اثر انگشت یکی از قدیمی ترین روش ها برای شناسایی هویت افراد است.
در این پروژه که در برنامه MATLAB پیاده سازی و اجرا شده است، تشخیص اثر انگشت به کمک تکنولوژی TDNN مورد تحلیل و اجرا قرار گرفته است.
این پروژه از روی مقاله "استفاده از شبکه عصبی تاخیر زمانی(TDNN) در استخراج مشخصات اثرانگشت" که از طریق این لینک به صورت رایگان قابل دریافت است، پیاده سازی شده است.لازم به ذکر است فایل پی دی اف این مقاله که رایگان بر روی وبسایت ما قابل دریافت است در سایت های دیگر به رایگان قابل دسترسی نیست.برای دریافت اطلاعات بیشتر در مورد این برنامه ابتدا مقاله فارسی منتشر شده را مطالعه و سپس برای دریافت فایل اوپن سورس پروژه بر روی دکمه خرید کلیک نمایید. توجه داشته باشید کیفیت و قیمت این پروژه رقابتی و در سراسر محیط نت بی رقیب می باشد.
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.
اصل و ترجمه مقاله کنترل هوشمند کشتی با استفاده از شبکه عصبی و منطق فازی و ژنتیک الگوریتم
عنوان انگلیسی مقاله :
A Genetically Optimized Fuzzy Neural Network for Ship ControllersA Genetically Optimized Fuzzy Neural Network for Ship Controllers
عنوان فارسی مقاله :
یک شبکه عصبی فازی ژنتیکی بهینه شده برای کنترل کشتی
سال انتشار : 2006
کیفیت ترجمه : B
چکیده انگلیسی :
Abstract-A novel approach has been promoted for fuzzy neural ship controllers. An RBF neural network and GA optimization are employed in a fuzzy neural controller to deal with the nonlinearity, time varying and uncertain factors. Utilizing the designed network to substitute the conventional fuzzy inference, the rule base and membership functions can be auto-adjusted by GA optimization. The parameters of neural network can be decreased by using union-rule configuration in the hidden layer of the network. The performance of controller is evaluated by the system simulation conducted with Simulink tools, by which satisfied results have been obtained
.Index Terms- RBF network. Fuzzy control. Genetic algorithm. Union rule. Ship control
چکیده فارسی :
چکیده - منطق فازی عصبی، رویکردی جدید برای کنترل کشتی ها است. یک شبکه عصبی RBF و بهینه سازی GA در یک کنترل عصبی فازی به کار برای مقابله با غیرخطی، زمان های مختلف و عوامل نامشخص است. با استفاده از شبکه طراحی شده به جای استنتاج فازی معمولی، پایگاه قوانین و توابع عضویت می تواند به صورت خودکار توسط بهینه سازی GA تنظیم شود. پارامترهای شبکه عصبی را می توان با استفاده از تنظیمات مجموعه قوانین در لایه مخفی از شبکه کاهش داد. نتایج رضایت بخشی از عملکرد کنترل کننده های شبیه سازی سیستم، که توسط ابزار سیمولینک انجام می گردد دست آمده است.کلمات کلیدی : کنترل فازی. الگوریتم ژنتیک. مجموعه قوانین. کنترل کشتی.