تحقیق درباره بررسی و ارزیابی مفاهیم شبکه‌های کامپیوتری

اختصاصی از اس فایل تحقیق درباره بررسی و ارزیابی مفاهیم شبکه‌های کامپیوتری دانلود با لینک مستقیم و پر سرعت .

فرمت فایل:word(قابل ویرایش) تعداد صفحات:68 مقدمه:چکیده
فصل اول
شبکه کامپیوتری چیست ؟
مدل های شبکه
اجزا ءشبکه

پایانامه شبکه‌های عصبی

اختصاصی از اس فایل پایانامه شبکه‌های عصبی دانلود با لینک مستقیم و پر سرعت .

لینک پرداخت و دانلود *پایین مطلب*

فرمت فایل:Word (قابل ویرایش و آماده پرینت)


تعداد صفحه:53

فهرست:

فهرست

مقدمه ای بر شبکه‌های عصبی مصنوعی ----------------------------------------------- 4

تاریخچه شبکه‌های عصبی مصنوعی-------------------------------------------------- 5

شبکه عصبی چیست؟-----------------------------------------------------------  6

شبکه  عصبی چه قابلیتهائی دارد؟---------------------------------------------------  6

الهام از طبیعت---------------------------------------------------------------- 7

شبکه های عصبی در مقایسه با کامپیوترهای سنتی :--------------------------------------- 7

مسائل مناسب برای یادگیری شبکه های عصبی------------------------------------------  8

پرسپترون -------------------------------------------------------------------9

الگوریتم یادگیری پرسپترون -------------------------------------------------9

الگوریتم gradient descent---------------------------------------------------------  10

مشکلات روش gradient descent-----------------------------------------------  10

تقریب افزایشی gradient descent----------------------------------------------   10

الگوریتم  Back propagation--------------------------------------------------------  11

قدرت نمایش توابع------------------------------------------------------------- 12

انواع آموزش شبکه------------------------------------------------------------   12

برخی زمینه های شبکه های عصبی-------------------------------------------------   13

سبکهای معماری شبکه‌های عصبی -------------------------------------------------- 14

قواعد یادگیری در شبکه‌های عصبی ------------------------------------------------- 14

آموزش شبکه‌های عصبی --------------------------------------------------------  15

آموزش unsupervised یا تطبیقی (Adaptive)  --------------------------------------------   16

تفاوت‌های شبکه‌های عصبی با روش‌های محاسباتی متداول و سیستم‌های خبره -------------------   16

انواع یادگیری برای شبکه های عصبی-----------------------------------------------    18

یادگیری با ناظر--------------------------------------------------------- 18

یادگیری تشدیدی------------------------------------------------------    18

یادگیری بدون ناظر------------------------------------------------------   19

معایب شبکه های عصبی -------------------------------------------------------     19

مزیتهای شبکه های عصبی------------------------------------------------------     19

سیستم خبره  ---------------------------------------------------------------   21

سیستم خبره چیست؟---------------------------------------------------    21

ساختار یک سیستم خبره‌-------------------------------------------------- 22

استفاده از  منطق فازی ---------------------------------------------------  23

مزایا و محدودیت‌های سیستم‌های خبره ---------------------------------------   24

کاربرد سیستم‌های خبره‌--------------------------------------------------   24

چند سیستم خبره مشهور-------------------------------------------------  25

مروری بر کاربردهای تجاری ------------------------------------------------------  26

بازاریابی-------------------------------------------------------------  26

بانکداری و حوزه های مالی-------------------------------------------------  28

پیش بینی -----------------------------------------------------------   29

سایر حوزه های تجاری ---------------------------------------------------  29

کاربرد مدلهای شبکه عصبی در پیش‌بینی ورشکستگی اقتصادی شرکتهای بازار بورس---------------   30

کاربرد مدل‌ شبکه عصبی در پیش‌بینی ورشکستگی شرکتهای بازار بورس----------------------   31

تبیین مفهوم ورشکستگی------------------------------------------------------   31

متغیرهای مدل تحقیق--------------------------------------------------------   32

اطلاعات شرکتهای نمونه تحقیق--------------------------------------------------  32

