فیلترها/جستجو در نتایج    

فیلترها

سال

بانک‌ها




گروه تخصصی











متن کامل


اطلاعات دوره: 
  • سال: 

    2014
  • دوره: 

    4
تعامل: 
  • بازدید: 

    156
  • دانلود: 

    0
چکیده: 

ONE OF THE NOTICEABLE TOPICS IN FUZZY LOGIC CONTROLLERS IS PARAMETER CONTROLLING OF HEURISTIC Search AlgorithmS. IN THIS PAPER, ONE OF THE PARAMETERS OF Gravitational Search Algorithm, GSA, IS CONTROLLED USING FUZZY LOGIC CONTROLLER TO ACHIEVE BETTER OPTIMIZATION RESULTS AND TO INCREASE CONVERGENCE RATE. SEVERAL EXPERIMENTS ARE PERFORMED AND RESULTS ARE COMPARED WITH THE RESULTS OF THE ORIGINAL GSA. EXPERIMENTAL RESULTS CONFIRM THE EFFICIENCY OF THE PROPOSED METHOD.

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 156

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 0
نویسندگان: 

RASHEDI E. | NEZAMABADI POUR H. | SARYAZDI S.

نشریه: 

NATURAL COMPUTING

اطلاعات دوره: 
  • سال: 

    2010
  • دوره: 

    9
  • شماره: 

    3
  • صفحات: 

    727-745
تعامل: 
  • استنادات: 

    2
  • بازدید: 

    225
  • دانلود: 

    0
کلیدواژه: 
چکیده: 

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 225

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 2 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
نویسندگان: 

SWAIN R.K. | SAHU N.C. | HOTA P.K.

نشریه: 

PROCEDIA TECHNOLOGY

اطلاعات دوره: 
  • سال: 

    2012
  • دوره: 

    6
  • شماره: 

    -
  • صفحات: 

    411-419
تعامل: 
  • استنادات: 

    1
  • بازدید: 

    149
  • دانلود: 

    0
کلیدواژه: 
چکیده: 

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 149

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 1 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
اطلاعات دوره: 
  • سال: 

    1395
  • دوره: 

    5
  • شماره: 

    4
  • صفحات: 

    1-10
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    1264
  • دانلود: 

    284
چکیده: 

امروزه به طور گسترده ای از روش های ابتکاری برای حل مسائل گوناگون استفاده می شود. دسته مهمی از این الگوریتم ها با الهام از فرایندهای فیزیکی یا رفتارهای موجودات به وجود آمده اند. الگوریتم جستجوی گرانشی (GSA) از سری الگوریتم های بهینه یابی است که با الهام از قانون جاذبه و مفهوم جرم شکل یافته است و عامل های جستجوگر، مجموعه ای از اجرام می باشند. در این مقاله با استفاده از این الگوریتم به حل مساله تخصیص فرکانس (FAP) پرداخته شده است. برای محک قابلیت الگوریتم در حل مساله، از نمونه های محک استاندارد CALMA استفاده گشته و نتایج بدست آمده، گویای توانایی خوب الگوریتم جستجوی گرانشی در حل مساله تخصیص فرکانس می باشد.

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 1264

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 284 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
اطلاعات دوره: 
  • سال: 

    1403
  • دوره: 

    2
  • شماره: 

    1
  • صفحات: 

    77-91
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    25
  • دانلود: 

    0
چکیده: 

در این مقاله، یک روش جستجوی معماری عصبی فشرده برای طبقه بندی تصاویر با استفاده از الگوریتم جستجوی گرانشی (GSA) ارائه شده است. یادگیری عمیق با بهره گیری از مدل های محاسباتی چندلایه، امکان استخراج خودکار ویژگی ها را از داده های خام در سطوح انتزاعی مختلف فراهم می کند که نقش کلیدی در مسائل پیچیده ای مانند طبقه بندی تصاویر دارد. روش جستجوی معماری عصبی (NAS) که به طور خودکار به کشف معماری های جدید شبکه های عصبی کانولوشنی (CNN) می پردازد، با چالش هایی نظیر پیچیدگی محاسباتی و هزینه های بالا مواجه است. برای مقابله با این چالش ها، رویکردی بر پایه الگوریتم جستجوی گرانشی (GSA) توسعه داده شده است که بهینه سازی دوسطحی با طول متغیر را برای طراحی معماری های میکرو و ماکرو شبکه های عصبی کانولوشنی (CNN) به کار می گیرد. این رویکرد با استفاده از فضای جستجوی فشرده و گلوگاه های کانولوشنی اصلاح شده، عملکرد بهتری نسبت به روش های پیشرفته نشان می دهد. نتایج تجربی بر روی مجموعه داده های CIFAR-10، CIFAR-100 و ImageNet نشان می دهد که روش پیشنهادی با دقت طبقه بندی 98.48% و هزینه جستجوی 1.05 (روز (GPU از الگوریتم های موجود ازنظر دقت، هزینه جستجو و پیچیدگی معماری برتری دارد.

