بخشی از متن:شبكه هاي عصبي را ميتوان با اغماض زياد، مدلهاي الكترونيكي از ساختار عصبي مغز انسان ناميد. مكانيسم فراگيري و آموزش مغز اساساً بر تجربه استوار است. مدلهاي الكترونيكي شبكههاي عصبي طبيعي نيز بر اساس همين الگو بنا شدهاند و روش برخورد چنين مدلهايي با مسائل، با روشهاي محاسباتي كه بهطور معمول توسط سيستمهاي كامپيوتري در پيش گرفته شدهاند، تفاوت دارد. ميدانيم كه حتي سادهترين مغزهاي جانوري هم قادر به حل مسائلي هستند كه اگر نگوييم كه كامپيوترهاي امروزي از حل آنها عاجز هستند، حداقل در حل آنها دچار مشكل ميشوند. به عنوان مثال، مسائل مختلف شناسايي الگو، نمونهاي از مواردي هستند كه روشهاي معمول محاسباتي براي حل آنها به نتيجه مطلوب نميرسند. درحاليكه مغز سادهترين جانوران بهراحتي از عهده چنين مسائلي بر ميآيد. تصور عموم كارشناسان IT بر آن است كه مدلهاي جديد محاسباتي كه بر اساس شبكههاي عصبي بنا ميشوند، جهش بعدي صنعت IT را شكل ميدهند. تحقيقات در اين زمينه نشان داده است كه مغز، اطلاعات را همانند الگوها (pattern) ذخيره ميكند. فرآيند ذخيرهسازي اطلاعات بهصورت الگو و تجزيه و تحليل آن الگو، اساس روش نوين محاسباتي را تشكيل ميدهند. اين حوزه از دانش محاسباتي (computation) به هيچ وجه از روشهاي برنامهنويسي سنتي استفاده نميكند و بهجاي آن از شبكههاي بزرگي كه بهصورت موازي آرايش شدهاند و تعليم يافتهاند، بهره ميجويد.
فهرست مطالب:فصل اول: شبکه های عصبی، الگوريتم ژنتيک و الگوريتم مورچگان در برنامه ريزی بهينه توسعه توليد با استفاده از الگوريتم ژنتيکبخش 1-1 : شبکه عصبی
بخش 2-1 : سابقه تاريخی
بخش 3-1 : شبکه های عصبی در مقابل کامپيوتر های معمولی
1-3-1 : چرا از شبکه های عصبی استفاده می کنيم
2-3-1 : کاربردهای شبکه های عصبی
بخش 4-1 : الگوريتم ژنتيک
بخش 5-1 : الگوريتم مورچگان
بخش 6-1 : برنامه ريزی بهينه توسعه توليد با استفاده از الگوريتم ژنتيک
1-6-1 : چکيده
2-6-1 : مقدمه
فصل دوم: شبکه های عصبی و الگوريتم ژنتيک تعريف و کاربرد در بحٍث توليد در سيستم های قدرتبخش 1-2 : تشخيص خطاهاي عايقي ترانسفورماتور با استفاده از آناليز گازهاي محلول در روغن به كمك شبكه عصبي فازي
1-1-2 : چكيده
2-1-2 : مقدمه
3-1-2 : بررسي خطاها و گازهاي توليد شده در ترانسفورماتور
4-1-2 : روش هاي تشخيص خطاي ترانسفورماتور
5-1-2 : طراحي شبكه هاي هوشمند عصبي و فازي جهت تشخيص خطا
1-5-1-2 : شبكه هوشمند فازي
2-5-1-2 : شبكه هوشمند عصبي مصنوعي
6-1-2 : پياده سازي سيستم هاي طراحي شده فازي و عصبي بر روي اطلاعات نمونه
7-1-2 : نتيجه گيری
بخش 2-2 : جايابي و اندازهيابي فيلترهاي اكتيو در سيستم هاي قدرت با استفاده از الگوريتم ژنتيك
1-2-2 : مقدمه
2-2-2 : مدلسازي مسئله
3-2-2 : پياده سازي مسئله توسط الگوريتم ژنتيك
مراجع
فصل سوم : شبکه های عصبی و الگوريتم ژنتيک تعريف و کاربرد در بحٍث توزيع در سيستم های قدرتبخش 1-3 : اتوماسيون وتجديد پيكربندي پستها وشبكه توزيع با استفاده از شبكه عصبي مصنوعي جهت كاهش تلفات
1-1-3 : چكيده
2-1-3 : مقدمه
3-1-3 : تجديد آرايش فيدر و شبکه های توزيع
4-1-3 : تجديد آرايش شبکه های توزيع با استفاده از شبکه عصبی مصنوعی