تعیین ‌مدل شبکه عصبی سه لایه برای پیش‌بینی ورشکستگی شرکتها------------------------   33

sتعیین مدل بهینه شبکه عصبی چهار لایه برای پیش‌بینی ورشکستگی شرکتها-------------------  38

مقایسه مدلهای شبکه عصبی سه و چهار لایه برای پیش‌بینی ورشکستگی اقتصادی--------------- - 41

پیش‌بینی ورشکستگی اقتصادی شرکتها در سالهای 1385 و 1386---------------------------  41

روند ورشکستگی اقتصادی شرکتهای بازار بورس در دوره 1369ـ 1386------------------------  41

جمع‌بندی و نتیجه‌گیری-------------------------------------------------------- 44

منابع----------------------------------------------------------------------45

مقدمه ای بر شبکه‌های عصبی مصنوعی

شبکه‌های عصبی مصنوعی (Artificial Neural Network - ANN) یا به زبان ساده‌تر شبکه‌های عصبی سیستم‌ها و روش‌های محاسباتی نوینی هستند برای یادگیری ماشینی، نمایش دانش، و در انتها اعمال دانش به دست آمده در جهت بیش‌بینی پاسخ‌های خروجی از سامانه‌های پیچیده. ایده اصلی این گونه شبکه‌ها (تا حدودی) الهام‌گرفته از شیوه کارکرد سیستم عصبی زیستی، برای پردازش داده‌ها، و اطلاعات به منظور یادگیری و ایجاد دانش قرار دارد. عنصر کلیدی این ایده، ایجاد ساختارهایی جدید برای سامانه پردازش اطلاعات است. این سیستم از شمار زیادی عناصر پردازشی فوق العاده بهم‌پیوسته با نام نورون تشکیل شده که برای حل یک مسأله با هم هماهنگ عمل می‌کنند و توسط سیناپس‎ها(ارتباطات الکترومغناطیسی) اطلاعات را منتقل می‎کنند. در این شبکه‌ها اگر یک سلول آسیب ببیند بقیه سلول‎ها می‌توانند نبود آنرا جبران کرده، و نیز در بازسازی آن سهیم باشند. این شبکه‌ها قادر به یادگیری‎اند. مثلا با اعمال سوزش به سلول‎های عصبی لامسه، سلول‎ها یاد می‌گیرند که به طرف جسم داغ نروند و با این الگوریتم سیستم می‌آموزد که خطای خود را اصلاح کند. یادگیری در این سیستم‎ها به صورت تطبیقی صورت می‌گیرد، یعنی با استفاده ازمثال‎ها وزن سیناپس‎ها به گونه‌ای تغییر می‌کند که در صورت دادن ورودی‎های جدید، سیستم پاسخ درستی تولید کند.

شبکه‌های عصبی

اختصاصی از اس فایل شبکه‌های عصبی دانلود با لینک مستقیم و پر سرعت .

عنوان مقاله: شبکه‌های عصبی

۱-۱ پیشگفتار

انرژی الکتریکی به عنوان محور اصلی توسعه صنعتی در میان انواع انرژی از اهمیت خاصی برخوردار است. این انرژی با آنکه خود به انواع دیگر انرژی وابستگی دارد، اتکا شاخه‌های مختلف اقتصادی به آن در حدی است که براحتی می‌توان حد مصرف معقول این انرژی در یک جامعه را به عنوان شاخص عمده‌ای برای تعیین حد پیشرفت اقتصادی آن جامعه دانست.

بر خلاف سهولت استفاده از این نوع انرژی و مطلوبیت آن، تولید و انتقال این انرژی از پیچیدگی زیادی برخوردار بوده و در مجموع صنعت برق با ویژگی‌هایی در میان سایر صنایع شاخص است، از جمله این ویژگی‌ها باید از لزوم همزمانی تولید و مصرف آن نام برد، به عبارت دیگر تولید برق فقط در مقابل مصرف آن مطرح می‌گردد و بطور معمول قابل ذخیره کردن نیست. دیگر ویژگی این صنعت سرمایه طلب بودن طرح‌ها و پروژه‌های آن و زمان بر بودن آنها است.

