research centers


Search results: Found 37

Listing 1 - 10 of 37 << page
of 4
>>
Sort by

Article
The Inverse Solution Of Dexterous Robot By Using Neural Networks
الحل العكسي لذراع انسان الي متعدد زوايا الوصول بأستخدام الشبكات العصبية

Authors: Samer Yahya Hadi سامر يحيى هادي --- Bahaa Ibraheem Kazem بهاء ابراهيم كاظم
Journal: Al-Khwarizmi Engineering Journal مجلة الخوارزمي الهندسية ISSN: 18181171 23120789 Year: 2007 Volume: 3 Issue: 1 Pages: 1-11
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

The inverse kinematics of redundant manipulators has infinite solutions by using conventional methods, so that, this work presents applicability of intelligent tool (artificial neural network ANN) for finding one desired solution from these solutions. The inverse analysis and trajectory planning of a three link redundant planar robot have been studied in this work using a proposed dual neural networks model (DNNM), which shows a predictable time decreasing in the training session. The effect of the number of the training sets on the DNNM output and the number of NN layers have been studied. Several trajectories have been implemented using point to point trajectory planning algorithm with DNNM and the result shows good accuracy of the end effector position for the desired trajectory.

هنالك عدد غير منته (infinity) من الحلول العكسية (inverse kinematics solutions) لذراع الية مطولةredundant arm) ) باستخدام الطرق التقليديه (conventional methods), لذلك استخدمت طريقة الشبكه العصبيه (neural network technique) لإيجاد حل واحد مرغوب به (one desired solution) من هذه الحلول. حيث استخدم في هذه البحث شبكه عصبيه مزدوجة (DNNM) لإيجاد الحلول العكسية (inverse kinematics solutions) لذراع تتكون من ثلاثة قطع تتحرك جميعها في سطح واحد (three links redundant planar robot). إن ألشبكه العصبية المزدوجة (DNNM) المستخدمة في هذا العمل أظهرت كفاءة عالية في تقليل الوقت اللازم لمرحلة التدريب (training ). إن تأثير عدد مجموعات التدريب ( (training setsعلى مخارج ((outputs ألشبكه العصبية المزدوجة (DNNM) قد تم دراستها في هذا العمل, و أظهرت النتائج بأن الدقة في إيجاد موقع نهاية الذراع ( (end effector قد تزيد عندما يضاعف عدد مجموعات التدريب ( (training sets. إن طريقة إيجاد المسار بين نقطتين ((point-to-point trajectory planning method قد تم دراستها في هذا العمل كذلك تم دراسة تأثير تغير عدد مجموعات التدريب ( (training setsعلى الدقة.


Article
Model Reference Adaptive Control based on a Self-Recurrent Wavelet Neural Network Utilizing Micro Artificial Immune Systems
نظام سيطرة متكيف ذو موديل مرجعي مبني على شبكة عصبية مويجية ذاتية التكرار باستخدام أنظمة المناعة الصناعية الدقيقة

Authors: Maryam Hassan Dawood مريم حسن داود --- Omar Farouq Lutfy عمر فاروق لطفي
Journal: Al-Khwarizmi Engineering Journal مجلة الخوارزمي الهندسية ISSN: 18181171 23120789 Year: 2017 Volume: 13 Issue: 2 Pages: 107-122
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

This paper presents an intelligent model reference adaptive control (MRAC) utilizing a self-recurrent wavelet neural network (SRWNN) to control nonlinear systems. The proposed SRWNN is an improved version of a previously reported wavelet neural network (WNN). In particular, this improvement was achieved by adopting two modifications to the original WNN structure. These modifications include, firstly, the utilization of a specific initialization phase to improve the convergence to the optimal weight values, and secondly, the inclusion of self-feedback weights to the wavelons of the wavelet layer. Furthermore, an on-line training procedure was proposed to enhance the control performance of the SRWNN-based MRAC. As the training method, the recently developed modified micro artificial immune system (MMAIS) was used to optimize the parameters of the SRWNN. The effectiveness of this control approach was demonstrated by controlling several nonlinear dynamical systems. For each of these systems, several evaluation tests were conducted, including control performance tests, robustness tests, and generalization tests. From these tests, the SRWNN-based MRAC has exhibited its effectiveness regarding accurate control, disturbance rejection, and generalization ability. In addition, a comparative study was made with other related controllers, namely the original WNN, the artificial neural network (ANN), and the modified recurrent network (MRN). The results of these comparison tests indicated the superiority of the SRWNN controller over the other related controllers.

