انواع شبکه های عصبی و کاربرد آنها در الکترونیک

الگوریتم بهینه سازی توده ذرات ‎( PSO )

الگوریتم  PSO یک الگوریتم جستجوی اجتماعی است که از روی رفتار اجتماعی دسته‌های پرندگان مدل شده است. در ابتدا این الگوریتم به منظور کشف الگوهای حاکم بر پرواز همزمان پرندگان و تغییر ناگهانی مسیر آنها و تغییر شکل بهینه‌ی دسته به کار گرفته شد . در PSO، ذرات  در فضای جستجو جاری می‌شوند. تغییر مکان  ذرات در فضای جستجو تحت تأثیر تجربه و دانش خودشان و همسایگانشان است. بنابراین موقعیت دیگر توده  ذرات روی چگونگی جستجوی یک ذره اثر می‌گذارد . نتیجه‌ی مدل‌سازی این رفتار اجتماعی فرایند جستجویی است که ذرات به سمت نواحی موفق میل می‌کنند. ذرات از یکدیگر می‌آموزند و بر مبنای دانش بدست آمده به سمت بهترین همسایگان خود می‌روند اساس کار PSO بر این اصل استوار است که در هر لحظه هر ذره مکان خود را در فضای جستجو با توجه به بهترین مکانی که تاکنون در آن قرار گرفته است و بهترین مکانی که در کل همسایگی‌اش وجود دارد، تنظیم می‌کند.

الگوریتم بهینه سازی توده ذرات ‎( PSO )

کامپیوتر 125. توسعه مدل های رشد قابلیت اطمینان نرم افزاری برای کاربردهای صنعتی با استفاده از منطق فازی

توسعه مدل های رشد قابلیت اطمینان نرم افزاری برای کاربردهای صنعتی با استفاده از منطق فازی
چکیده صورت مسأله : استفاده از مدل های رشد قابلیت اطمینان نرم افزار (SRGM) نقش مهمی در نظارت بر پیشرفت، پیش بینی دقیق تعداد خطاها در نرم افزار در طول هر دو فرایند توسعه و آزمایش بازی می کند. تاریخ انتشار محصولات نرم افزار را تعریف  میکند، و به تخصیص منابع و برآورد هزینه تعمیر و نگهداری نرم افزار کمک میکند. این امر منجر به دستیابی به سطح اطمینان مورد نیاز یک محصول نرم افزار میشود.رویکرد: ما استفاده از منطق فازی در ساخت SRGM  را به منظور برآورد خطاهای نرم افزاری مورد انتظار در طول فرآیند آزمایش مورد بررسی قرار میدهیم. نتایج : مدل فازی پیشنهادی شامل مجموعه ای از زیر مدل های خطی، .....نتیجه گیری: مدل های توسعه یافته قابلیت های مدل سازی با کارایی بالا را فراهم میکنند.
واژه های کلیدی:  مدل های رشد قابلیت اطمینان نرم افزار (SRGM)،تکنیک Takagi-Sugeno ، منطق فازی (FL) ، شبکه های عصبی مصنوعی (ANN) ، برنامه نویسی ژنتیک (GP)، ساختار مدل، مدل رگرسیون خطی، فضایی ناسا

انواع شبکه های عصبی و کاربرد آنها در الکترونیک