مجموعه این خصوصیات و حساسیت‌ها است که پیش‌بینی صحیح نیاز مصرف برای این نوع انرژی در آینده را طلب می‌نماید. چون هرگاه پیش‌بینی نیاز مصرف یا بار شبکه بیش از حد واقعی باشد، سرمایه‌ گذاری بیهوده در این صنعت را بدنبال خواهد داشت و هر پیش بینی بار کمتر از واقعیت باعث لطمات شدید اقتصادی شده و جبران آن به مناسبت زمان بر بودن پروژه‌های توسعه‌ای امکانات تولید و انتقال برق، غیر ممکن است.

انرژی الکتریکی در مقیاس وسیع به طور اقتصادی قابل ذخیره نمی‌باشد. بدین دلیل بر خلاف شاخه‌های دیگر اقتصاد، در اقتصاد الکتریسیته باید همزمان با مصرف، انرژی الکتریکی تولید گردد. میزان مصرف بار الکتریکی ثابت نمی‌باشد بلکه به صورت پیچیده و غیر خطی تابعی از پارامترهای متعددی می‌باشد. با توجه به متغییر بودن میزان مصرف بار الکتریکی، شرکتهای تولید کننده برق، موظفند با پیش بینی آن در زمانبندی‌های مختلف اطلاعات مورد نیاز برای تصمیم‌گیریهای خود در سیستم قدرت را حاصل نماید.

در دنیای خصوصی سازی جدید هر شرکت سعی در افزایش قابلیت اطمینان محصول خود و تولید بهینه توان برای مصرف کنندگان خود دارد. این وظیفه عموماً از طریق پیش بینی فراهم می‌شود. پیش بینی بارهای ساعتی تا یک هفته جلوتر برای کارهای برنامه‌ریزی از قبیل هماهنگی بین واحدهای آبی و حرارتی و سنجش تبادل با دیگر رقبا و برای آنالیزهای کوتاه مدت از قبیل پخش توان در مراکز دیسپاچینگ و پخش بهینه توان لازم است. به طور کلی پیش بینی بار بر اساس دوره پیش بینی به دسته‌هایی تقسیم می‌شود :

• برنامه ‌ریزی بسیار کوتاه مدت (چند دقیقه تا چندین ساعت) : برنامه ریزی بسیار کوتاه مدت اطلاعات مورد نیاز در پخش بار اقتصادی و تخمین اطمینان را تأمین می‌نماید. همچنین پیش بینی بسیار کوتاه مدت (چند دقیقه تا چند ساعت) برای زمانبندی تعویض قدرت بین شرکتها و مطالعه تحمیلات انتقال مفید می‌باشد.
• برنامه ‌ریزی کوتاه مدت (یک روز تا یک هفته) : برنامه ریزی کوتاه مدت برای برنامه ریزی روزانه و هفتگی، در مدار قرار گرفتن بهینه نیروگاهها (بهینه سازی ولتاژ/ توان راکتیو، برنامه‌ریزی برای انرژی رزرو مورد نیاز، زمان بهره‌برداری پمپی از نیروگاه‌های پمپ ذخیره‌ای) و تبادل انرژی با شرکا استفاده می‌شود.
• برنامه‌ریزی میان مدت (۱ ماه تا ۵ سال) : در برنامه‌ریزی میان مدت، با در نظر گرفتن توان و ترکیب نیروگاههای موجود، میزان ذخیره سوخت، میزان ذخیره آب مخزنها، در مورد نحوه و زمان بکارگیری نیروگاههای حرارتی و آبی، تهیه سوخت، میزان تبادل انرژی الکتریکی با سیستم‌های همسایه در سیستم‌های بهم پیوسته، زمان‌بندی بهینه برای بازرسی و تعمیرات نیروگاهها و شبکه تصمیم‌گیری می‌شود.
• برنامه ریزی بلند مدت (۵ تا ۳۰ سال): در برنامه ریزی بلند مدت با در نظر گرفتن توان و ترکیب و طول عمر نیروگاههای موجود، توانایی شبکه انتقال و توزیع، قراردادهای بلند مدت برای تبادل انرژی الکتریکی با سیستم‌های مجاور (کشورهای همسایه) در سیستم‌های بهم پیوسته، در مورد نوع، اندازه و محل احداث نیروگاه‌های جدید، نحوه گسترش شبکه، بستن و یا تجدید نظر در قراردادها و … تصمیم‌گیری می‌شود.