يقدم هذا البحث نظام سيطرة متكيفا ذا موديل مرجعي ذكي باستخدام شبكة عصبية مويجية ذاتية التكرار للسيطرة على الأنظمة اللاخطية. الشبكة المقترحة هي نسخة محسنة لشبكة عصبية مويجية منشورة سابقا. وبالتحديد, هذا التحسين تم انجازه بتبني تعديلين على هيكل الشبكة الاصلي. وهذان التعديلات يتضمنان أولا استخدام مرحلة محددة لتوليد الأوزان لتحسين الاقتراب نحو قيم الأوزان المثلى, وثانيا تضمين أوزان ذاتية الإشارة العائدة لمويجات الطبقة المويجية. فضلا عن ذلك, تم اقتراح طريقة تعليم انية لتحسين أداء نظام السيطرة المقترح. وبوصفها طريقة تعليم, تم استخدام نظام المناعة الصناعي الدقيق المعدل والذي طور حديثا لايجاد القيم المثلى لمعاملات الشبكة المستخدمة. وقد تم عرض كفائة الطريقة المستخدة بالسيطرة على عدة انظمة ديناميكية لاخطية. وقد تم اعتماد عدة اختبارات تقييم لكل نظام مسيطر عليه وهذه الاختبارات تتضمن اختبارات اداء السيطرة و اختبارات المتانة واختبارات التعميم. ومن هذه الاختبارات اظهر النظام المقترح كفائته من حيث دقة السيطرة و رفض المؤثرات الخارجية وقابلية التعميم. بالاضافة لهذه الإختبارات, تم اجراء دراسة مقارنة مع مسيطرات اخرى ذات صلة وبالتحديد الشبكة العصبية المويجية الأصلية و الشبكة العصبية الصناعية والشبكة التكرارية المعدلة. وقد اظهرت نتائج هذه الدراسة تفوق المسيطر المقترح على المسيطرات الأخرى.


Article
The Investigation of Monitoring Systems for SMAW Processes
الأستقصاء عن أنظمة المراقبة و السيطــــره على عمليات اللحـــام بالقوس الكهربائي

Loading...
Loading...
Abstract

The monitoring weld quality is increasingly important because great financial savings are possible because of it, and this especially happens in manufacturing where defective welds lead to losses in production and necessitate time consuming and expensive repair. This research deals with the monitoring and controllability of the fusion arc welding process using Artificial Neural Network (ANN) model. The effect of weld parameters on the weld quality was studied by implementing the experimental results obtained from welding a non-Galvanized steel plate ASTM BN 1323 of 6 mm thickness in different weld parameters (current, voltage, and travel speed) monitored by electronic systems that are followed by destructive (Tensile and Bending) and non-destructive (Hardness on HAZ) tests to investigate the quality control on the weld specimens. The experimental results obtained are then processed through the ANN model to control the welding process and predict the level of quality for different welding conditions. It has been deduced that the welding conditions (current, voltage, and travel speed) have a dominant factors that affect the weld quality and strength. Also we found that for certain welding condition, there was an optimum weld travel speed to obtain an optimum weld quality. The system supports quality control procedures and welding productivity without doing more periodic destructive mechanical test to dozens of samples.

