تبلیغات در ایران سازه
iransaze.com :: مشاهده موضوع - دانلود مقالات لاتین در زمینه الگوریتم ژنتیک ، شبکه های عصبی و منطق فازی
پرسشهای متداول
پرسشهای متداول
جستجو
جستجو
لیست اعضا
لیست اعضا
گروههای کاربران
گروههای کاربران
مدیران سایت
مدیران سایت
درجات
درجات
مشخصات فردی
مشخصات فردی
ورود
ورود
پیامهای خصوصی
پیامهای خصوصی
فهرست iransaze.com » دانلود مقالات تخصصی انگلیسی

ارسال موضوع جدید   پاسخ دادن به این موضوع   تشکر کردن از تاپیک   Printer-friendly version
دانلود مقالات لاتین در زمینه الگوریتم ژنتیک ، شبکه های عصبی و منطق فازی رفتن به صفحه : 1, 2, 3 ... 14, 15, 16  بعدی
مشاهده موضوع قبلی :: مشاهده موضوع بعدی  
نویسنده پیام
admin
مدیر کل سایت
مدیر کل سایت


عضو شده در: 7 مهر 1385
پست: 37412

تشکر: 3352
تشکر شده 18477 بار در 8612 پست

محل سکونت: همدان iran.gif


امتیاز: 210699
[وضعيت كاربر:آفلاین]

پست تاریخ: پنج‌شنبه 9 خرداد 1392 - 19:13    عنوان:  دانلود مقالات لاتین در زمینه الگوریتم ژنتیک ، شبکه های عصبی پاسخگویی به این موضوع بهمراه نقل قول

An improvement on floating search algorithms for feature subset selection

_________________
مرجع کاربردی طراحی سازه های فولادی با نرم افزار ETABS 2013 و SAFE ورژن 12 : http://goo.gl/zkqFfH


این مطلب آخرین بار توسط admin در یکشنبه 22 دی 1392 - 10:54 ، و در مجموع 4 بار ویرایش شده است.

بازگشت به بالای صفحه

خواندن مشخصات فردی ارسال پیام شخصی ارسال email مشاهده وب سایت این کاربر شناسه عضویت در Yahoo Messenger
تشکر توسط: milad30vil
:
admin
مدیر کل سایت
مدیر کل سایت


عضو شده در: 7 مهر 1385
پست: 37412

تشکر: 3352
تشکر شده 18477 بار در 8612 پست

محل سکونت: همدان iran.gif


امتیاز: 210699
[وضعيت كاربر:آفلاین]

پست تاریخ: پنج‌شنبه 9 خرداد 1392 - 19:14    عنوان:   پاسخگویی به این موضوع بهمراه نقل قول

Optimizing parameters of a motion detection system
by means of a distributed genetic algorithm

Alessandro Bevilacqua1
ARCES-DEIS (Department of Electronics, Computer Science and Systems), University of Bologna, Viale Risorgimento, 2, Bologna 40136, Italy
Abstract
The main task of traffic monitoring applications is to identify moving targets. Usually, these applications require that a large number of
parameters is tuned in order to work properly. In the motion detection system we have developed, about thirty parameters have been required
to be optimized.
This paper shows how a distributed implementation of a Genetic Algorithm (GA) over a network of workstations can successfully
accomplish the parameter optimization task within a reduced amount of time. Accurate experiments accomplished on a challenging training
sequence yield optimal parameter values. Four more test sequences allow us to assess the generality of the results previously attained.
q 2005 Elsevier B.V. All rights reserved.
Keywords: Motion detection; Parameter optimization; Traffic monitoring; Visual surveillance; Distributed genetic algorithm

_________________
مرجع کاربردی طراحی سازه های فولادی با نرم افزار ETABS 2013 و SAFE ورژن 12 : http://goo.gl/zkqFfH

بازگشت به بالای صفحه

خواندن مشخصات فردی ارسال پیام شخصی ارسال email مشاهده وب سایت این کاربر شناسه عضویت در Yahoo Messenger
تشکر توسط: milad30vil
admin
مدیر کل سایت
مدیر کل سایت


عضو شده در: 7 مهر 1385
پست: 37412

تشکر: 3352
تشکر شده 18477 بار در 8612 پست

محل سکونت: همدان iran.gif


امتیاز: 210699
[وضعيت كاربر:آفلاین]

پست تاریخ: پنج‌شنبه 9 خرداد 1392 - 19:16    عنوان:   پاسخگویی به این موضوع بهمراه نقل قول

