• فهرست مطالب:

چکیده
1. مقدمه
2. کاربردهای شبکه عصبی در دعوی قضایی ساخت
3. عوامل مؤثر بر تصمیم گیری قضایی
4. روش تحقیق
4.1 شکل گیری مجموعه داده‌ها
4.2 شناسایی عوامل درونی
4.3 ساخت مدل شبکه عصبی
5. انجام آزمون‌ها برای ساخت مدل شبکه عصبی
6. تشریح تحلیل داده‌ها
7. نتیجه گیری

• بخشی از ترجمه:

7. نتیجه گیری
این تحقیق 16 عوامل درونی را که بر تصمیم گیری قضات در حل و فصل دعوی‌های مرتبط با تغییر در قراردادهای ساخت و ساز کشور هند مؤثر بودند، شناسایی کرد. این تحقیق امکان پذیری استفاده از مدل شبکه عصبی (NN) را جهت پیش بینی نتیجه مشاجرات مرتبط با تغییر در قرارداد بررسی نمود. چند آزمون با تغییر پارامترهای آموزش انجام گردید. مشاهده کردیم که شبکه MLP در قیاس با GFF نتایج بهتری را ارائه نمود. این چارچوب می‌تواند راه حلی مقرون به صرفه‌تر نسبت به روش‌های موجود برای حل مشاجرات عرضه کند. همین روش را می‌توان برای حل و فصل مشاجرات صنعت ساخت و ساز که در اثر سایر دعوی‌های متمایل به مشاجره تعمیم داد و زمانی که این دعوی‌ها بطور کامل شکل گرفتند، مدل پیشنهادی شبکه عصبی می‌تواند مورد مشورت پیمانکاران، مالکین یا قضات قرار گیرد تا فرآیند تصمیم گیری در مورد این مشاجرات آسان‌تر شود.

• بخشی از مقاله انگلیسی:

7. Conclusions

The study identified sixteen intrinsic factors, which influence the decision making of the arbitrators in resolving the claims related to variation in Indian construction contracts. The study explored the feasibility of using the NN model for the prediction of the outcome of disputes related to variation. Several test runs were conducted by varying the training parameters. It was observed that the MLP network gave better results as compared to GFF. This framework can offer a more cost-effective solution to dispute resolution than existing methods. The same methodology can be expanded for the resolution of construction disputes arising out of other dispute prone claims and when fully developed, the proposed NN model may be consulted by contractors, owners, or arbitrators to facilitate their decision-making process.

نوشته دانلود ترجمه مقاله استفاده از مدل شبکه عصبی پرسپترون چندلایه‌ای برای پیش بینی حاصل اختلاف نظر در ساخت – مجله الزویر اولین بار در ترجمه فا پدیدار شد.

• فهرست مطالب:

مقدمه
تعریف مسئله
سبب از بین رفتن زمان شما می گردد
Spam‌ محدود شخصی را از بین می برد
نابود کردن اصل end to end
تامین کننده های سرویس اینترنتی ISP
تحقیقات و کار های انجام شده برای جلوگیری از Spam
قانون داشتن
روش های تحقیق
الگوریتم شبکه های عصبی مصنوعی
نتایج
فاز تعلیم و آموزش
مشخص کردن ارزش پارامتر ها
فاز آزمایش کردن
نتایج و بحث ها
نحلیل نتایج
نتیجه و کار های آینده

• بخشی از ترجمه:

نتیجه و کار های آینده
در این تحقیق ما یک ساختار برای فیلترینگ Spam ارئه کردیم این ساختار پیشنهادی شامل یک درکی از طراحی برای یادگیری و تفاوت بین ارسال کننده های قانونی و غیر قانونی می باشد. این الگوریتم ادراکی منجر به استفاده از ویژگی های یادگیری پیوسته و همچنین دارای نرخ انتخاب مورد نظر میباشد.
• پیاده سازی الگوریتم ادراکی به یک فیلترینگ، در این صورت سرور توانایی درک اطلاعات قفل شده توسط آدرس های IP که در لیست سیاه تعریف شده است را دارد.
• تقابل و عملکرد بیشتر روی تکنیک های فیلترینگ برای مشخص کردن حالت های فعال سازی، همچنین تعداد تکرار ها و نرخ یادگیری برای اینکه بیشتر بتوان اطلاعات نامناسب را در لیست سیاه قرار داد.
• در نظر گرفتن ساختار فیلترینگ در یک بازه زمانی بلند مدت
• یکپارچه کردن فیلترینگ سرور برای ثبت وقایع متفاوت در فیلترینگ ایمیل سرور.

• بخشی از مقاله انگلیسی:

CONCLUSION AND FUTURE WORK

In this research, we presented a new technique for filtering spam that cannot be easily overcome by spammers. The technique consisted of a single perceptron that was designed to learn and distinguish legitimate and illegitimate sending server parameter values and messages. The perceptron algorithm due to the incorporation of a continuous learning feature also produces favourable detection rates. As future work, the researchers intend to: . Implement the perceptron algorithm in a filtering server so as to enable the perceptron to block server identification values such as IP addresses that will be listed in the Spamhaus’ blacklist . Conduct further performance tests on my filtering technique to determine the preferred activation function, learning rate and maximum iteration count required for my technique to achieve higher blocking statistics. . Observe the filtering technique over a longer period of time . Incorporate the use of Mail filtering server logs to track and record various events on each mail-filtering server at each filtering level

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله

نوشته دانلود ترجمه مقاله تشخیص اسپم با استفاده از شبکه عصبی مصنوعی اولین بار در ترجمه فا پدیدار شد.

فهرست مطالب:

چکیده
۱ مقدمه
۲ شبکه های عصبی مصنوعی
شبکه های عصبی پرسپترون چند لایه (MLP)
خصوصیات شبکه عصبی
۳ تقریب تابع کمانش استوانه کامپوزیت با روش MLP
مدلسازی و بحث
۴ الگوریتم های ژنتیکی
۱ ۴ کلیات
۲ ۴ توالی پشته سازی لامینات های کامپوزیت
۳ ۴ کاربرد GA برای به حداکثر رساندن بار کمانش بحرانی
۵ بهینه سازی پوسته لامینات کمپوزیت با لامینات های ۱۰ لایه:
۶ نتیجه گیری

بخشی از ترجمه:

 ۱ مقدمه

لامینات های کمپوزیت کاربردهای گسترده ای در سازه های هوافضا داشته و بهینه سازیهای توالی های پشته سازی نظیر واجب می باشد. بسیاری از سازه های تولید شده از این مواد نظیر تیرها در جعبه های بال هواپیما پوسته ها یا شل های دیواره نازکی تشکیل داده و همچنین مستعد شکست ناشی از کمانش می باشند. بنابراین لازم است آغاز این کمانش را بتوان پیش بینی نمود و اثر کمانش بر ظرفیت باربری سازه مشخص و کمیت سنجی گردد.
تا کنون، مسئله عمدتاً با استفاده از تکنیک های بهینه سازی بر مبنای گرادیان بررسی شده است. اخیراً با استفاده از الگوریتم های تکاملی مطالعه شده است که نوعی ابزارهای بهینه سازی می باشند که از گرادیان تابع هدف استفاده نمی کنند. الگوریتم ژنتیکی (GA) معمول ترین گزینه انتخابی مورد استفاده در تحقیق و پژوهش می باشد. GA در واقع به اجرای قواعد مطرح شده توسط نظریه داروین اشاره می کند. این الگوریتم ساده با مسائل بهینه سازی گسسته سرو کار دارد.
برای بهینه سازی توالی های پشته سازی، الگوریتم های ژنتیکی (GA) اقتباس شده اند. از آنجایی که GA یکی از شیوه های جستجوی تصادفی است، در نتیجه برای اجتناب از هر گونه کاهش در عملکرد محاسباتی نیاز به  فرایندهای تنظیم کننده پارامتر دارند. در جریان ارزیابی کروموزوم ها، این الگوریتم ها هزینه های محاسباتی بالایی دارند. محققین از روشهای بهینه سازی مختلف برای تعدادی از مسائل طراحی من جمله مواد کامپوزیت با استفاده ازمتغیرهای طراحی مثل جهت فیبر، ضخامت لایه ، یا توالی پشته سازی استفاده کردند. به عنوان یکی از روشها، برشمارش، ارزیابی کلیه طرح های ممکن دارای کاربرد محدودی می باشد؛ برای اکثر مسائل از لحاظ محاسباتی بسیار هزینه بر و برای بسیاری، غیر عملی می باشد. الگوریتم های ژنتیکی (GA) مناسب بهینه سازی توالی پشته سازی بوده و به خاطرتصادفی بودنشان، قادر به تولید بهینه های جایگزین (اپتیما) در دورهای مکرر می باشند.