إنّ مراقبة نوعيةَ وجودة اللحامِ مهمةُ جداً لأنها تزيد احتمالية الارباح الماليةَ وهذه تَحْدثُ خصوصاً في عمليات الأنتاج حيث ان اللحام المعيوبِ يذهب مع الخسائرِ في الإنتاجِ ويَستلزمُ معالجته خسارة في الوقتِ والكلفة.هذا البحثِ يَتعاملُ مع مراقبة نوعية اللحام وقابليةِ التحكم في عمليةِ اللحام الأنصهاري بالقوسِ الكهربائي التي تَستعملُ شبكة عصبيةَ إصطناعيةَ (ANN) كنموذج.تأثير عناصر اللحامِ على نوعيةِ اللحامَ دُرِسَ بتَطبيق نَتائِجِ تجريبيةِ تم الحَصول عليها مِنْ لحام صفيحة الفولاذِ (1323 ASTM BN non-Galvanized) بسمك 6 مليمتر في ظروف اللحامِ المختلفةِ (تيار لحامِ، فولتية لحامِ، سرعة اللحامِ) تمت المراقبة بالأنظمةِ الإلكترونيةِ، ثم تُبعت بأختبارات فحص أتلافية لعينات (أختبار الشدّ والإنحْناء) وغيرأتلافية لعينات أخرى (أختبار الصلادة) لتَحرّي مراقبة الجودة على نماذجِ اللحام.إنّ النَتائِجَ التجريبيةَ المكتسبةَ تمّ معالجتها بأدخالها لنموذجِ الشبكة العصبيةِ الإصطناعيِة للسَيْطَرَة على عمليةِ اللحام وتوقّعُ مستوى النوعيةِ لظروف اللحام المختلفةِ.إستُنتِجَ بأنّ ظروف اللحام (الفولتية، التيار، سرعة اللحام) كَانَت العوامل المهيمنة التي أَثّرتْ على نوعيةِ وقوّةِ اللحامَ. أيضاً وَجدنَا انه عند تحديد ظروف اللحام، كانت هناك سرعةُ لحام قصويةِ للحُصُول على نوعيةَ لحامِ قصويةِ.يَدْعمُ النظامُ إجراءاتَ مراقبة الجودةِ وانتاجية اللحام بدون عَمَل إختبار ميكانيكي تدميري الى أكثرِ من العشراتِ من العيناتِ.


Article
Comparison Study of Electromyography UsingWavelet and Neural Network
دراسة مقارنة لاشارة التخطيط العضلي باستخدام المويجة و الشبكات العصبية

Authors: Sadeem Nabeel Saleem سديم نبيل سليم --- Nebras Hussain Gheab نبراس حسين غائب
Journal: Al-Khwarizmi Engineering Journal مجلة الخوارزمي الهندسية ISSN: 18181171 23120789 Year: 2008 Volume: 4 Issue: 3 Pages: 108-119
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

In this paper we present a method to analyze five types with fifteen wavelet families for eighteen different EMG signals. A comparison study is also given to show performance of various families after modifying the results with back propagation Neural Network. This is actually will help the researchers with the first step of EMG analysis. Huge sets of results (more than 100 sets) are proposed and then classified to be discussed and reach the final.

في هذا البحث, قدمنا طريقة لتحليل خمس انواع لخمسة عشر مجموعة من مجاميع المويجة لثمانية عشر اشارة عضلية مختلفة. الدراسة المقارنة تظهر ايضا اداء المجاميع المحتلفة بعد معالجة و تحوير النتائج باسلوب الارجاع العكسي للشبكات العصبية. هذا سوف يساعد الباحثين في الخطوة الاولى لتحليل الاشارة العضلية. كم هائل من النتائج تقدم و تصنف للمناقشة و الوصول الى نتائج


Article
Prediction Of Monthly Rainfall In Kirkuk Using Artificial Neural Network And Time Series Models
التنبؤ بالأمطار الشهرية لمدينة كركوك باستخدام إلشبكات العصبية الاصطناعية ونماذج السلاسل الزمنية

Author: . Shaymaa Abdul MuttalebAlhashimi شيماء عبد المطلب
Journal: Journal of Engineering and Sustainable Development مجلة الهندسة والتنمية المستدامة ISSN: 25200917 Year: 2014 Volume: 18 Issue: 1 Pages: 129-143
Publisher: Al-Mustansyriah University الجامعة المستنصرية

Loading...
Loading...
Abstract

One of the major problems in water resources management is the rainfall forecasting. With the effect of rainfall on water resources as a foregone conclusion, more accurate prediction of rainfall would enable more efficient utilization of water resources and power generation. On the other hand, climate and rainfall are highly non-linear and complicated phenomena, which require non-linear mathematical modeling and simulation for accurate prediction. One of the non-linear techniques being recently used for rainfall forecasting is the Artificial Neural Networks (ANN) approach which has the ability of mapping between input and output patterns without a prior knowledge of the system being modeled. In this study, three rainfall prediction models were developed and implemented based on past observations such as time series models based on autoregressive integrated moving average (ARIMA),Artificial Neural Network ANN model and Multi Linear Regression MLR model. A Feed Forward Neural Network FFNN model was applied to predict the rainfall on monthly basis. In order to evaluate the performance of three models, statistical parameters were used to make the comparison between these models. These parameters include the correlation coefficient (R) and Root Mean Square Errors(RMSE). The data set that has been used in this study includes monthly measurements for the rainfall, mean temperature, wind speed and relative humidity from year 1970 to 2008 for Kirkuk station. The models were trained with (25 years) of monthly rainfall data. The ANN, ARIMA and MLR approaches are applied to the data to derive the weights and the regression coefficients respectively. The performances of the models were evaluated by using remaining (13 years) of data. By comparing R2 values (0.91, 0.85, and 0.823) of the models, the study reveals that ANN model can be used as an appropriate forecasting tool to predict the monthly rainfall, which is preferable over the ARIMA model and MLR model.