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 25

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
اطلاعات دوره: 
  • سال: 

    1401
  • دوره: 

    10
  • شماره: 

    2
  • صفحات: 

    63-73
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    96
  • دانلود: 

    13
چکیده: 

در این مقاله یک الگوریتم جدید به نام الگوریتم جستجوی گرانشی با کدگذاری حرکت برای یافتن هدف متحرک با استفاده از هواپیمای بدون سرنشین (پهپاد) ارائه می شود. با استفاده از قوانین فیزیک و ویژگی های زمین، هر بعد بر اساس نوع متغیر، معادله حرکت خود را دارد. بسیاری از روش های اکتشافی سنتی نمی توانند در فضاهای با ابعاد بالا برای جستجوی هدف متحرک به راه حل مطلوب برسند. فرایند بهینه سازی الگوریتم جستجوی گرانشی که بر اساس فعل وانفعال گرانشی بین ذره ها است، وابستگی به فاصله و ارتباط بین مقادیر جرم و محاسبه برازندگی، این الگوریتم را منحصربه فرد می کند. در این مقاله، الگوریتم پیشنهادی برای حل مشکل چالش پیچیدگی مسیر به منظور یافتن هدف متحرک از طریق کدگذاری حرکت با استفاده از پهپاد ارائه شده است. مجموعه ای از ذره ها در مسیر حرکت برای جستجوی هدف، از طریق ثابت گرانش، عامل وزن، نیرو و فاصله که با بسیاری از سناریوهای جستجو در یک الگوریتم جستجوی گرانشی تکامل یافته، به یک راه حل نزدیک به بهینه خواهد رسید. این روش کدگذاری شده برای حرکت، امکان حفظ ویژگی های مهم ذرات ازجمله حرکت به سمت بهینه سراسری را فراهم می-سازد. نتایج حاصل از شبیه سازی با روش موجود نشان می دهد که الگوریتم پیشنهادی، عملکرد تشخیص را 12% و عملکرد زمان را 71/1 برابر در مقایسه با APSO بهبود می بخشد. علاوه بر این، از دیگر الگوریتم های بهینه سازی فرا ابتکاری پیشرفته از جمله الگوریتم ژنتیک بهتر عمل می کند.

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 96

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 13 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
اطلاعات دوره: 
  • سال: 

    2016
  • دوره: 

    5
تعامل: 
  • بازدید: 

    214
  • دانلود: 

    0
چکیده: 

CONGESTION MANAGEMENT IS ONE OF THE BASIC TASKS PERFORMED BY SYSTEM OPERATORS TO ENSURE THE OPERATION OF TRANSMISSION SYSTEM WITHIN OPERATING LIMITS. IN THIS RESearch, STRENGTH PARETO Gravitational Search Algorithm (SPGSA) IS USED TO OPTIMUM MANAGEMENT OF A DISTRIBUTED NETWORK CONGESTION FOR RAISE EFFICIENCY, INCREASE SAFETY MARGINS AND REDUCE COST OF DISTRIBUTION NETWORK UNIT PRODUCTION REGARDING TO PRACTICAL CONSTRAINTS SUCH AS MAXIMUM NETWORK VOLTAGE, MAXIMUM TRANSMISSION LINE CURRENT, POWER BALANCE AND LOAD LEVEL. ACTUALLY NOWADAYS, VIOLATIONS OF DISTRIBUTION NETWORK CONSTRAINTS AS; LIMIT OF POWER TRANSMISSION LINES, BUS VOLTAGES AND OTHER PRACTICAL CONSTRAINTS, ARE ONE OF THE MOST IMPORTANT ISSUES IN ELECTRICAL ENERGY IN RECONSTRUCTION SYSTEMS CONTRACT. THE EFFECTIVENESS OF THE PROPOSED TECHNIQUE WHICH IS BASED ON COLLECTIVE INTELLIGENCE IS APPLIED ON 30 AND 118 BUS IEEE STANDARD POWER SYSTEM IN COMPARISON WITH CPSO, PSO-TVAC AND PSO-TVIW. THE NUMERICAL RESULTS DEMONSTRATE THAT THE PROPOSED TECHNIQUE IS BETTER AND SUPERIOR THAN OTHER COMPARED METHODS.

