فایل فردا

مرجع دانلود فایل های دانشجویی

فایل فردا

مرجع دانلود فایل های دانشجویی

تخمین تقریبی شبکه­ ی عصبی کسری

توابع مجانبی هایپربولیک و سیگموئید، تقیب کسری شبکه­ی عصبی، عملگر شبه­میان­یابی، مدول پیوستگی، مشتق کسری
دسته بندی مقالات ترجمه شده isi
بازدید ها 1
فرمت فایل doc
حجم فایل 2117 کیلو بایت
تعداد صفحات فایل 23
تخمین تقریبی شبکه­ ی عصبی کسری

فروشنده فایل

کد کاربری 1055
کاربر

Fractional neural network approximation


a b s t r a c t

Here, we study the univariate fractional quantitative approximation of real valued
functions on a compact interval by quasi-interpolation sigmoidal and hyperbolic tangent
neural network operators. These approximations are derived by establishing Jackson type
inequalities involving the moduli of continuity of the right and left Caputo fractional
derivatives of the engaged function. The approximations are pointwise and with respect
to the uniform norm. The related feed-forward neural networks are with one hidden
layer. Our fractional approximation results into higher order converges better than the
ordinary ones

تخمین تقریبی شبکه­ ی عصبی کسری

چکیده

تقریب کمی کسری یک متغیره­ی توابع با ارزش واقعی را بر روی فاصله­ی فشرده توسط عملگرهای شبکه­ی عصبی مجانبی هایپربولیک و سیگموئید شبه میان­یابی مطالعه می­کنیم. این تقریب­ها با برقراری نامساوی­های نوع جکسون شامل مدول­های پیوستگی مشتقات کسری کاپوتوی راست و چپ تابع مورد استفاده استخراج می­شود. تقریب­ها نقطه به نقطه و نسبت به نُرم یکنواخت هستند. شبکه­های عصبی فیدفوروارد مربوطه دارای یک لایه­ی پنهان هستند. تقریب زنی کسری ما منجر به همگرایی بهتری نسبت به تقریب­های معمولی می­شود.

.


تحلیل پایداری زمان-محدود شبکه­ های عصبی مرتبه کسری تاخیردار

شبکه­ های عصبی مرتبه کسری؛ نقطه تعادل؛ وجود؛ منحصر به فرد بودن؛ پایداری زمان محدود
دسته بندی مقالات ترجمه شده isi
بازدید ها 16
فرمت فایل doc
حجم فایل 595 کیلو بایت
تعداد صفحات فایل 12
تحلیل پایداری زمان-محدود شبکه­ های عصبی مرتبه کسری تاخیردار

فروشنده فایل

کد کاربری 1055
کاربر

Finite-time stability analysis of fractional-order neural networks with delay

Abstract
Stability analysis of fractional-order neural networks with delay is addressed in this paper. By using the
contracting mapping principle, method of iteration and inequality techniques, a sufficient condition is established to
ensure the existence, uniqueness and finite-time stability of the equilibrium point of the proposed networks. Finally,
based on the Predictor-Corrector Approach, two numerical examples are presented to illustrate the validity and
feasibility of the obtained result.

تحلیل پایداری زمان-محدود شبکه­ های عصبی مرتبه کسری تاخیردار

چکیده

تحلیل پایداری شبکه­ های عصبی مرتبه کسری با تاخیر در این مقاله ارائه می­شود. با استفاده ازاصل نگاشت قراردادی، روش تکراری و تکنیک­های نابرابر، شرط مناسبی به منظور تضمین وجود، منحصر به فردبودن و پایداریزمانمحدود نقطه­ی تعادلشبکه­هایارائه شده ایجاد می­شود. در نهایت،بر اساسروشاصلاح-پیشگویی، دو مثال عددی به منظور نشان دادن اعتبار و احتمال نتیجه­ی به دست آمده ارائه می­شود.


