برای جستجو در بین هزاران پایان نامه در موضوعات مختلف     

      و دانلود متن کامل آنها با فرمت ورد اینجا کلیک کنید     

 
دانلود پایان نامه

جدول 1-2 الگوریتم‌های آموزش شبکه‌های معمولی
نام اختصاری توصیف
Batbp نسخه Batch (دسته‌ای) الگوریتم انتشار به عقب
Igls آموزش مربعات حداقل کلی تکرار شده‌ی شبکه با خروجی‌های چندگانه
Incbp نسخه بازگشتی (نموی) انتشار به عقب
Marq روش اولیه لونبرگ-مارکواردت
Marqlm اجرای ذخیره‌ی حافظه در روش لونبرگ-مارکواردت
Rpe روش خطای پیش‌بینی بازگشتی
1-8-5- یادگیری
قابت یادگیری خصیصهی اصلی هوشمندی است. برای طراحی پروسهی یادگیری باید اول مدلی از محیطی که شبکه در آن عمل میکند داشته باشیم، یعنی باید بدانیم چه اطلاعاتی برای شبکه در اختیار داریم. به این مدل، الگوی یادگیری گفته میشود. بعد باید بدانیم که وزنهای شبکه چگونه اصلاح میشوند، یعنی بدانیم کدام یک از قوانین یادگیری فرآیند به روز کردن را انجام میدهد. سه نوع الگوی یادگیری اصلی داریم:
یادگیری با سرپرستی: در این روشها خروجی صحیح هر دنبالهی ورودی به شبکه داده میشود. وزنها به گونهای تعیین میشوند که پاسخ شبکه تا حد ممکن به پاسخ واقعی نزدیک باشد. یادگیری تقویتی نوعی یادگیری با سرپرستی است که در آن به جای ارائهی خود پاسخ برای تعلیم، روی خروجیهای تولید شده توسط شبکه یک نقادی از نظر درست یا نادرست بودن آنها انجام میشود.
یادگیری بدون سرپرستی: این روش نیازی به دانستن پاسخهای مطلوب برای ورودیهای مورد تعلیم ندارد. بلکه ساختار درونی دادهها و همبستگی مابین آنها را استخراج میکند و الگوها را براساس این همبستگیها مقولهبندی میکند.
ترکیبی از هر دو: در این روش تعدادی از وزنها از طریق یادگیری با سرپرستی تعیین میشود و بقیه با استفاده از روشهای بدون سرپرستی به دست میآیند (داورپناه و میرزایی، 1385).
1-8-6- الگوریتم لونبرگ مارکواردت
روش لونبرگ مارکواردت، روشی استاندارد برای کم کردن خطای مربعات میانگین، در نتیجه قوت و سرعت از ویژگی‌های آن است. نسخه‌ای از این روش توسط فلچر در سال 1987 ارایه شد. تفاوت بین این روش با روش اصلی ارایه شده توسط مارکواردت در سال 1963، این است که اندازه عناصر ماتریس قطری اضافه شده به گوس- نیوتن ، طبق اندازه نرخ موجود بین کاهش واقعی و کاهش پیش‌ بینی شده تنظیم می‌شوند.
الگوریتم لونبرگ- مارکواردت یکی از متداول‌ترین الگوریتم‌های استفاده شده برای بهینه‌سازی است. این الگوریتم روش کاهش شیب ساده و دیگر روش‌های شیب توام را در گستره وسیعی از مسایل اعمال می‌نماید. روشی را که این الگوریتم بکار می‌گیرد کاهش حداقل مربعات به صورت غیرخطی است. تابعی که برای این منظور بکار می‌رود به شکل زیر می‌باشد:

مطلب مرتبط :   دانلود پایان نامه درمورد شرایط آب و هوایی و تغییر پذیری

که در آن (x=x1,x2,….xn)، یک بردار و هر rj تابعی از Rn-R است. اشاره به rj باقیمانده‌ها دارد و همچنین فرض می‌شود که m≥n است (جمالیزاده، 1387).

2-1- مقدمه
تلاش برای استفاده از فاز جامد جهت استخراج گونههای مختلف از آب و دیگر محیطها، سابقهای طولانی دارد. آزمایشهای اولیه با بکار گرفتن کربن فعال به عنوان فاز جامد، در حدود 50 سال قبل انجام شدند و کاربردهای ابتدایی استخراج فاز جامد به استفاده گسترده این روش در آنالیز آب و نیز اقتباس آن به روشهای تجزیهای استاندارد منجر گردیده است (Liska, 2000). از این روش نه تنها برای استخراج مقادیر ناچیز ترکیبات مورد نظر از نمونههای طبیعی، بلکه همچنین جهت از بین بردن مزاحمتها و ترکیبات ناخواسته در بافت پیچیده نمونه، به منظور دستیابی به استخراجی تمیزتر استفاده شده است. تنوع و تطبیق پذیری استخراج با فاز جامد، استفاده این روش را برای بسیاری از مقاصد مانند خالص سازی، تغلیظ مقادیر بسیار کم و مشتق سازی امکان پذیر میسازد (Zwir-Ferenc and Biziuk, 2006). با گذشت زمان همراه با توسعه جاذبهای جدید، این روش نیز پیشرفت کرده و طیف گستردهای از جاذبها از قبیل رزینهای معدنی مانند سیلیکا، رزینهای آلی مانند پلیمرها، نانو مواد و میکرو ارگانیسمها، استخراج با فاز جامد را به روشی برجسته در امر آماده سازی نمونه و جداسازی مبدل ساخته است (Turker, 2007). استخراج با فاز جامد، روشی ساده بوده و دارای مزایایی از قبیل سهولت اجرا، ارزانی، سرعت مناسب، دقت بالا، بازیابی بیشتر نمونه نسبت به روشهای پیش از خود، توسعه سریع و اتوماسیون ساده میباشد (Yamini et al., 2004).

دسته بندی : علمی