بار در یک شبکه برقرسانی به مجموع مصارف مختلف انرژی الکتریکی در یک واحد زمانی اتلاق می‌گردد. بار شبکه به مناسب همزمانی و غیر همزمانی مصرف انرژی در بخش‌های مختلف دستخوش تغییراتی در طول شبانه روز، هفته، ماه و سال می‌گردد.

اگر به یک منحنی تغییرات بار بیست‌و چهار ساعته در الگوی مصرف انرژی الکتریکی ایران توجه کنیم ملاحظه می‌شود که منحنی از یک حداقل غیر صفر شروع می‌شود و پس از عبور از آن، با یک شیب نسبتاً تند به سمت کوهان دوم که بزرگتر از کوهان اول است میل نموده، پس از گذر از آن دوباره به سمت حداقل میل می‌کند. باید توجه داشت که ظهور این دو کوهان ناشی از همزمانی مصرف انرژی الکتریکی بخشهای مختلف مصرف در طول یک شبانه‌روز است. جالب توجه است که منحنی تغییرات بار در طول ماه و سال نیز تقریباً روند مشابهی با تغییرات بار بیست و چهار ساعته دارد. در مطالعه بار بخصوص در پیش بینی بار اعم از پیش‌بینی بار ساعتی روزانه جهت تنظیم برنامه بهره‌برداری از نیروگاهها تا بار ماههای سال برای تنظیم برنامه تعمیرات منظم و دوره‌ای و بارهای سالهای آینده برای برنامه‌ریزی توسعه‌ای این متغیرها و عوامل مؤثر در پیدایش آنها مورد توجه قرار می‌گیرد.

منحنی مصرف برای مصرف کننده کاملاً تصادفی و غیر مشخص بوده وقابل پیش‌بینی نیست و از سوی دیگر، هر مجموعه خاص از مصرف کننده‌ها منحنی مصرف مخصوص به خود را دارا است، همچنین مصرف بار الکتریکی تابعی کاملاً غیر خطی و بسیار پیچیده از پارامترهایی از جمله شرایط آب و هوایی، شرایط اقتصادی، زمان و عوامل تصادفی می‌باشد. همچنین تقریباً هر روز هفته منحنی خاص خود را دارد. لذا مدل مورد نظر باید توانایی این کار راد اشته باشد که اثر تمامی این عوامل را بر منحنی مصرف در نظر بگیرد، همچنین بایستی خطای پیش بینی تا حدامکان کم باشد، از طرفی دارای ساختاری ساده باشد و در کوتاهترین زمان ممکن به جواب نهایی برسد، و از همه مهمتر اینکه استفاده از آن برای برنامه‌ریزان و اپراتورها ساده باشد. لذا با توجه به اهمیت پیش بینی بار کوتاه مدت و خواصی که برای یک برنامه ریزان و اپراتورها ساده باشد. لذا با توجه به اهمیت پیش بینی بار کوتاه مدت و خواصی که برای یک برنامه پیش‌بینی بار بر شمردیم، روشهای مختلفی در این زمینه ارائه شده است که هر یک به نوعی دارای برخی کاستی‌ها (و بخصوص در پیش بینی روزهای تعطیل) بودند، با وارد شدن شبکه‌های عصبی در این عرصه تقریباً تمامی مدلها وروشهای قبلی کنار گذاشته شد، چراکه این شبکه‌ها دارای توانایی‌های بسیار زیادی رد بیان روابط غیر خطی می‌باشند. در شکل صفحه بعد موارد استفاده پیش‌بینی بار کوتاه مدت آمده است.

این مجموعه به دوصورت فایل ورد و pdf در 74 صفحه با حجم 5.06 mb  می باشد.

پایان نامه آشنایی با شبکه‌های حسگر بی‌سیم

اختصاصی از اس فایل پایان نامه آشنایی با شبکه‌های حسگر بی‌سیم دانلود با لینک مستقیم و پر سرعت .

