|
|
مدلسازی در مهندسی، جلد ۱۱، شماره ۳۵، صفحات ۴۹-۶۲
|
|
|
| عنوان فارسی |
تقریب مقادیر ویژه ورق با استفاده از شبکه عصبی مصنوعی |
|
| چکیده فارسی مقاله |
هدف از این مقاله، تعیین فرکانس زاویه‌ای طبیعی ورقها با توجه به شرایط مختلف تکیه‌گاهی به کمک شبکه عصبی مصنوعی است. یکی از مشهورترین روشهای آموزش شبکه عصبی، استفاده از الگوریتم انتشار برگشتی است. این الگوریتم برای آموزش شبکه‌های چند لایه قابل کاربرد است. الگوریتم انتشار برگشتی بر مبنای کاهش گرادیان بوده و در آن شیب خطا به تدریج کم شده و وزنهای شبکه برای رسیدن به حداقل خطا، تعدیل می‌شود. در این تحقیق ابتدا فرکانس واقعی ورقها با استفاده از برنامهANSYS محاسبه شده و به عنوان تابع هدف شبکه عصبی در نظر گرفته می‌شود. سپس با استفاده از مقادیر بدست آمده در مرحله قبل، دسته‌ای از ورودی‌ها که شامل ابعاد و خصوصیات جنس ورقهاست ایجاد شده و یک شبکه عصبی ساخته شده و آموزش داده می‌شود. پس از آموزش شبکه از داده‌های دیگری برای آزمایش شبکه استفاده می‌شود. نتایج تحلیل به خوبی بیانگر عملکرد شبکه عصبی بوده به طوری که زمان محاسبه فرکانس به میزان قابل توجهی کاهش یافته است. |
|
| کلیدواژه‌های فارسی مقاله |
مسئله مشخصه، مقادیر ویژه، شبکه عصبی مصنوعی، انتشار برگشتی |
|
| عنوان انگلیسی |
APPROXIMATE EIGENVALUE OF PLATE BY ARTIFICIAL NEURAL NETWORKS |
|
| چکیده انگلیسی مقاله |
The general goal of this paper is to determine natural frequency of a plate by artificial neural network with various supporting conditions. One of the most famous training of neural network is back propagation algorithm. This algorithm is a systematic method for training multi-layer artificial neural network. Back propagation algorithm is based on gradient descant which means that it moves downward on the error declination and regulates the weights for the minimum error. In this research, the real frequency is calculated using ANSYS program and is defined as a goal function for neural network so that all outputs of the network can be compared to this function and the error can be calculated. Then using a set of inputs including dimensions or specifications of plate, a neural network is made. After the determination of algorithm and quantities of the network, the phases of training and testing of the results are carried out and the output of the network is created. It is concluded that the results show the performance of the neural network and that the time of frequency calculation is considerably reduced. |
|
| کلیدواژه‌های انگلیسی مقاله |
|
|
| نویسندگان مقاله |
علی حیدری | ali heidari
department of civil engineering, university of shahrekord, shahrekord, iran
دانشکده فنی مهندسی، گروه عمران، دانشگاه شهرکرد، شهرکرد
سازمان اصلی تایید شده: دانشگاه شهرکرد (Shahr kord university)
داوذ توکلی | davoud tavakoli
faculty of civil engineering, shahid rajaee teacher training university, tehran, lavizan, iran
دانشکده عمران، دانشگاه تربیت دبیر شهید رجایی، تهران، لویزان
سازمان اصلی تایید شده: دانشگاه تربیت دبیر شهید رجایی (Shahid rajaee teacher training university)
پویان فخاریان | pouyan fakharian
faculty of civil engineering, semnan university, semnan, iran
دانشکده مهندسی عمران، دانشگاه سمنان
سازمان اصلی تایید شده: دانشگاه سمنان (Semnan university)
|
|
| نشانی اینترنتی |
http://modelling.journals.semnan.ac.ir/browse.php?a_code=A-10-1-158&slc_lang=fa&sid=fa |
| فایل مقاله |
اشکال در دسترسی به فایل - ./files/site1/rds_journals/1058/article-1058-207774.pdf |
| کد مقاله (doi) |
|
| زبان مقاله منتشر شده |
fa |
| موضوعات مقاله منتشر شده |
|
| نوع مقاله منتشر شده |
پژوهشی |
|
|
|
برگشت به:
صفحه اول پایگاه |
نسخه مرتبط |
نشریه مرتبط |
فهرست نشریات
|