم تطبیق انرژی (برای طرف تقاضا) است. در برنامه اول، یک استراتژی کنترل پیش بینی مدل توزیع مستقر شده است در حالی که تقسیم سیستم (به عنوان مثال ساختمان EMS در این زمینه) به زیر سیستم هنوز همراه مجزا و مستقل. در برنامه دوم، کل طرف تقاضا به چند جمع آوری که در آن این aggregator انجام تطبیق توزیع انرژی در آنها در حالی که داشتن انرژی محلی خود را بهینه سازی تقسیم شده است. در هر دو این برنامه های کاربردی، واسطه معرفی شده برای گاهی اوقات به بهینه سازی دخالت کند. چند

دانلود مقاله ISI یک الگوریتم خود تطبیقی کارآمد مبتنی بر زمان به گام برای روش پیش بینی اصلاح از نوع رانگ-کوتا

اختصاصی از فی موو دانلود مقاله ISI یک الگوریتم خود تطبیقی کارآمد مبتنی بر زمان به گام برای روش پیش بینی اصلاح از نوع رانگ-کوتا دانلود با لینک مستقیم و پر سرعت .

موضوع فارسی :یک الگوریتم خود تطبیقی کارآمد مبتنی بر زمان به گام برای
روش پیش بینی اصلاح از نوع رانگ-کوتا

موضوع انگلیسی :An efficient time-step-based self-adaptive algorithm for
predictor–corrector methods of Runge–Kutta type

تعداد صفحه :17

فرمت فایل :PDF

سال انتشار :2011

زبان مقاله : انگلیسی

پیدا کردن یک نوع اجرای کارآمد برای حل عددی از مشکلات از
علوم محاسباتی و مهندسی شامل بسیاری از تصمیم گیری پیاده سازی
به شدت از معماری سخت افزار خاص تحت تاثیر قرار. پیچیدگی این
معماری را مشکل می کند پیدا کردن بهترین نوع پیاده سازی شده توسط تنظیم کتابچه راهنمای کاربر.
برای روش های حل عددی از جبر خطی، تکنیک های تنظیم در بر
موتور جستجو جهانی به عنوان آنها را برای ATLAS یا FFTW استفاده می تواند با موفقیت استفاده شده است. اینها
تکنیک های تولید انواع اجرای مختلف در زمان نصب و راه اندازی و یکی را انتخاب کنید
از این اجرای انواع در هر دو زمان نصب و راه اندازی و یا در زمان اجرا، قبل از
محاسبات شروع می شود. برای برخی از روش های عددی، تنظیم در زمان نصب و راه اندازی می
به طور مستقیم اعمال، از بهترین نوع پیاده سازی ممکن است به شدت در بستگی دارد
مشکل عددی خاص به حل شود. به عنوان مثال روش راه حل برای مقدار اولیه است
مشکلات (IVPs) معادلات دیفرانسیل معمولی (ODE ها)، که در آن ساختار جفت
سیستم ODE به حل شود است، تأثیر زیادی بر استفاده موثر از حافظه
سلسله مراتب از معماری های سخت افزاری. در این زمینه، مهم است که به استفاده از تنظیم
تکنیک در زمان اجرا، که ممکن است به دلیل ماهیت زمان پله از ODE
حل کننده.

عنوان مقاله : سیستم های مبتنی بر شبکه عصبی

اختصاصی از فی موو عنوان مقاله : سیستم های مبتنی بر شبکه عصبی دانلود با لینک مستقیم و پر سرعت .

