[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
آرشیو مجله و مقالات::
برای نویسندگان::
برای داوران::
ثبت نام و اشتراک::
تماس با ما::
تسهیلات پایگاه::
آمار نشریه::
فهرست داوران::
شبکه‌ های اجتماعی::
::
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
:: جستجو در مقالات منتشر شده ::
2 نتیجه برای محمدی

آقای مجید حسین پور، دکتر مصطفی محمدیان، دکتر علی یزدیان ورجانی،
دوره 1، شماره 2 - ( 10-1392 )
چکیده

در این مقاله عملکرد موازی اینورترهای سه فاز چهار ساق در حضور بارهای نامتعادل و غیرخطی به روش کنترل افتی بررسی شده است. جهت کنترل اینورترهای موازی بایستی برای اینورتر دو حلقه کنترلی داخلی جریان و خارجی ولتاژ طراحی گردد. در این مقاله جهت حصول اطمینان از عملکرد مناسب سیستم پیشنهادی در حضور بارهای نامتعادل و غیرخطی، کنترل‌کننده تناسبی برای حلقه داخلی جریان و کنترل کننده تناسبی-رزونانسی برای حلقه خارجی ولتاژ پیشنهاد و طراحی شده است. سیستم کنترل تقسیم توان اینورترهای موازی شامل حلقه کنترل افتی و امپدانس خروجی مجازی می‌باشد. سیستم پیشنهادی توانایی تغذیه بارهای متعادل، نامتعادل و غیرخطی را داشته و به همراه تقسیم توان دقیق بین اینورترهای چهارساق موازی، ولتاژ سینوسی مناسبی را در دو سر بارها تامین می‌کند. نتایج شبیه‌سازی عملکرد مناسب سیستم پیشنهادی را نشان میدهند.
حامد ریاضتی سرشت، دکتر کریم محمدی،
دوره 10، شماره 1 - ( 1-1402 )
چکیده

مسئله کمبود نمونه های آموزش یکی از چالش های اصلی در به کارگیری شبکه های عصبی کانولوشنال عمیق[1] برای طبقه بندی اصوات محیطی[2] است. یکی از رویکرد های مورد توجه برای مواجه با چالش مذکور، انتقال یادگیری[3] است که در آن مدلی از پیش آموزش دیده به روی دادگانی با ابعاد بزرگ[4]، به کابرد هدف با اعمال تنظیمات جزیی[5] تطبیق داده می شود. در این پژوهش، ما نشان می دهیم که در هر لایه همه نورون/کرنل ها تأثیر یکسانی در تشخیص نمونه های کلاس های مختلف ندارند، بلکه به ازای هر کلاس زیرگروهی خاص نقش اصلی و حیاتی را در طبقه بندی بازی می کند. از این رو و با توجه به وجود شباهت های زیاد بین برخی ازکلاس های مبدأ و هدف، پیشنهاد می کنیم که تمرکز تنظیمات جزیی در هر لایه تنها معطوف به زیرگروهی از نورون/کرنل ها شود که به شدت نیازمند تغییرات هستند و مسئول اصلی خطا در طبقه بندی نمونه های ورودی هستند، و باقی دست نخورده رها شوند. برای شناسایی زیرگروه های مذکور، یک مسئله یادگیری تو در تو طرح می کنیم و یک رویکرد تکاملی مؤثر برای حل آن پیشنهاد می کنیم. ارزیابی روش پیشنهادی بیانگر بهبود مطلق به اندازه 1.9% و 2.3% در دقت طبقه بندی[6] به ترتیب به روی دادگان های ESC-50 و DCASE-17 نسبت به روش مرسوم انتقال یادگیری است؛ بهبودی که بدون اضافه کردن داده جدید و تنها با بهره برداری مؤثرتر از دانش موجود در شبکه از پیش آموزش دیده بدست آمده است. همچنین، افزایش زمان آموزش به ازای روش تکاملی پیشنهادی کم و در حدود یک سوم زمان لازم برای آموزش شبکه از ابتدا[7]  برآورد شده است.
 
[1] Deep convolutional neural network
[2] Environmental sound classification
[3] Transfer learning
[4] Large-scale dataset
[5] Fine-tuning
[6] Classification accuracy
[7] Training from scratch


صفحه 1 از 1     

سامانه های غیرخطی در مهندسی برق Journal of Nonlinear Systems in Electrical Engineering
نشریه سامانه‌های غیرخطی در مهندسی برق در خصوص اصول اخلاقی انتشار مقاله، از توصیه‌های «کمیته بین‌المللی اخلاق نشر» موسوم به COPE و «منشور و موازین اخلاق پژوهش» مصوب معاونت پژوهش و فناوری وزارت علوم، تحقیقات و فناوری تبعیت می‌کند.
Persian site map - English site map - Created in 0.13 seconds with 26 queries by YEKTAWEB 4657