بخشی از مقاله انگلیسی:

1. Introduction

composite laminates have widespread applications in aerospace structures, and optimizations of the corresponding stacking sequences are indispensable. Many of the structures manufactured from these materials such as spars in aircraft wing boxes constitute thin walled shells and as such are prone to failure by buckling. It is essential therefore that the onset of this buckling can be predicted, and the effect of buckling on the load carrying capacity of the structure is understood and quantified.

Until now, the problem has mainly been addressed by using gradient-based optimization techniques.

Recently, it has been studied by using evolutionary algorithms, which are optimization tools that do not make use of the gradient of the objective function. Genetic algorithm (GA) is the most common choices treated in literature. GA is an implementation of the rules stated by the Darwin’s theory. This simple algorithm deals with discrete optimization problems.

Genetic algorithms (GAs) are adopted for optimization of the stacking sequences [3–9]. Since GAs are one of the stochastic search approaches, they require several parameter tuning processes to avoid any reduction in the computational performance. In the evaluation of chromosomes, these GAs involve high computational costs.

Researchers applied various optimization methods to a number of different design problems involving composite materials using design variables such as fiber direction, ply thickness, or stacking sequence. As one of the methods, enumeration, evaluating all possible designs, has a restricted applicability; for most problems it is computationally too expensive, for many impracticable. Genetic algorithms (GA) are well suited for stacking sequence optimization, and because of their random nature, they can produce alternative optima in repeated runs. The first application of the algorithm to a structural design problem was presented by Goldberg and Samtani [1], who solved a well-known weight minimization problem of a 10-bar truss structure. The GA algorithm was also applied to optimization of composite laminates. Sivakumar et al. [2] attempted to design a laminated composite plate in the presence of elliptical cutouts for optimum free-vibration response. Park et al. [3] used a GA for the optimal design of composite laminates which comprises four plies subject to various in-plane loading conditions. Fiber orientations of layers were taken as design variables and the objective function was formulated using Tsai-Hill failure criterion. Kristinsdottir et al. [4] presented a formulation to optimize the design of large composite panels when loads vary over the panel. The aim was to minimize the weight of the panel using the thickness and orientations of layers as design variables. They used a global optimization algorithm, improving Hit-and-Run (IHR). Antonio [5] applied the Newton-Raphson iterative procedure and the arc-length method to optimize geometrically nonlinear composite structures based on load–displacement control. Using the fiber orientations as design variablesSavic et al. [6] tried to maximize beam bending and beam axial stiffness using IHR. Duvaut et al. [7] developed a method for determining the optimal direction and volume fraction of fibers at each point of a structure. The fiber orientation and the fiber volume fraction were assumed to be constant within each element of the model, but they varied from element to element.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله با فرمت ورد

خرید نسخه پاورپوینت این مقاله جهت ارائه

نوشته دانلود ترجمه مقاله شبکه عصبی و الگوریتم ژنتیکی در پشته سازی لامینیت کامپوزیتی اولین بار در ترجمه فا پدیدار شد.