A floating-point genetic algorithm for solving
the unit commitment problem

Chuangyin Dang a,*, Minqiang Li b
a Department of Manufacturing Engineering and Engineering Management, City University of Hong Kong, 83 Tat Chee Avenue,
Kowloon, Hong Kong
b Institute of Systems Engineering, Tianjin University, Tianjin 300 072, China
Received 1 November 2004; accepted 1 October 2005
Available online 5 May 2006
Abstract
This paper proposes a floating-point genetic algorithm (FPGA) to solve the unit commitment problem (UCP). Based on
the characteristics of typical load demand, a floating-point chromosome representation and an encoding–decoding scheme
are designed to reduce the complexities in handling the minimum up/down time limits. Strategic parameters of the FPGA
are characterized in detail, i.e., the evaluation function and its constraints, population size, operation styles of selection,
crossover operation and probability, mutation operation and probability. A dynamic combination scheme of genetic operators
is formulated to explore and exploit the FPGA in the non-convex solution space and multimodal objective function.
Experiment results show that the FPGA is a more effective technique among the various styles of genetic algorithms, which
can be applied to the practical scheduling tasks in utility power systems.
 2006 Elsevier B.V. All rights reserved.
Keywords: Unit commitment; Floating-point genetic algorithm; Dynamic genetic strategy; Electrical power generation; Generators
scheduling and economic dispatch

_________________
مرجع کاربردی طراحی سازه های فولادی با نرم افزار ETABS 2013 و SAFE ورژن 12 : http://goo.gl/zkqFfH

بازگشت به بالای صفحه

خواندن مشخصات فردی ارسال پیام شخصی ارسال email مشاهده وب سایت این کاربر شناسه عضویت در Yahoo Messenger
تشکر توسط: milad30vil
admin
مدیر کل سایت
مدیر کل سایت


عضو شده در: 7 مهر 1385
پست: 37412

تشکر: 3352
تشکر شده 18477 بار در 8612 پست

محل سکونت: همدان iran.gif


امتیاز: 210699
[وضعيت كاربر:آفلاین]

پست تاریخ: پنج‌شنبه 9 خرداد 1392 - 19:17    عنوان:   پاسخگویی به این موضوع بهمراه نقل قول

Real-Coded Adaptive Range Genetic Algorithm
Applied to Transonic Wing Optimization

Akira Oyama1, Shigeru Obayashi2 and Takashi Nakamura3
1 Tohoku University, Currently, NASA Glenn Research Center, Cleveland, OH, USA.
2 Tohoku University, Department of Aeronautics and Space Engineering,
Sendai, 980-8579, Japan.
obayashi@ieee.org
3 National Aerospace Laboratory, Chofu, Tokyo, 182-8522, Japan.
nakamura@nal.go.jp
Abstract. Real-coded Adaptive Range Genetic Algorithms (ARGAs) have been
applied to a practical three-dimensional shape optimization for aerodynamic
design of an aircraft wing. The real-coded ARGAs possess both advantages of
the binary-coded ARGAs and the floating-point representation to overcome the
problems of having a large search space that requires continuous sampling. The
results confirm that the real-coded ARGAs consistently find better solutions
than the conventional real-coded Genetic Algorithms do.
[align=left]

_________________
مرجع کاربردی طراحی سازه های فولادی با نرم افزار ETABS 2013 و SAFE ورژن 12 : http://goo.gl/zkqFfH

بازگشت به بالای صفحه

خواندن مشخصات فردی ارسال پیام شخصی ارسال email مشاهده وب سایت این کاربر شناسه عضویت در Yahoo Messenger
تشکر توسط: milad30vil
admin
مدیر کل سایت
مدیر کل سایت


عضو شده در: 7 مهر 1385
پست: 37412

تشکر: 3352
تشکر شده 18477 بار در 8612 پست

محل سکونت: همدان iran.gif


امتیاز: 210699
[وضعيت كاربر:آفلاین]

پست تاریخ: پنج‌شنبه 9 خرداد 1392 - 19:18    عنوان:   پاسخگویی به این موضوع بهمراه نقل قول

Tuning Fuzzy Logic
Controllers by Genetic

Algorithms*
F. Herrera, M. Lozano, and J. L. Verdegay
Department of Computer Science and Artificial Intelligence
University of Granada, Spain

