بخشی از متن:شبکه های عصبی را میتوان با اغماض زیاد، مدلهای الکترونیکی از ساختار عصبی مغز انسان نامید. مکانیسم فراگیری و آموزش مغز اساساً بر تجربه استوار است. مدلهای الکترونیکی شبکههای عصبی طبیعی نیز بر اساس همین الگو بنا شدهاند و روش برخورد چنین مدلهایی با مسائل، با روشهای محاسباتی که بهطور معمول توسط سیستمهای کامپیوتری در پیش گرفته شدهاند، تفاوت دارد. میدانیم که حتی سادهترین مغزهای جانوری هم قادر به حل مسائلی هستند که اگر نگوییم که کامپیوترهای امروزی از حل آنها عاجز هستند، حداقل در حل آنها دچار مشکل میشوند. به عنوان مثال، مسائل مختلف شناسایی الگو، نمونهای از مواردی هستند که روشهای معمول محاسباتی برای حل آنها به نتیجه مطلوب نمیرسند. درحالیکه مغز سادهترین جانوران بهراحتی از عهده چنین مسائلی بر میآید. تصور عموم کارشناسان IT بر آن است که مدلهای جدید محاسباتی که بر اساس شبکههای عصبی بنا میشوند، جهش بعدی صنعت IT را شکل میدهند. تحقیقات در این زمینه نشان داده است که مغز، اطلاعات را همانند الگوها (pattern) ذخیره میکند. فرآیند ذخیرهسازی اطلاعات بهصورت الگو و تجزیه و تحلیل آن الگو، اساس روش نوین محاسباتی را تشکیل میدهند. این حوزه از دانش محاسباتی (computation) به هیچ وجه از روشهای برنامهنویسی سنتی استفاده نمیکند و بهجای آن از شبکههای بزرگی که بهصورت موازی آرایش شدهاند و تعلیم یافتهاند، بهره میجوید.
فهرست مطالب:فصل اول: شبکه های عصبی، الگوریتم ژنتیک و الگوریتم مورچگان در برنامه ریزی بهینه توسعه تولید با استفاده از الگوریتم ژنتیکبخش 1-1 : شبکه عصبی
بخش 2-1 : سابقه تاریخی
بخش 3-1 : شبکه های عصبی در مقابل کامپیوتر های معمولی
1-3-1 : چرا از شبکه های عصبی استفاده می کنیم
2-3-1 : کاربردهای شبکه های عصبی
بخش 4-1 : الگوریتم ژنتیک
بخش 5-1 : الگوریتم مورچگان
بخش 6-1 : برنامه ریزی بهینه توسعه تولید با استفاده از الگوریتم ژنتیک
1-6-1 : چکیده
2-6-1 : مقدمه
فصل دوم: شبکه های عصبی و الگوریتم ژنتیک تعریف و کاربرد در بحٍث تولید در سیستم های قدرتبخش 1-2 : تشخیص خطاهای عایقی ترانسفورماتور با استفاده از آنالیز گازهای محلول در روغن به کمک شبکه عصبی فازی
1-1-2 : چکیده
2-1-2 : مقدمه
3-1-2 : بررسی خطاها و گازهای تولید شده در ترانسفورماتور
4-1-2 : روش های تشخیص خطای ترانسفورماتور
5-1-2 : طراحی شبکه های هوشمند عصبی و فازی جهت تشخیص خطا
1-5-1-2 : شبکه هوشمند فازی
2-5-1-2 : شبکه هوشمند عصبی مصنوعی
6-1-2 : پیاده سازی سیستم های طراحی شده فازی و عصبی بر روی اطلاعات نمونه
7-1-2 : نتیجه گیری
بخش 2-2 : جایابی و اندازهیابی فیلترهای اکتیو در سیستم های قدرت با استفاده از الگوریتم ژنتیک
1-2-2 : مقدمه
2-2-2 : مدلسازی مسئله
3-2-2 : پیاده سازی مسئله توسط الگوریتم ژنتیک
مراجع
فصل سوم : شبکه های عصبی و الگوریتم ژنتیک تعریف و کاربرد در بحٍث توزیع در سیستم های قدرتبخش 1-3 : اتوماسیون وتجدید پیکربندی پستها وشبکه توزیع با استفاده از شبکه عصبی مصنوعی جهت کاهش تلفات
1-1-3 : چکیده
2-1-3 : مقدمه