واحدة من المشاكل الرئيسية في إدارة الموارد المائية هو التنبؤ بسقوط الأمطار.ومع تأثير الأمطار على موارد المياهبات امرأ" مهما التنبؤ الدقيق للأمطار لغرض التمكين من الاستخدام الأمثل للموارد المائية وتوليد الطاقة. من ناحية اخرى تعتبر الامطار من الظواهر غير الخطية المعقدة والتي تتطلب النمذجه الرياضية غير الخطية لغرض التنبؤ بها. واحدة من التقنيات غير الخطية المستخدمة حديثا" للتنبؤ بسقوط الإمطار هي الشبكات العصبية الاصطناعية(ANN) التي تمتلك القدرة على التنبؤ بنمط العلاقة بين المدخلات والمخرجات دون معرفة مسبقة للنموذج المراد تمثيله. في هذه الدراسة، تم تطوير ثلاثة نماذج للتنبؤ بهطول الأمطار اعتمادا" على بيانات سابقه وهذه النماذج هي نموذج السلاسل الزمنية على أساس متوسط الانحدار الذاتي المتكامل المتحرك (ARIMA) ونموذج الشبكات العصبية الاصطناعية((ANNوالنموذج الخطي المتعددMLR)). تم تطبيقا عادة توجيه تغذية نموذج الشبكة العصبية نموذج(FFNN)للتنبؤ بهطول الأمطار على أساس شهري. ومن أجل تقييم النماذج الثلاثة ، تم استخدام المعاملات الإحصائية للمقارنة بين هذه النماذج,وتشمل هذه المعايير معامل الارتباط(R) وجذر متوسط مربعات الأخطاء(RMSE). شملت مجموعة البيانات التي استخدمت في هذه الدراسة القياسات الشهرية لهطول الأمطار، سرعة الرياح, متوسط درجة الحرارة، والرطوبة النسبية خلال الفترة الزمنية منالعام1970 حتى 2008لمحطة كركوك. تم تدريب النماذج مع25 عاما" من بيانات هطول الأمطار الشهرية وتم تطبيق النماذج(ANN، ARIMAو(MLRعلى البيانات لاستخلاص الأوزان ومعاملات الانحدار على التوالي.أنجز تقييمأداءالنموذجبأستخدام13 سنة المتبقية من البيانات.من خلال مقارنةR2من النماذج، تم الاستنتاج على أنه يمكن استخدام نموذج((ANNكأداة تنبؤ مناسبة لقيم سقوط الأمطار، الذي يعتبر أفضل من نموذج( ARIMAو MLR).


Article
Modeling the removal of Cadmium Ions from Aqueous Solutions onto Olive Pips Using Neural Network Technique
نمذجة ازالة ايونات الكادميوم من المحاليل المائيه على نوى الزيتون باستخدام تقنيه الشبكه العصبيه الاصطناعيه

Authors: Zahraa Saud Nassir زهراء سعود ناصر --- Ayad A.H. Faisal اياد عبد الحمزه فيصل
Journal: Al-Khwarizmi Engineering Journal مجلة الخوارزمي الهندسية ISSN: 18181171 23120789 Year: 2016 Volume: 12 Issue: 3 Pages: 1-9
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

The uptake of Cd(II) ions from simulated wastewater onto olive pips was modeled using artificial neural network (ANN) which consisted of three layers. Based on 112 batch experiments, the effect of contact time (10-240 min), initial pH (2-6), initial concentration (25-250 mg/l), biosorbent dosage (0.05-2 g/100 ml), agitation speed (0-250 rpm) and temperature (20-60ºC) were studied. The maximum uptake (=92 %) of Cd(II) was achieved at optimum parameters of 60 min, 6, 50 mg/l, 1 g/100 ml, 250 rpm and 25ºC respectively. Tangent sigmoid and linear transfer functions of ANN for hidden and output layers respectively with 7 neurons were sufficient to present good predictions for cadmium removal efficiency with coefficient of correlation equal to 0.99798. The sensitivity analysis for outputs of ANN signified that the relative importance of initial pH equal to 38 % and it is the influential parameter in the treatment process, followed by initial concentration, agitation speed, biosorbent dosage, time and temperature.