شبکه عصبی چند جمله­ ای دیفرانسیلِ کسری برای تقریب­ زنی توابع

محاسبات کسری؛معادلات دیفرانسیل کسری؛ شبکه عصبی چند جمله­ای کسری
دسته بندی مقالات ترجمه شده isi
بازدید ها 10
فرمت فایل doc
حجم فایل 642 کیلو بایت
تعداد صفحات فایل 9
شبکه عصبی چند جمله­ ای دیفرانسیلِ کسری برای تقریب­ زنی توابع

فروشنده فایل

کد کاربری 1055
کاربر

The Fractional Differential Polynomial Neural Network for Approximation of Functions

Abstract: In this work, we introduce a generalization of the differential polynomial neural
network utilizing fractional calculus. Fractional calculus is taken in the sense of the Caputo
differential operator. It approximates a multi-parametric function with particular polynomials
characterizing its functional output as a generalization of input patterns. This method can
be employed on data to describe modelling of complex systems. Furthermore, the total
information is calculated by using the fractional Poisson process.

شبکه عصبی چند جمله­ ای دیفرانسیلِ کسری برای تقریب­ زنی توابع

چکیده

در این مقاله، تعمیمی از شبکه عصبی چند جمله­ای دیفرانسیلی را با استفاده از محاسبات کسری معرفی می­کنیم. محاسبات کسری در معنایعملگردیفرانسیلی کاپوتو در نظر گرفته می­شوند که یک تابع چند پارامتری را با چند جمله­ای­های خاصتقریب می­زند که خروجی عملکردی آن را به عنوان تعمیمی از الگوهای ورودی مشخص می­کند. می­توان این روش را بر داده­هایی به منظور تشریح مدل­سازی سیستم­های پیچیده به کار گرفت. علاوه بر این، اطلاعات کل با استفاده از فرایند پویسون کسری محاسبه می­شود.


سنکرون­ سازی کلاسی از شبکه­ های عصبی آشفته­ با مرتبه­ ی کسری

سنکرون­ سازی؛ مرتبه کسری؛ شبکه­ های عصبی آشفته؛ کنترل فیدبک خطی
دسته بندی مقالات ترجمه شده isi
بازدید ها 16
فرمت فایل doc
حجم فایل 857 کیلو بایت
تعداد صفحات فایل 10
سنکرون­ سازی کلاسی از شبکه­ های عصبی آشفته­ با مرتبه­ ی کسری

فروشنده فایل

کد کاربری 1055
کاربر

Synchronization of a Class of Fractional-Order Chaotic Neural Networks

Abstract: The synchronization problem is studied in this paper for a class of fractional-order
chaotic neural networks. By using the Mittag-Leffler function, M-matrix and linear feedback
control, a sufficient condition is developed ensuring the synchronization of such neural
models with the Caputo fractional derivatives. The synchronization condition is easy to
verify, implement and only relies on system structure. Furthermore, the theoretical results
are applied to a typical fractional-order chaotic Hopfield neural network, and numerical
simulation demonstrates the effectiveness and feasibility of the proposed method

سنکرون­ سازی کلاسی از شبکه­ های عصبی آشفته­ با مرتبه­ ی کسری

چکیده

در این مقاله مسئله سنکرون­سازی برای طبقه­ای از شبکه­های عصبی آشفته با مرتبه­ی کسری مطالعه می­شود. با استفاده از تابع میتاگ - لفر، کنترل فیدبک خطی و ماتریس-M، یک شرط کافیایجاد شده است که سنکرون­سازیچنین مدل­های عصبی با مشتقات کسری کاپوتو را تضمین می­کند. اثبات و پیاده­سازی شرط سنکرون­سازی آسان و تنها بر ساختار سیستم متکی است. علاوه بر این، نتایج تئوری بر یک شبکه­ی عصبی هوپفیلد آشفته­ی نوعی از مرتبه­ی کسریاعمال می­شود، و شبیه­سازی عددی اثربخشی و امکان­سنجی روش ارائه شده را نشان می­دهد.

