مقاله تست فیلتر میان گذر فعال با استفاده از شبکه ی عصبی مصنوعی ب
نوشته شده به وسیله ی ali در تاریخ 95/11/29:: 6:11 صبح

مقاله تست فیلتر میان گذر فعال با استفاده از شبکه ی عصبی مصنوعی با بهره گیری از الگوریتم های پس انتشار خطا (BP) و تابع پایه شعاعی (RBF) دارای 11 صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد مقاله تست فیلتر میان گذر فعال با استفاده از شبکه ی عصبی مصنوعی با بهره گیری از الگوریتم های پس انتشار خطا (BP) و تابع پایه شعاعی (RBF) کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه و مراکز دولتی می باشد.
این پروژه توسط مرکز مرکز پروژه های دانشجویی آماده و تنظیم شده است
توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله تست فیلتر میان گذر فعال با استفاده از شبکه ی عصبی مصنوعی با بهره گیری از الگوریتم های پس انتشار خطا (BP) و تابع پایه شعاعی (RBF)،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن مقاله تست فیلتر میان گذر فعال با استفاده از شبکه ی عصبی مصنوعی با بهره گیری از الگوریتم های پس انتشار خطا (BP) و تابع پایه شعاعی (RBF) :
سال انتشار: 1392
محل انتشار: اولین همایش ملی کاربرد سیستم های هوشمند (محاسبات نرم) در علوم و صنایع
تعداد صفحات: 11
چکیده:
نقایص کوچک در تغییر عناصر نسبت به مقدار نامیشان در مدارها باعث بروز خطا و خرابی در کل مدار می شود. به همین دلیل تشخیص و مکان یابی نقص در مدارهای آنالوگ به یک مسئله پیچیده تبدیل شده است. یکی از مشکلات الگوریتم های آزمون مدارات الکتریکی این است که برای هر قطعه برنامه ای خاص صورت می گیرد و تغییر قطعه، تغییر برنامه را در پی دارد. شبکه های عصبی مصنوعی قابلیت تطبیق پذیری لازم، برای انجام عمل خاص در حین آموزش را دارند، در نتیجه با تغییر مدار، فقط بانک اطلاعاتی ورودی به شبکه تغییر خواهد کرد و نیاز به برنامخ نویسی مجدد نمی باشد. با توجه به مطالب ذکر شده هدف اصلی این مقاله فراهم آوردن الگوریتم تشخیص بر اساس خطای مولفه های مدار و همچنین کاهش هزینه و زمان تست مدار می باشد. علاوه بر این با این روش می توانیم چالش های مربوط به تست کردن بوردهای الکترونیکی که به منظور ضمانت کیفیت آنها انجام میشود، از بین ببریم. برای رسیدن به اهداف مذکور، از شبکه عصبی پرسپترون چند لایه و دو الگوریتم مشهور تابع شعاعی (RBF) و پس انتشار خطا (BP) استفاده خواهیم کرد.

کلمات کلیدی :