تم نمذجة امتزاز ايونات الكادميوم عللى نوى الزيتون بأستخدام الشبكه العصبيه الاصطناعيه المتكونه من ثلاث طبقات. اعتمادآ على 112 تجربة بطريقة الدفعة , تم دراسة تأثير زمن التماس (10-240) دقيقة, الدالة الحامضية للمحلول (2-6) , التركيز الابتدائي (50-250) ملغم/ لتر, كمية المادة المازه (0.01-15) غم/100مل , سرعة الاهتزاز(0-250) دوره/ثانية و درجة الحرارة (20-60) سيليزية . تم الحصول على اعلى امتزاز للكادميوم (= 92(% من خلال الظروف المثلى الاتية:60 دقيقة,50ملغم/لتر,1غم/100مل,250 دورة/دقيقة,25سيليزية.وقد وجد ان Tangent sigmoidودوال التحويل الخطية للشبكه العصبيه الاصطناعية لكل من الطبقة المخفية والخارجية على التوالي مع 7 عصبات كافية لايجاد توقعات جيدة لكفاءة ازالة الكادميوم مع معامل ارتباط يساوي 0.99798 أظهر تحليل الحساسية أن الدالة الحامضية الابتدائية تمتلك التاثير الاكبر على عملية المعالجة وبنسبة تصل الى 38% يليها التركيز الابتدائي ثم سرعة الاهتزاز ثم كمية الماده المازه ثم الوقت واخيرا درجة الحرارة.


Article
Character Recognition Using Neural Network Learned by Artificial Bee Algorithm

Authors: BassimA. Jumaa --- Ayad Ghazi Naser --- Maryam khalaf
Journal: Iraqi Journal for Computers and Informatics ijci المجلة العراقية للحاسبات والمعلوماتية ISSN: 2313190X 25204912 Year: 2014 Volume: 41 Issue: 1 Pages: 39-46
Publisher: University Of Informatics Technology And Communications جامعة تكنولوجيا المعلومات و الاتصالات

Loading...
Loading...
Abstract

Character Recognition is the text recognition system that allows hard copies of written or printed text to be rendered into editable, soft copy versions. In this paper, work has been performed to recognize pattern using multilayer perceptron learning by Artificial Bee algorithm (ABC) that simulates the intelligent foraging behavior of a honey bee swarm. Multilayer Perceptron (MLP) trained with the standard back propagation (BP) algorithm normally utilizes computationally intensive training algorithms. One of the crucial problems with the BP algorithm is that it can sometimes yield the networks with suboptimal weights because of the presence of many local optima in the solutions space. The suggested method is to use ABC for learn the Neural Networks, to solve text character recognition problem, by update the Neural Networks weights. A comparison studies are made between ABC and BP methods in NN learning to specify which is better in solving character recognition problem.

تمييز الرموز هو نظام تمييز النصوص الذي يسمح بتحويل النسخ المكتوبة او المطبوعة الى نصوص قابلة للتعديل نسخة الالكترونية . ففي هذا البحث تم انجاز عملية تمييز الانماط باستخدام الشبكة العصبية متعددة الطبقات المتعلمة بواسطة خوارزمية مستعمرات النحل (ABC) والتي تحاكي السلوك الذكي لسرب النحل. الشبكة العصبية متعددة الطبقات سبق وان عُلِمت باستخدام خوارزمية الانتشار التراجعي القياسية (BP). ان واحدة من المشاكل التي تعانيها خوارزمية (BP) هو انتاج اوزان شبه مثالية بسبب الوقوع في بعض النهايات المثالية المحلية من فضاء الحلول. ان الطريقة المقترحةاستخدام (ABC) لتعليم الشبكة العصبية، لحل مسألة تمييز الرموز، من خلال تعديل الاوزان. وايضا تم اجراء دراسة مقارنة بين خوارزمية (ABC) و (BP) عند تعليم الشبكة لتحديد الطريقة الافضل عند حل مسألة تمييز الرموز.