عنوان مقاله :  سیستم های مبتنی بر شبکه عصبی

شرح مختصر :  شبکه‌های عصبی مصنوعی Artificial Neural Network – ANN)  ) یا به زبان ساده‌تر شبکه‌های عصبی سیستم‌ها و روش‌های محاسباتی نوینی هستند برای یادگیری ماشینی، نمایش دانش، و در انتها اعمال دانش به دست آمده در جهت بیش‌بینی پاسخ‌های خروجی از سامانه‌های پیچیده. ایده اصلی این گونه شبکه‌ها (تا حدودی) الهام‌گرفته از شیوه کارکرد سیستم عصبی زیستی، برای پردازش داده‌ها، و اطلاعات به منظور یادگیری و ایجاد دانش قرار دارد. عنصر کلیدی این ایده، ایجاد ساختارهایی جدید برای سامانه پردازش اطلاعات است. این سیستم از شمار زیادی عناصر پردازشی فوق العاده بهم‌پیوسته با نام نورون تشکیل شده که برای حل یک مسأله با هم هماهنگ عمل می‌کنند و توسط سیناپس‎ها(ارتباطات الکترومغناطیسی) اطلاعات را منتقل می‎کنند. در این شبکه‌ها اگر یک سلول آسیب ببیند بقیه سلول‎ها می‌توانند نبود آنرا جبران کرده، و نیز در بازسازی آن سهیم باشند. این شبکه‌ها قادر به یادگیری‎اند. مثلا با اعمال سوزش به سلول‎های عصبی لامسه، سلول‎ها یاد می‌گیرند که به طرف جسم داغ نروند و با این الگوریتم سیستم می‌آموزد که خطای خود را اصلاح کند. یادگیری در این سیستم‎ها به صورت تطبیقی صورت می‌گیرد، یعنی با استفاده ازمثال‎ها وزن سیناپس‎ها به گونه‌ای تغییر می‌کند که در صورت دادن ورودی‎های جدید، سیستم پاسخ درستی تولید کند. توافق دقیقی بر تعریف شبکه عصبی در میان محققان وجود ندارد؛ اما اغلب آنها موافقند که شبکه عصبی شامل شبکه‎ای از عناصر پردازش ساده (نورونها) است، که می‌تواند رفتار پیچیده کلی تعیین شده‎ای از ارتباط بین عناصر پردازش و پارامترهای عنصر را نمایش دهد. منبع اصلی و الهام بخش برای این تکنیک، از آزمایش سیستم مرکزی عصبی و نورونها (آکسون‎ها، شاخه‌های متعدد سلولهای عصبی و محلهای تماس دو عصب)نشأت گرفته‌است، که یکی از قابل توجه‎ترین عناصر پردازش اطلاعات سیستم عصبی را تشکیل می‎دهد. در یک مدل شبکه عصبی، گره‎های ساده (بطور گسترده نورون، نئورونها، “PE” ها (عناصر پردازش) یا واحدها) برای تشکیل شبکه‎ای از گره‎ها، به هم متصل شده اند،به همین دلیل به آن، اصطلاح”شبکه‎های عصبی” اطلاق می‎شود. در حالی که یک شبکه عصبی نباید به خودی خود سازگارپذیر باشد، استفاده عملی از آن بواسطه الگوریتمهایی امکان پذیر است، که جهت تغییر وزن ارتباطات در شبکه (به منظور تولید سیگنال موردنظر) طراحی شده باشد. با استفاده از دانش برنامه‌نویسی رایانه می‌توان ساختار داده‌ای طراحی کرد که همانند یک نرون عمل نماید. سپس با ایجاد شبکه‌ای از این نورون‌های مصنوعی به هم پیوسته، ایجاد یک الگوریتم آموزشی برای شبکه و اعمال این الگوریتم به شبکه آن را آموزش داد. این شبکه‌ها برای تخمین (Estimation) و تقریب (Approximation)کارایی بسیار بالایی از خود نشان داده‌اند. گستره کاربرد این مدل‌های ریاضی بر گرفته از عملکرد مغز انسان، بسیار وسیع می‌باشد که به عنوان چند نمونه کوچک می‌توان استفاده از این ابزار ریاضی در پردازش سیگنال‌های بیولوییکی، مخابراتی و الکترونیکی تا کمک در نجوم و فضا نوردی را نام برد.
فهرست :  

مقدمه ای بر شبکه‌های عصبی مصنوعی

تاریخچه شبکه‌های عصبی مصنوعی

شبکه عصبی چیست؟

شبکه  عصبی چه قابلیتهائی دارد؟

الهام از طبیعت

شبکه های عصبی در مقایسه با کامپیوترهای سنتی

مسائل مناسب برای یادگیری شبکه های عصبی

پرسپترون

الگوریتم یادگیری پرسپترون

الگوریتم gradient descent

مشکلات روش gradient descent

تقریب افزایشی gradient descent

الگوریتم  Back propagation

قدرت نمایش توابع

انواع آموزش شبکه

برخی زمینه های شبکه های عصبی

سبکهای معماری شبکه‌های عصبی

قواعد یادگیری در شبکه‌های عصبی

آموزش شبکه‌های عصبی

آموزش unsupervised یا تطبیقی (Adaptive)