3-1-3 : تجدید آرایش فیدر و شبکه های توزیع
4-1-3 : تجدید آرایش شبکه های توزیع با استفاده از شبکه عصبی مصنوعی
5-1-3 : شبیه سازی و نتایج عددی
6-1-3 : نتیجه گیری
بخش 2-3 : جایابی وتعیین ظرفیت خازن موازی در شبکه توزیع به کمک الگوریتم ژنتیک با هدف کاهش تلف توان اهمی شبکه
1-2-3 : مقدمه
2-2-3 : برنامه پخش بار مستقیم شبکه توزیع
3-2-3 : اگوریتم ژنتیک (GA)
4-2-3 : روش حل مسئله خازن گذاری
5-2-3 : الگوریتم حل مسئله خازن گذاری
6-2-3 : مشخصات الگوریتم ژنتیک
7-2-3 : نتیجه گیری
بخش 3-3 : طراحی بهینه شبکه های توزیع بزرگ با ترکیب الگوریتم ژنتیک و تئوری گراف
1-3-3 : چکیده
2-3-3 : مقدمه
3-3-3 : الگوریتم ژنتیک
4-3-3 : تئوری گراف
5-3-3 : توصیف ریاضی مساله طراحی شبکه توزیع
6-3-3 : نتایج شبیه سازی
7-3-3 : نتیجه گیری
بخش 4-3 : متعادل سازی بهینة بار در فیدرهای فشار ضعیف به کمک جبرانسازی توان راکتیو با الگوریتم ژنتیک
1-4-3 : چکیده
2-4-3 : مقدمه
3-4-3 : متعادل سازی بار به کمک کنترل توان راکتیو
4-4-3 : متعادل سازی و جبرانسازی بهینه در فیدرهای توزیع
5-4-3 : اصول و الگوریتم متعادلسازی بهینة فیدرها
6-4-3 : نرمافزار متعادل ساز بار
7-4-3 : مطالعات شبیهسازی
8-4-3 : نتیجهگیری
مراجع
فصل چهارم: شبکه های عصبی و الگوریتم ژنتیک تعریف و کاربرد در بحٍث انتقال در سیستم های قدرتبخش 1-4 : فاصله یابی خطا در خطوط ترکیبی (هوائی / کابلی) به کمک شبکه عصبی
1-1-4 : چکیده
2-1-4 : مقدمه
3-1-4 : ساختار شبکه عصبی
4-1-4 : انتخاب ورودی های مناسب برای اعمال به شبکه عصبی
5-1-4 : سازی سیستم قدرت مورد مطالعه
6-1-4 : شمای کلی روش پیشنهادی
7-1-4 : ورودی های شبکه عصبی
1-7-1-4 : اتصال کوتاه تکفاز
2-7-1-4 : اتصال کوتاه سه فاز متقارن
8-1-4 : تعلیم و تست شبکه های عصبی
1-8-1-4 : اتصال کوتاه تک فاز
2-8-1-4 : اتصال کوتاه سه فاز متقارن
9-1-4 : نتیجه گیری
فصل پنجم: شبکه های عصبی و الگوریتم ژنتیک تعریف و کاربرد در بحٍث حفاظت در سیستم های قدرتبخش 1-5 : هماهنگی بهینه رله های اضافه جریان در شبک های با ساختارهای متفاوت به کمک یک الگوریتم ژنتیک ترکیبی
1-1-5 : چکیده
2-1-5 : مقدمه
3-1-5 : مسأله هماهنگی رله های اضافه جریان
4-1-5 : اعمال الگوریتم ترکیب GA و LP
5-1-5 : نتایج عددی
6-1-5 : نتیجه گیری
بخش 2-5 : بهبود حفاظت دیفرانسیل ترانسفورماتور مبتنی بر تکنیک بازدارنده شاری به کمک شبکه های عصبی
1-2-5 : خلاصه
2-2-5 : مقدمه
3-2-5 : الگوریتم مورد استفاده
4-2-5 : بکارگیری شبکه عصبی
5-2-5 : جمع آوری داده های آموزشی
6-2-5 : ساختار شبکه عصبی
7-2-5 : نتایج شبیه سازی
8-2-5 : نتیجه گیری
3-5 : شبیه سازی رله دیستانس با استفاده از شبکه های عصبی
1 -3-5 : چکیده
2 -3-5 : مقدمه
3-3-5 : دیاگرام تک خطی سیستم قدرت
4-3-5 : شبکه های عصبی مصنوعی
5-3-5 : بلوک دیاگرام و فلو چارت رله دیستانس عصبی
6-3-5 : روند تعلیم و نتایج تست رله عصبی
7-3-5 : نتیجه گیری
مراجع
-
راهنمای استفاده:
مناسب جهت استفاده دانشجویان رشته برق
-
محتوای فایل دانلودی:
در قالب فایل word و قابل ویرایش