ترجمه مقاله شبکه عصبی بهبود یافته برای طبقه بندی خطا های خط انتقال

قالب مقاله: PDF

قالب ترجمه: WORD

عنوان مقاله فارسی: یک شبکه عصبی بهبود یافته برای طبقه بندی خطا های خط انتقال

عنوان مقاله انگلیسی: An Improved Neural Network Algorithm for

Classifying the Transmission Line Faults

چکیده- این مطالعه یک مفهوم جدید از الگوریتم مصنوعی مبتنی بر هوش برای طبقه بندی خطاها در شبکه های سیستم قدرت معرفی می کند.این طبقه بندی منطقه و نوع دقیق خطا را شناسایی می کند. این الگوریتم بر مبنای نوع منحصر به فرد شبکه عصبی به خصوص توسعه یافته به منظور برخورد کردن با مجموعه بزرگی از دیتای ورودی ابعاد بالایی. بهبود الگوریتم توسط پیاده سازی مراحل مختلف پردازش سیگنال ورودی، از طریق انتخاب پارامترها برای فیلترینگ آنالوگ، و مقادیر برای پنجره دیتا و فرکانس نمونه برداری ارائه شده است. علاوه بر این، یک روش پیشرفته برای طبقه بندی الگوهای تست مورد بحث قرار گرفته است و مقایسه مزایای اصلی با نزدیکترین طبقه بندی همسایه قبلی استفاده شده  نمایش داده شده است.

کلید واژه ها – روش خوشه بندی، الکترومغناطیس گذرا، شبکه های عصبی، دسته بندی الگو، خطاهای سیستم قدرت، رله های حفاظتی، آموزش.

ریاضی 3. الگوریتم امتیازدهی کارآمد برای مدل مخلوط گاوسی بر مبنای شناسایی گوینده

الگوریتم امتیازدهی کارآمد برای مدل مخلوط گاوسی بر مبنای شناسایی گوینده
چکیدهخلاصه مطالب – این مقاله الگوریتم جدید را در ارتباط با کاهش پیچیدگی های محاسباتی در تشخیص صدای افراد بر مبنای چارچوب مدل مخلوط گاوسی ارائه می کند. در ارتباط با بخش های کاربردی که در آن ها یک توالی مشاهداتی کلی مد نظر قرار می گیرد , ما به توضیح این مطلب می پردازیم که کاربرد سریع مدل های تشخیص صدا از طریق ایجاد توالی زمانی , احتمالات جمع آوری شده مربوط به هر گوینده را به روز می کند. این روش های کلی در یک استراتژی ادغام شده و زمان را برای تعیین هویت گوینده از طریق فاکتورهای 140 بر روی روش های استاندارد کلی و فاکتور شش بر روی شعاع جستجوگر کاهش می دهد. که گویندگان را از 138 گوینده دیگر تشخیص می دهد.

شبیه سازی در زمینه مقاله : جایابی بهینه UPFC با الگوریتم ژنتیک

اولین فایل شبیه سازی عالی در زمینه جایابی بهینه UPFC با الگوریتم ژنتیک;. براساس تماس های مکرر درخواست چنین فایلی شبیه سازی در زمینه جایابی UPFC در ضمیمه ارائه شده است. در این زمینه مقالات بسیاری منتشر شده که یکی از آنها را به عنوان مرجع مناسب در یادگیری ارائه می نماییم. این مرجع را می توانید از ادرس زیر دانلود نمایید. این شبیه سازی بر روی سیستم استاندارد اجرا شده است. شما می توانید داده های سیستم ورودی را تغییر دهید و بر روی سیستم دلخواهی انجام دهید. شبیه سازی اجرا شده و خروجی هم به دست آمده که در تصویر کنار نشان داده شده است. 

http://www.sciencedirect.com/science/article/pii/S014206151500006X

الگوریتم چند هدفه کوانتوم-اجتماع ذرات مبتنی بر معیار پارتو

فایل زیر شامل یک شبیه سازی بسیار کامل در زمینه الگوریتم چند هدفه اجتماع ذرات می باشد. اما مهمترین تفاوت این فایل در مقایسه با سایر کارها که در جایی دیگری یافت نمی شود در این است که در این شبیه سازی الگوریتم چند هدفه کوانتوم اجتماع ذرات مبتنی بر معیار پارتو ارائه شده است. در زمینه الگوریتم کوانتوم اجتماع ذرات مقالات جدید منتشر شده اما کدی از آن در جایی دیگری وجود ندارد. به عنوان آگاهی ما به مقاله زیر به عنوان مرجع مناسب در زمینه کد الگوریتم چند هدفه کوانتوم اجتماع ذرات اشاره می نماییم. این الگوریتم جدید بوده و می توانید در کارهای خود از آن استفاده نمایید و مقالات جدید منتشر نمایید. برنامه بر روی یک سیستم نمونه اجرا شده و خروجی ها هم به دست آمده که در شکل کنار مشاهده می نمایید.

http://www.sciencedirect.com/science/article/pii/S1568494615008030

پاورپوینت خوشه بندی با استفاده الگوریتم DBSCAN

خوشه بندی مکانی مبتنی بر چگالی در کاربردهای دارای نویز با استفاده از الگوریتم DBSCAN