ABSTRACT
The performance of a fuzzy logic controller depends on its control rules and
membership functions. Hence, it is very important to adjust these parameters to the
process to be controlled. A method is presented for tuning fuzzy control rules by genetic
algorithms to make the fuzzy logic control systems behave as closely as possible to the
operator or expert behavior in a control process. The tuning method fits the membership
functions of the fuzzy rules given by the experts with the inference system and the
defuzzification strategy selected, obtaining high-performance membership functions by
minimizing an error function defined using a set of evaluation input-output data.
Experimental results show the method's good performance.
KEYWORDS: fuz~ logic control systems, tuning, genetic algorithms

_________________
مرجع کاربردی طراحی سازه های فولادی با نرم افزار ETABS 2013 و SAFE ورژن 12 : http://goo.gl/zkqFfH

بازگشت به بالای صفحه

خواندن مشخصات فردی ارسال پیام شخصی ارسال email مشاهده وب سایت این کاربر شناسه عضویت در Yahoo Messenger
تشکر توسط: milad30vil
admin
مدیر کل سایت
مدیر کل سایت


عضو شده در: 7 مهر 1385
پست: 37412

تشکر: 3352
تشکر شده 18477 بار در 8612 پست

محل سکونت: همدان iran.gif


امتیاز: 210699
[وضعيت كاربر:آفلاین]

پست تاریخ: پنج‌شنبه 9 خرداد 1392 - 19:19    عنوان:   پاسخگویی به این موضوع بهمراه نقل قول

AN IMPLEMENTATION OF
BINARY AND FLOATING POINT CHROMOSOME REPRESENTATION
IN GENETIC ALGORITHM

Marin Golub
Faculty of Electrical Engineering and Computing, University of Zagreb
Department of Electronics, Microelectronics, Computer and Intelligent Systems
Unska 3, 10000 Zagreb, Croatia
e-mail: golub@zemris.fer.hr
Abstract: This paper describes the implementation details and compares two methods for
optimisation of multi-dimensional cost functions. The implemented genetic algorithm uses two
chromosome representations: binary and floating point. In both representations the algorithm
is based on steady-state reproduction, roulette-wheel bad individuals selection and has the
same parameters.
Key words: genetic algorithm, chromosome representation, steady-state reproduction

_________________
مرجع کاربردی طراحی سازه های فولادی با نرم افزار ETABS 2013 و SAFE ورژن 12 : http://goo.gl/zkqFfH

بازگشت به بالای صفحه

خواندن مشخصات فردی ارسال پیام شخصی ارسال email مشاهده وب سایت این کاربر شناسه عضویت در Yahoo Messenger
تشکر توسط: milad30vil
admin
مدیر کل سایت
مدیر کل سایت


عضو شده در: 7 مهر 1385
پست: 37412

تشکر: 3352
تشکر شده 18477 بار در 8612 پست

محل سکونت: همدان iran.gif


امتیاز: 210699
[وضعيت كاربر:آفلاین]

پست تاریخ: پنج‌شنبه 9 خرداد 1392 - 19:20    عنوان:   پاسخگویی به این موضوع بهمراه نقل قول

Traditional Techniques of Genetic Algorithms Applied to Floating-Point
Chromosome Representations

Leo Budin, Marin Golub, Andrea Budin
Faculty of Electrical Engineering and Computing
Department of Electronics, Microelectronics, Computer and Intelligent Systems
Unska 3, HR-10000 Zagreb, Croatia
phone: +385.1.61 29 935, fax: +385.1.61 29 653
e-mail: {leo.budin, marin.golub, andrea.budin}@fer.hr
Abstract - The choice of chromosome representation in
genetic algorithms depends on the variables of the
optimization problem being solved. If the variables are realvalued,
the chromosomes can be represented as fixed-point
integer values which enables the use of classical genetic
operators defined for binary strings. Another possible
chromosome representation is using floating-point numbers
directly. In this case, genetic operators have to be defined
additionaly. This paper presents a different approach:
floating-point chromosome representation with traditional
genetic operators. In order to achieve fine local tuning of the
solutions, a mapping is defined which dynamically changes
the operating scope of genetic operators.