Article
Text Encryption Algorithm Based on Chaotic Neural Network and Random Key Generator
ومولد مفاتيح عشوائي (Chaotic) خوارزمية تشفير نص تعتمد على الشبكة العصبية

Author: Ghada Salim Mohammed غادة سالم محمد
Journal: Ibn Al-Haitham Journal For Pure And Applied Science مجلة ابن الهيثم للعلوم الصرفة والتطبيقية ISSN: P16094042/ E25213407 Year: 2016 Volume: 29 Issue: 3 Pages: 222-233
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

This work presents a symmetric cryptography coupled with Chaotic NN , theencryption algorithm process the data as a blocks and it consists of multilevel( coding ofcharacter, generates array of keys (weights),coding of text and chaotic NN ) , also thedecryption process consists of multilevel (generates array of keys (weights),chaotic NN,decoding of text and decoding of character).Chaotic neural network is used as a part of theproposed system with modifying on it ,the keys that are used in chaotic sequence are formedby proposed key generation algorithm .The proposed algorithm appears efficiency during theexecution time where it can encryption and decryption long messages by short time and smallmemory (chaotic NN offer capacity of memory), also the system uses secret keys with arrayof keys (weights of NN), that change at each iteration.

خوارزمية , Chaotic في هذا العمل تم تمثيل استعمال نظام التشفير باستعمال المفتاح السري مع الشبكة العصبيةالتشفير تعالج البيانات بشكل مقاطع وتشمل عدة مستويات (ترميز حرف، وتوليد مصفوفة المفاتيح (الأوزان)، ترميزChaotic ( أيضا عملية فك التشفير تشمل عدة عمليات تتضمن (توليد مصفوفة المفاتيح (الأوزان ،(Chaotic NN ، النصكجزء من النظام المقترح مع بعض من التعديل عليها Chaotic فك النص، فك الحرف) تستخدم الشبكة العصبية ،NN,من خوارزمية توليد المفاتيح المقترحة. النظام المقترح اظهر الكفاءة من Chaotic NN وتتولد المفاتيح التي تستخدم فييوفر من chaotic NN) خلال وقت التنفيذ حيث يمكن تشفير وفك تشفير رسائل طويلة خلال وقت قصير وذاكرة صغيرةسعة الذاكرة). كذلك فأن النظام يستخدم مفاتيح سريه ومصفوفة مفاتيح (أوزان للشبكة العصبية) التي تتغير في كل دوره معكل مقطع.


Article
Control on a 2-D Wing Flutter Using an AdaptiveNonlinear Neural Controller
السيطرة على رفرفة جناح ثنائي الأبعاد باستخدام مسيطرعصبي لا خطي متكيف

Loading...
Loading...
Abstract

An adaptive nonlinear neural controller to reduce the nonlinear flutter in 2-D wing is proposed in the paper. The nonlinearities in the system come from the quasi steady aerodynamic model and torsional spring in pitch direction. Time domain simulations are used to examine the dynamic aero elastic instabilities of the system (e.g. the onset of flutter and limit cycle oscillation, LCO). The structure of the controller consists of two models :the modified Elman neural network (MENN) and the feed forward multi-layer Perceptron (MLP). The MENN model is trained with off-line and on-line stages to guarantee that the outputs of the model accurately represent the plunge and pitch motion of the wing and this neural model acts as the identifier. The feed forward neural controller is trained off-line and adaptive weights are implemented on-line to find the flap angles, which controls the plunge and pitch motion of the wing. The general back propagation algorithm is used to learn the feed forward neural controller and the neural identifier. The simulation results show the effectiveness of the proposed control algorithm; this is demonstrated by the minimized tracking error to zero approximation with very acceptable settling time even with the existence of bounded external disturbances.