.

سنکرون­ سازی؛ مرتبه کسری؛ شبکه­ های عصبی آشفته؛ کنترل فیدبک خطی
دسته بندی مقالات ترجمه شده isi
بازدید ها 16
فرمت فایل doc
حجم فایل 857 کیلو بایت
تعداد صفحات فایل 10
سنکرون­ سازی کلاسی از شبکه­ های عصبی آشفته­ با مرتبه­ ی کسری

فروشنده فایل

کد کاربری 1055
کاربر

Synchronization of a Class of Fractional-Order Chaotic Neural Networks

Abstract: The synchronization problem is studied in this paper for a class of fractional-order
chaotic neural networks. By using the Mittag-Leffler function, M-matrix and linear feedback
control, a sufficient condition is developed ensuring the synchronization of such neural
models with the Caputo fractional derivatives. The synchronization condition is easy to
verify, implement and only relies on system structure. Furthermore, the theoretical results
are applied to a typical fractional-order chaotic Hopfield neural network, and numerical
simulation demonstrates the effectiveness and feasibility of the proposed method

سنکرون­ سازی کلاسی از شبکه­ های عصبی آشفته­ با مرتبه­ ی کسری

چکیده

در این مقاله مسئله سنکرون­سازی برای طبقه­ای از شبکه­های عصبی آشفته با مرتبه­ی کسری مطالعه می­شود. با استفاده از تابع میتاگ - لفر، کنترل فیدبک خطی و ماتریس-M، یک شرط کافیایجاد شده است که سنکرون­سازیچنین مدل­های عصبی با مشتقات کسری کاپوتو را تضمین می­کند. اثبات و پیاده­سازی شرط سنکرون­سازی آسان و تنها بر ساختار سیستم متکی است. علاوه بر این، نتایج تئوری بر یک شبکه­ی عصبی هوپفیلد آشفته­ی نوعی از مرتبه­ی کسریاعمال می­شود، و شبیه­سازی عددی اثربخشی و امکان­سنجی روش ارائه شده را نشان می­دهد.

.

شبکه­ های عصبی هوپفیلد با مرتبه­ ی کسری

مرتبه کسری، شبکه­ های عصبی، برآورد پارامتر
دسته بندی مقالات ترجمه شده isi
بازدید ها 14
فرمت فایل doc
حجم فایل 375 کیلو بایت
تعداد صفحات فایل 6
شبکه­ های عصبی هوپفیلد با مرتبه­ ی کسری

فروشنده فایل

کد کاربری 1055
کاربر

Fractional-Order Hopfield Neural Networks

Abstract. This paper proposes Fractional-order Hopfield Neural Networks
(FHNN). This network is mainly based on the classic well-known Hopfield net
in which fractance components with fractional order derivatives, replace
capacitors. Stability of FHNN is fully investigated through energy-like function
analysis. To show how effective the FHNN network is, an illustrative example
for parameter estimation problem of the second-order system is finally
considered in the paper. The results of simulation are very promising.

شبکه­ های عصبی هوپفیلد با مرتبه­ ی کسری

چکیده

این مقاله شبکه­های عصبی هوپفیلد مرتبه کسری (FHNN) را ارائه می­کند. این شبکه عمدتا مبتنی بر شبکه هوپفیلد مشهور استکه در این مولفه­های کسریبا مشتقات مرتبه کسری جایگزین خازن می­شوند. پایداری FHNN بطور کامل از طریق آنالیز تابع شبیه انرژی بررسی می­شود. در نهایت برای نشان دادن تاثیر شبکه FHNN، یک مثال تصویری برای مسئله­ی برآورد پارامتری سیستم مرتبه دوم در نظر گرفته می­شود. نتایج شبیه­سازی بسیار امیدوارکننده هستند.