مهندسی نرم‌افزار

عنوان :

آشنایی با شبکه‌های حسگر بی‌سیم

چکیده:

علاوه بر نکاتی که تا کنون درباره شبکه‌های حسگر به عنوان مقدمه آشنایی با این فناوری بیان کردیم.

این شبکه‌ها دارای یکسری ویژگی های عمومی نیز هستند. مهم‌ترین این ویژگی ها عبارت است از:

1-برخلاف شبکه‌های بی سیم سنتی همه گره ها در شبکه های بی سیم نیازی به برقراری ارتباط مستقیم با نزدیک ترین برج کنترل قدرت یا ایستگاه پایه ندارد بلکه حسگرها به خوشه هایی تقسیم می شوند که هرخوشه یک سرگروه خوشه موسوم به parent انتخاب می کند.جمع آوری اطلاعات به منظور کاهش اطلاعات ارسالی ازگره ها به ایستگاه پایه ودر نتیجه بهبود بازده انرژی شبکه انجام می شود.

2-هر حسگر موجود درشبکه دارای یک رنج حسگری است که به نقاط موجود درآن رنج احاطه کامل دارد. یکی ازاهداف شبکه های حسگری این است که هر محل در فضای مورد نظر بایستی حداقل دررنج حسگری یک گره قرارگیرد تا شبکه قابلیت پوشش همه منطقه مورد نظر را داشته باشد.

یک حسگر با شعاع حسگری rرا می توان با یک دیسک با شعاع r مدل کرد.این دیسک نقاطی را که درون این شعاع قرار می گیرند تحت پوشش قرار می دهد.بدیهی است که برای تحت پوشش قرار دادن کل منطقه این دیسک ها باید کل نقاط منطقه را بپوشاند.

3-پروتکل های شبکه ای همتا به همتا یکسری ارتباطات مش مانند راجهت انتقال اطلاعات بین هزاران دستگاه کوچک با استفاده ازروش چند جهشی ایجاد می کنند.معماری انطباق پذیر مش قابلیت تطبیق با گره های جدید جهت پوشش دادن یک ناحیه جغرافیایی بزرگ تر را داراست.علاوه بر این سیستم می‌تواند به طورخودکار ازدست دادن یک گره یاحتی چند گره راجبران کند.

چکیده ................................................................................................................... 1

مقدمه ......................................................................................2

خوشه بندی در شبکه های حسگر بی سیم ................................................................................ 3

اهداف اصلی و چالشهای طراحی خوشه‌بندی در WSNها ..................................................... 5

شبکه حسگر چیست؟ ....................................................................................................................... 7

چرا شبکه‌های حسگر؟ .......................................................................................................................7

تاریخچۀ شبکه‌های حسگر .................................................................................................................8

ساختار کلی شبکه حس/کار بی‌سیم ..............................................................................................9

ساختمان گره ........................................................................................................... 11

ویژگی‌ها ...................................................................................................................... 12

موضوعات مطرح ..................................................................................................... 12

نمونه ی پیاده سازی شده شبکه حس/کار ................................................................................... 16

ذره ی میکا ................................................................................................................. 16

بررسی نرم ا فزارهای شبیه سازی شبکه ......................................................................... 17

خصوصیات لازم برای شبیه‌سازهای شبکه .................................................................................. 18

شبیه ساز NS(v2) ........................................................................................................................ 19

معماری درونی NS ............................................................................................ 19

مدل VuSystem .......................................................................................... 20

شبیه ساز OMNeT++ ................................................................................................. 20

شبیه ساز Ptolemy II ........................................................................................... 22

مدل سازی شبکه‌های بی‌سیم ........................................................................................................ 24

اجرای یک مدل پیش ساخته ....................................................................................................... 24

تغییر پارامترها .................................................................................................... 25

ساختار یک مدل پیش ساخته ....................................................................................................... 26

1) نمایش بصری(آیکون ها) ........................................................................................................... 26

2)کانال‌ها......................................................................................................... 29

(3اکتورهای مرکب ................................................................................................ 30

4) کنترل اجرا .......................................................................................................... 32

(5ساخت یک مدل جدید .............................................................................................................. 33

6 ) به کارگیری اکتور plot ......................................................................................................... 43

نتیجه گیری ...................................................................................................................................... 46

منابع.................................................................................................. 47

دانلود مقاله قابلیت گذر از خطا DFIG در شبکه‌های ایزوله که دارایDVR و سیستم ذخیره انرژی ابر خازن هستند

اختصاصی از اس فایل دانلود مقاله قابلیت گذر از خطا DFIG در شبکه‌های ایزوله که دارایDVR و سیستم ذخیره انرژی ابر خازن هستند دانلود با لینک مستقیم و پر سرعت .