تفاوت‌های شبکه‌های عصبی با روش‌های محاسباتی متداول و سیستم‌های خبره

انواع یادگیری برای شبکه های عصبی

یادگیری با ناظر

یادگیری تشدیدی

یادگیری بدون ناظر

معایب شبکه های عصبی

مزیتهای شبکه های عصبی

سیستم خبره

سیستم خبره چیست؟

ساختار یک سیستم خبره‌

استفاده از  منطق فازی

مزایا و محدودیت‌های سیستم‌های خبره

کاربرد سیستم‌های خبره‌

چند سیستم خبره مشهور

مروری بر کاربردهای تجاری

بازاریابی

بانکداری و حوزه های مالی

پیش بینی

سایر حوزه های تجاری

کاربرد مدلهای شبکه عصبی در پیش‌بینی ورشکستگی اقتصادی شرکتهای بازار بورس

کاربرد مدل‌ شبکه عصبی در پیش‌بینی ورشکستگی شرکتهای بازار بورس

تبیین مفهوم ورشکستگی

متغیرهای مدل تحقیق

اطلاعات شرکتهای نمونه تحقیق

تعیین ‌مدل شبکه عصبی سه لایه برای پیش‌بینی ورشکستگی شرکتها

تعیین مدل بهینه شبکه عصبی چهار لایه برای پیش‌بینی ورشکستگی شرکتها

مقایسه مدلهای شبکه عصبی سه و چهار لایه برای پیش‌بینی ورشکستگی اقتصادی

پیش‌بینی ورشکستگی اقتصادی شرکتها در سالهای  و

روند ورشکستگی اقتصادی شرکتهای بازار بورس در دوره ـ

جمع‌بندی و نتیجه‌گیری

منابع

دانلود مقاله ISI مدل سازی مبتنی بر سبک و تایید از خدمات تحمل خطا معماری گرا

اختصاصی از فی موو دانلود مقاله ISI مدل سازی مبتنی بر سبک و تایید از خدمات تحمل خطا معماری گرا دانلود با لینک مستقیم و پر سرعت .

موضوع فارسی :مدل سازی مبتنی بر سبک و تایید از خدمات تحمل خطا
معماری گرا

موضوع انگلیسی :Style-based modeling and verification of fault tolerance service
oriented architectures

تعداد صفحه :5

فرمت فایل :PDF

سال انتشار :2011

زبان مقاله : انگلیسی

سرویس گرا معماری (SOA) معماری انعطاف پذیر، سست و پویا برای توسعه های مختلف توزیع شده است
سیستم های. از آنجا که با استفاده از این معماری است هر روز افزایش در طراحی سیستم های نرم افزاری، ایجاد اعتماد در خدمات
این معماری یکی از چالش های اصلی است. با توجه به سطوح مختلف از QoS شامل جنبه های غیر عملکردی مانند
ایمنی امنیتی؛ دسترسی، و غیره برای سیستم قابل اعتماد است. یکی از این جنبه غیر کاربردی تحمل خطا است.
در این مقاله، به منظور داشتن یک سیستم تحمل خطا، ابتدا SOA سبک هسته ای با استفاده از پارامترهای مورد نیاز تمدید شده است.
سپس، ارتباطات و پیکر بندی دوباره مکانیزم های مختلف از تحمل خطا توسط تحول نمودار توسعه یافته اند
قوانین. در نهایت، مدل ارائه شده با استفاده از تکنیک چک کردن مدل های موجود برای سیستم انتقال نمودار تأیید شده است.

دانلود مقاله بهینه‌سازی منطقی تعمیر و نگهداری مبتنی بر قابلیت اطمینان در سیستم‌های توزیع توان

اختصاصی از فی موو دانلود مقاله بهینه‌سازی منطقی تعمیر و نگهداری مبتنی بر قابلیت اطمینان در سیستم‌های توزیع توان دانلود با لینک مستقیم و پر سرعت .

دانلود رایگان اصل مقاله انگلیسی

عنوان انگلیسی مقاله:

Rational Reliability Centered Maintenance Optimization for power distribution systems

عنوان فارسی مقاله:

بهینه‌سازی منطقی تعمیر و نگهداری مبتنی بر قابلیت اطمینان در سیستم‌های توزیع توان

ناشر:Electrical Power and Energy

سال انتشار:2015

تعداد صفحات انگلیسی به فرمت پی دی اف:11

تعداد صفحات فارسی به فرمت ورد:23

Abstract

Reliability Centered Maintenance Method (RCM) currently used for maintenance optimization based on the analysis of modes of dysfunctional system failures (FMEA), and after determining the criticality of the system, an adequate maintenance plan is adopted. Following the succession of several applications of this method, in several areas, along twenty years of experience, it was proved that the use of this approach was incomplete for other analysis and evaluation criteria were completely ignored especially in electrical systems. Our view is to apply this method rationally by introducing a whole dependability study

چکیده

در حال حاضر از تعمیر و نگهداری مبتنی بر قابلیت اطمینان(RCM) برای بهینه‌سازی تعمیر بر اساس آنالیز مدهای از کارافتادگی سیستم(FMEA) استفاده می‌شود و پس از تعیین بحرانی بودن سیستم، یک طرح تعمیر انتخاب می‌شود. با دنبال کردن چندین کاربرد از این روش در چندین ناحیه در طول 20 سال تجربه، ثابت شد که استفاده از این روش برای آنالیزهای دیگر دارای نقص بود و از معیارهای ارزیابی مخصوصا در سیستم‌های الکتریکی بصورت کامل صرفنظر می‌شدند. دیدگاه ما بکار بردن این روش بصورت منطقی بوسیله معرفی یک مطالعه قابلیت اطمینان کامل(RAMS) است.