5-1-3 : شبيه سازی و نتايج عددی
6-1-3 : نتيجه گيری
بخش 2-3 : جايابي وتعيين ظرفيت خازن موازي در شبكه توزيع به كمك الگوريتم ژنتيك با هدف كاهش تلف توان اهمي شبكه
1-2-3 : مقدمه
2-2-3 : برنامه پخش بار مستقيم شبكه توزيع
3-2-3 : اگوريتم ژنتيك (GA)
4-2-3 : روش حل مسئله خازن گذاري
5-2-3 : الگوريتم حل مسئله خازن گذاري
6-2-3 : مشخصات الگوريتم ژنتيك
7-2-3 : نتيجه گيري
بخش 3-3 : طراحي بهينه شبكه هاي توزيع بزرگ با تركيب الگوريتم ژنتيك و تئوري گراف
1-3-3 : چكيده
2-3-3 : مقدمه
3-3-3 : الگوريتم ژنتيك
4-3-3 : تئوري گراف
5-3-3 : توصيف رياضي مساله طراحي شبكه توزيع
6-3-3 : نتايج شبيه سازي
7-3-3 : نتيجه گيري
بخش 4-3 : متعادل سازي بهينة بار در فيدرهاي فشار ضعيف به كمك جبرانسازي توان راكتيو با الگوريتم ژنتيك
1-4-3 : چكيده
2-4-3 : مقدمه
3-4-3 : متعادل سازي بار به كمك كنترل توان راكتيو
4-4-3 : متعادل سازي و جبرانسازي بهينه در فيدرهاي توزيع
5-4-3 : اصول و الگوريتم متعادلسازي بهينة فيدرها
6-4-3 : نرمافزار متعادل ساز بار
7-4-3 : مطالعات شبيهسازي
8-4-3 : نتيجهگيري
مراجع
فصل چهارم: شبکه های عصبی و الگوريتم ژنتيک تعريف و کاربرد در بحٍث انتقال در سيستم های قدرتبخش 1-4 : فاصله يابی خطا در خطوط ترکيبی (هوائی / کابلی) به کمک شبکه عصبی
1-1-4 : چکيده
2-1-4 : مقدمه
3-1-4 : ساختار شبکه عصبی
4-1-4 : انتخاب ورودی های مناسب برای اعمال به شبکه عصبی
5-1-4 : سازی سيستم قدرت مورد مطالعه
6-1-4 : شماي كلي روش پيشنهادی
7-1-4 : ورودی های شبکه عصبی
1-7-1-4 : اتصال کوتاه تکفاز
2-7-1-4 : اتصال کوتاه سه فاز متقارن
8-1-4 : تعليم و تست شبکه های عصبی
1-8-1-4 : اتصال کوتاه تک فاز
2-8-1-4 : اتصال کوتاه سه فاز متقارن
9-1-4 : نتيجه گيری
فصل پنجم: شبکه های عصبی و الگوريتم ژنتيک تعريف و کاربرد در بحٍث حفاظت در سيستم های قدرتبخش 1-5 : هماهنگي بهينه رله هاي اضافه جريان در شبك هاي با ساختارهاي متفاوت به كمك يك الگوريتم ژنتيك تركيبي
1-1-5 : چكيده
2-1-5 : مقدمه
3-1-5 : مسأله هماهنگي رله هاي اضافه جريان
4-1-5 : اعمال الگوريتم تركيب GA و LP
5-1-5 : نتايج عددي
6-1-5 : نتيجه گيري
بخش 2-5 : بهبود حفاظت ديفرانسيل ترانسفورماتور مبتني بر تكنيك بازدارنده شاري به كمك شبكه هاي عصبي
1-2-5 : خلاصه
2-2-5 : مقدمه
3-2-5 : الگوريتم مورد استفاده
4-2-5 : بكارگيري شبكه عصبي
5-2-5 : جمع آوري داده هاي آموزشي
6-2-5 : ساختار شبكه عصبي
7-2-5 : نتايج شبيه سازي
8-2-5 : نتيجه گيري
3-5 : شبيه سازي رله ديستانس با استفاده از شبکه هاي عصبی
1 -3-5 : چکیده
2 -3-5 : مقدمه
3-3-5 : دیاگرام تک خطی سیستم قدرت
4-3-5 : شبکه هاي عصبی مصنوعی
5-3-5 : بلوك دیاگرام و فلو چارت رله دیستانس عصبی
6-3-5 : روند تعلیم و نتایج تست رله عصبی
7-3-5 : نتیجه گیري
مراجع
برچسب ها:
پروژه کاربرد شبکه عصبی در تولید برق کاربرد شبکه عصبي در انتقال انرژی کاربرد الگوريتم ژنتيك در شبکه توزیع پروژه کاربرد شبکه عصبی در شبکه توزیع کاربرد الگوریتم ژنتیک در انتقال نیرو کاربرد الگوریتم ژنتیک حفاظت سیستم قدرت کاربرد شبکه عصبی در سيستم