دانلود رایگان اصل مقاله انگلیسی

سال انتشار:2015

تعداد صفحات انگلیسی:8

نعداد صفحات فارسی به فرمت ورد:23

A b s t r a c t

In order to utilize Doubly Fed Induction Generators (DFIGs) as primary power source in an isolated system they should be able to regulate the voltage and frequency of the system as well as

ride-through faults. This paper proposes a new control strategy for a DFIG operating in an isolated power system, accomplished by a Dynamic Voltage Restorer (DVR) and a Supercapacitor Energy Storage System (SCESS), in order to ride through symmetrical and asymmetrical faults. During faults, the DFIG continues to

operate normally, while the active power mismatch is handled by the SCESS. In particular, during asymmetrical faults, the DFIG and the DVR are properly controlled in order to feed the non-faulty phases uninterruptedly. When integrated in a power system with conventional synchronous generators, the proposed control strategy improves the Fault Ride-Through (FRT) capability of a DFIG, while providing frequency and voltage support to the system throughout the fault duration. Thus, the transient stability

of the power system is significantly improved. The effectiveness

of the proposed control method under different fault conditions is verified by detailed simulation results

چکیده

برای استفاده از ژنراتور‌های القایی دو سو تغذیه (DFIG) بعنوان منبع توان اصلی در سیستم‌های ایزوله،باید آنها توانای تنظیم ولتاژ و فرکانس سیستم و قابلیت گذر از خطا‌ها را داشته باشند.در این مقاله یک استراتژی کنترل جدید برای DFIG که در حال کار در یک سیستم قدرت ایزوله که دارای بازیاب دینامیکی ولتاژ(DVR) و سیستم ذخیره انرژی ابر رسانا(SCESS) است برای گذر از خطاهای متقارن و نامتقارن ارائه میشود.در زمان رخ دادن خطا DFIG، به کار کردن در شرایط عادی ادامه میدهد و عدم توازن در توان اکتیو بوسیله SCESS تامین میشود.بخصوص در زمان رخ دادن خطاهای نامتقارن DFIGو DVR بطور مناسبی برای اینکه فاز‌های که دچار خطا نشده‌اند را بدون وقفه تغذیه کنند,کنترل میشوند.زمانی که DFIG به شبکه‌ای که دارای ژنراتورهای سنکرون معمولی هستند متصل میشود استراتژی کنترلی ارائه شده توانایی قابلیت گذر از خطا(FRT) را در حالی که از فرکانس و ولتاژ سیستم در تمام مدت زمان رخ دادن خطا پشتیبانی می‌کند، بهبود می‌بخشد و بدین صورت پایداری گذرای سیستم قدرت به میزان زیادی بهبود پیدا میکند.موثر بودن روش کنترلی ارائه شده تحت شرایط گوناگون خطا بوسیله نتایج شبیه سازی تایید میشود.

فهرست مطالب

1.چکیده

2.مقدمه

3.توپولوژی شبکه ایزوله

4.عملکرد حالت پایدار

5.استراتژی کنترل در شرایط خطاهای متقارن ونامتقارن

6.تشخیص خطا

7.بازیاب دینامیکی ولتاژ(DVR)

8.کنترل کانورتر سمت رتور(RSC)

9.کنترل کانورتر سمت خط(LSC)

10.سیستم ذخیره ساز انرژی ابر خازن(SCESS)

11.مدل سازی ژنراتور سنکرون

12.نتایج شبیه سازی

12-1.خطای سه فاز به زمین

12-2.خطای تک فاز به زمین

13.عملکرد ژنراتور در حالت کار بصورت موازی با یک ژنراتور سنکرون

14.نتیجه گیری