تم في هذا البحث اقتراح مسيطر عصبي لاخطي متكيف للسيطرة على الرفرفة لنموذج جناح ثنائي الأبعاد. تنشا المؤثرات اللاخطية في منظومة الجناح من النموذج الايرودينامي شبه المستقر والنابض ألالتوائي باتجاه التأرجح. تم تحديد المنطقة التي يكون فيها النظام غير مستقر من خلال فحص استجابته مع الزمن حيث تم إيجاد السرعة التي تبدأ عندها ظاهرة الرفرفة والتذبذب الدوري المحدد. تتكون هيكلية المسيطر من نموذجين هما الشبكة العصبية المحسنة لألمن(MENN) و بيرسبتون متعدد الطبقات (MLP) .لقد تم تأهيل النموذج (MENN) في مرحلتين هما مرحلة الخط المغلق ومرحلة الخط المفتوح لضمان تطابق مخرج النموذج العصبي مع مخرج منظومة الجناح وهو حركة التأرجحية والحركة العمودية لتكوين النموذج العصبي المعرف. تم تأهيل المسيطر العصبي الأمامي من خلال الخط المغلق ثم تم تحديث الأوزان لهذا المسيطر من خلال الخط المفتوح لإيجاد زاوية الخافقة المطلوبة التي تسيطر على حركة التأرجح والحركة العمودية.تم استخدام خوارزمية الانتشار الخلفي لتأهيل النموذجين. كانت نتائج المحاكاة لهذا المسيطر العصبي اللاخطي فعالة من خلال تقليل الرفرفة إلى صفر وبزمن استقرار مناسب مع وجود ضوضاء خارجية


Article
Fuzzy Wavenet (FWN) classifier for medical images
تصنيف الصور الطبية باستخدام تقنية التحويل المويجي مع المضبب

Authors: Entather Mahos انتظار مهوس زغير --- Dr.A.barsoum عوطف برسوم --- Dr.Walid.A.Mahmoud وليد امين جوهر
Journal: Al-Khwarizmi Engineering Journal مجلة الخوارزمي الهندسية ISSN: 18181171 23120789 Year: 2005 Volume: 1 Issue: 2 Pages: 1-13
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

The combination of wavelet theory and neural networks has lead to the development of wavelet networks. Wavelet networks are feed-forward neural networks using wavelets as activation function. Wavelets networks have been used in classification and identification problems with some success.
In this work we proposed a fuzzy wavenet network (FWN), which learns by common back-propagation algorithm to classify medical images. The library of medical image has been analyzed, first. Second, Two experimental tables’ rules provide an excellent opportunity to test the ability of fuzzy wavenet network due to the high level of information variability often experienced with this type of images.
We have known that the wavelet transformation is more accurate in small dimension problem. But image processing is large dimension problem then we used neural network. Results are presented on the application on the three layer fuzzy wavenet to vision system. They demonstrate a considerable improvement in performance by proposed two table’s rule for fuzzy and deterministic dilation and translation in wavelet transformation techniques.

الجمع بين طريقة المويجة والشبكات العصبية يقودنا إلى تطوير لشبكات المويجية . حيث أن الشبكات المويجية هي شبكات عصبية تقدمية تستخدم معادلات المويجة كدالة فعالة في الطبقات المخفية.شبكة المويجات استخدمت لحل مشاكل التصنيف والتعريف بنجاح.في هذا العمل تم اقتراح تصميم شبكة المويجات الغامضة (FWN) والتي يمكن تدربها باستخدام خوارزمية التراجع العكسي لتصنيف الصور الطبية . في البداية تم تحليل وترتيب مكتبة لصور الطبية. وثانياً تم تصنيف جداول عملية وناجحة لاختبار قابلية شبكة المويجات الغامضة نتيجة للتغير العالي بالمعلومات داخل هذه الصور. نحن نعرف بان التحويل باستخدام المويجات هو جداً دقيق بالنسبة لمشاكل ذات المجال الصغير ولكن المعالجة الصورية هي مشكلة ذات مجال كبير لذلك سوف نستخدم الشبكة العصبية . وتم الحصول على نتائج من خلال استخدام شبكة ثلاثية محددة بمعادلات المويجات الغامضة. وتم الحصول على نتائج تعتمد في دقتها على نوعين من الجداول التي من خلالها التي من خلالها يتم تحديد قيمة التقلص والانبساط باستخدام التقنية المويجية .

Listing 1 - 10 of 37 << page
of 4
>>
Sort by
Narrow your search

Resource type

article (37)


Language

Arabic and English (37)


Year
From To Submit

2018 (2)

2017 (2)

2016 (5)

2014 (9)

2013 (5)

More...