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 214

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 0
نویسندگان: 

HAN X.H. | CHANG X.M.

اطلاعات دوره: 
  • سال: 

    2014
  • دوره: 

    281
  • شماره: 

    -
  • صفحات: 

    128-146
تعامل: 
  • استنادات: 

    1
  • بازدید: 

    154
  • دانلود: 

    0
کلیدواژه: 
چکیده: 

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 154

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 1 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
اطلاعات دوره: 
  • سال: 

    2012
  • دوره: 

    3
  • شماره: 

    2
  • صفحات: 

    45-51
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    333
  • دانلود: 

    0
چکیده: 

Gravitational Search Algorithm (GSA) is one of the newest swarm based optimization Algorithms, which has been inspired by the Newtonian laws of gravity and motion. GSA has empirically shown to be an efficient and robust stochastic Search Algorithm. Since introducing GSA a convergence analysis of this Algorithm has not yet been developed. This paper introduces the first attempt to a formal convergence analysis of the standard Gravitational Search Algorithm which involves with randomness and time varying parameters. In this analysis the behavior of GSA on the facet of mass interaction is considered. The paper provides a formal proof that each object converges to a stable point.

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 333

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 10
اطلاعات دوره: 
  • سال: 

    1394
  • دوره: 

    6
  • شماره: 

    3
  • صفحات: 

    67-84
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    1151
  • دانلود: 

    188
چکیده: 

ترکیب تصاویر با استفاده از روش های گوناگون روز به روز در حال گسترش و بهبود است زیرا به علت محدودیت های عکس برداری نمی توان با گرفتن تنها یک عکس از یک صحنه به تصویری با کیفیت و وضوح مطلوب دست یافت. از طرفی امروزه از الگوریتم های جمعیتی مبتنی بر تصادف جهت بهینه یابی استفاده گسترده ای می شود که بیشتر با الهام از فرایندهای فیزیکی یا رفتارهای موجودات به وجود آمده اند. الگوریتم بهینه یابی جستجوی گرانشی (GSA) از مجموعه الگوریتم های بهینه یابی است که با الهام از قانون جاذبه و مفهوم جرم شکل یافته است و عامل های جستجوگر مجموعه ای از اجرام می باشند. این پژوهش قصد دارد به ترکیب تصاویر با میزان تمرکز های مختلف با استفاده از الگوریتم بهینه یابی جستجوی گرانشی بپردازد. برای این کار ابتدا ترکیب تصاویر با استفاده از اطلاعات فرکانس مکانی مورد مطالعه قرار گرفته و سپس با بررسی مفهوم GSA و تلفیق آن با فرکانس مکانی، روشی جدید برای ترکیب تصاویر ارائه شده است. عملکرد روش پیشنهادی با روش ترکیب مبتنی بر اطلاعات پیکسل ها بر اساس منطق فازی و روش بهینه سازی فرایند ترکیب تصاویر با بکارگیری الگوریتم بهینه یابی اجتماع ذرات (PSO) مورد مقایسه شده است. نتایج تجربی گویای میزان خطای کمتر روش پیشنهادی است. همچنین، کارآمدی این روش برای ترکیب تصاویر رنگی نیز بررسی شده است.

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 1151

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 188 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 8
litScript
telegram sharing button
whatsapp sharing button
linkedin sharing button
twitter sharing button
email sharing button
email sharing button
email sharing button
sharethis sharing button