_________________
مرجع کاربردی طراحی سازه های فولادی با نرم افزار ETABS 2013 و SAFE ورژن 12 : http://goo.gl/zkqFfH

بازگشت به بالای صفحه

خواندن مشخصات فردی ارسال پیام شخصی ارسال email مشاهده وب سایت این کاربر شناسه عضویت در Yahoo Messenger
تشکر توسط: milad30vil
admin
مدیر کل سایت
مدیر کل سایت


عضو شده در: 7 مهر 1385
پست: 37412

تشکر: 3352
تشکر شده 18477 بار در 8612 پست

محل سکونت: همدان iran.gif


امتیاز: 210699
[وضعيت كاربر:آفلاین]

پست تاریخ: پنج‌شنبه 9 خرداد 1392 - 19:22    عنوان:   پاسخگویی به این موضوع بهمراه نقل قول

A Genetic Algorithm Approach Employing Floating Point Representation for Economic Dispatch of Electric Power Systems

_________________
مرجع کاربردی طراحی سازه های فولادی با نرم افزار ETABS 2013 و SAFE ورژن 12 : http://goo.gl/zkqFfH

بازگشت به بالای صفحه

خواندن مشخصات فردی ارسال پیام شخصی ارسال email مشاهده وب سایت این کاربر شناسه عضویت در Yahoo Messenger
تشکر توسط: milad30vil
admin
مدیر کل سایت
مدیر کل سایت


عضو شده در: 7 مهر 1385
پست: 37412

تشکر: 3352
تشکر شده 18477 بار در 8612 پست

محل سکونت: همدان iran.gif


امتیاز: 210699
[وضعيت كاربر:آفلاین]

پست تاریخ: پنج‌شنبه 9 خرداد 1392 - 19:22    عنوان:   پاسخگویی به این موضوع بهمراه نقل قول

Genetic Algorithms for Real Parameter Optimization
Alden H. Wright
Department of Computer Science
University of Montana
Missoula, Montana 59812
Abstract
This paper is concerned with the application of genetic algorithms to optimization problems over
several real parameters. It is shown that k-point crossover (for k small relative to the number of
parameters) can be viewed as a crossover operation on the vector of parameters plus perturbations
of some of the parameters. Mutation can also be considered as a perturbation of some of the
parameters. This suggests a genetic algorithm that uses real parameter vectors as chromosomes,
real parameters as genes, and real numbers as alleles. Such an algorithm is proposed with two
possible crossover methods. Schemata are defined for this algorithm, and it is shown that
Holland’s Schema theorem holds for one of these crossover methods. Experimental results are
given that indicate that this algorithm with a mixture of the two crossover methods outperformed
the binary-coded genetic algorithm on 7 of 9 test problems.
Keywords: optimization, genetic algorithm, evolution
To appear in: Foundations of Genetic Algorithms, Edited by Gregory J. E. Rawlins, Morgan Kaufman, 1991.

_________________
مرجع کاربردی طراحی سازه های فولادی با نرم افزار ETABS 2013 و SAFE ورژن 12 : http://goo.gl/zkqFfH

بازگشت به بالای صفحه

خواندن مشخصات فردی ارسال پیام شخصی ارسال email مشاهده وب سایت این کاربر شناسه عضویت در Yahoo Messenger
تشکر توسط: milad30vil
admin
مدیر کل سایت
مدیر کل سایت


عضو شده در: 7 مهر 1385
پست: 37412

تشکر: 3352
تشکر شده 18477 بار در 8612 پست

محل سکونت: همدان iran.gif


امتیاز: 210699
[وضعيت كاربر:آفلاین]

پست تاریخ: پنج‌شنبه 9 خرداد 1392 - 19:24    عنوان:   پاسخگویی به این موضوع بهمراه نقل قول

A Genetic Algorithm for Function Optimization :
A Matlab Implementation

_________________
مرجع کاربردی طراحی سازه های فولادی با نرم افزار ETABS 2013 و SAFE ورژن 12 : http://goo.gl/zkqFfH

بازگشت به بالای صفحه

خواندن مشخصات فردی ارسال پیام شخصی ارسال email مشاهده وب سایت این کاربر شناسه عضویت در Yahoo Messenger
تشکر توسط: milad30vil
نمایش پستها:   
ارسال موضوع جدید   پاسخ دادن به این موضوع   تشکر کردن از تاپیک   Printer-friendly version تمام زمانها بر حسب GMT + 3.5 Hours می‌باشند
رفتن به صفحه : 1, 2, 3 ... 14, 15, 16  بعدی
صفحه 1 از 16


 

پرش به:  
شما نمی توانید در این بخش موضوع جدید پست کنید
شما نمی توانید در این بخش به موضوعها پاسخ دهید
شما نمی توانید موضوع های خودتان را در این بخش ویرایش کنید
شما نمی توانید موضوع های خودتان را در این بخش حذف کنید
شما نمی توانید در این بخش رای دهید
شما نمیتوانید به نوشته های خود فایلی پیوست نمایید
شما نمیتوانید فایلهای پیوست این انجمن را دریافت نمایید

Powered by phpBB © 2001 phpBB Group
قالب فارسی شده توسط ایران یاد