research centers


Search results: Found 271

Listing 1 - 10 of 271 << page
of 28
>>
Sort by

Article
Automatic Construction of General Non-Recurrent Neural Network Using Genetic Programming
البناء الألي للشبكات العصبية العامة ذات التغذية الأمامية بأستخدام البرمجة الجينية

Author: Noora A. Al-Saidi
Journal: Al-Rafidain University College For Sciences مجلة كلية الرافدين الجامعة للعلوم ISSN: 16816870 Year: 2009 Issue: 24 Pages: 88-112
Publisher: Rafidain University College كلية الرافدين الجامعة

Loading...
Loading...
Abstract

An Artificial Neural Network (ANNs) is a model that has been studied for many years in the hope of achieving human like performance. It was used in many applications like (pattern recognition, signal processing, vision, speech recognition, and decisions making aids and robotics).There are many types of ANNs, most of these types are suffering from some problems such as Convergence, Design and some of these ANNs cannot solve the non-linear problems.Since Genetic Programming (GP) is a machine learning technique used in the automatic induction of computer programs, therefore we used it as automatic system for designing and implementing ANNs trying to overcome the previous problems.In this paper we proposed an approach to build ANNs based on evolutionary computation, which uses the GP to evolve both the architecture and weights of General non-recurrent NN simultaneously. New GP modification operations were proposed which are (structure-preserving crossover, structure-preserving mutation, and structure-preserving permutation), these modification operations have clear effects in improving the results of the proposed system.The proposed system has been used in solving five simple problems which are (AND, OR, NOT, Exclusive-OR, and Half-Adder) problems. In addition, we compare the results of the proposed system with Koza work and with three major types of supervised ANNs, which are (Perceptron, Back-Propagation, and Adaline).

الشبكات العصبية الاصطناعية هي عبارة عن نموذج تم دراسته خلال سنين طويلة أملاً للوصول به لكفاءة الإنسان ، و تم استخدام هذا النموذج في الكثير من التطبيقات مثلاً ( تمييز الأنماط ، معالجة الإشارات ، الرؤيا في الحاسبات ، تمييز الأصوات ، أنظمة اتخاذ القرارات ، و في الإنسان الآلي ).يوجد هناك أنواع كثيرة من الشبكات العصبية الاصطناعية و لكن أكثر أنواعها يعاني من بعض المشاكل مثل مشكلة التقرب للحل و مشكلة التصميم و بعض هذه الشبكات لا يمكن استخدامها لحل المشاكل اللاخطية.لكون البرمجة الجينية تمثل ماكنة تعلم تستخدم في البناء الآلي لبرامج الحاسوب لذلك قمنا باستخدامها كنظام آلي لتصميم و بناء الشبكات العصبية الاصطناعية لحل المشاكل السابقة و التي ذكرت اعلاه.في هذا البحث تم اقتراح وسيلة جديدة لبناء الشبكات العصبية الاصطناعية معتمدةً على استخدام البرمجة الجينية لتعديل كل من معمارية و أوزان الشبكات العصبية الاصطناعية في نفس الوقت.تم اقتراح عمليات جديدة تخص البرمجة الجينية في هذا البحث و هي ( Structure-preserving Crossover ) و ( Structure-preserving Mutation ) و ( Structure-preserving Permutation ) . و قد اتضح تأثيرها الإيجابي في عملية تحسين نتائج النظام المقترح.تم استخدام النظام المقترح لحل خمسة مشاكل و هي ( AND, OR, NOT, XOR, HALF-ADDER ) بالإضافة إلى ذلك تمت مقارنة النتائج المستحصلة من النظام مع نتائج عمل ( Koza ) و مع ثلاث أنواع رئيسية من الشبكات العصبية الاصطناعية و هي ( Perceptron, Back-Propagation, and Adaline ).


Article
Comparison between Lamarckian evolution and Baldwin evolution of Neural Network
مقارنة بين التطور اللاماركياني و التطور البالدويني في الشبكات العصبية

Author: Imad F. T. Yaseen
Journal: Al-Rafidain University College For Sciences مجلة كلية الرافدين الجامعة للعلوم ISSN: 16816870 Year: 2006 Issue: 19 Pages: 217-232
Publisher: Rafidain University College كلية الرافدين الجامعة

Loading...
Loading...
Abstract

Genetic algorithms are very efficient at exploring the entire search space; however, they are relatively poor at finding the precise local optimal solution in the region at which the algorithm converges. Hybrid genetic algorithms are the combination of learning algorithm (Backpropagation), usually working as evaluation functions, and genetic algorithms. There are two basic strategies in using hybrid GAs, Lamarckian and Baldwinian evolution. Traditional schema theory does not support Lamarckian learning, i.e., forcing the genetic representation to match the solution found by the learning algorithm. However, Lamarckian learning does alleviate the problem of multiple genotypes mapping to the same phenotype. Baldwinian learning uses learning algorithm to change the fitness landscape, but the solution that is found is not encoded back into the genetic string. We presented hybrid genetic algorithms for optimizing weights as well as the topology of artificial neural networks, by introducing the concepts of Lamarckian and Baldwin evolution effects. Experimental results with extensive set of experiments show that the hybrid genetic algorithm exploiting the Baldwin effect more effect than Lamarckian evolution but is slow in convergence, and The results of the proposed algorithms outperformed those of the previous algorithms.

الخوارزميات الوراثية كفوءة جدا في إستكشاف كامل فضاء البحث ,وعلى كل حال تعتبر فقيرة نسبيا في إيجاد الحلّ المثالي المحليّ الدقيق في المنطقة حيث تتقارب الخوارزمية . الخوارزميات الوراثية الهجينة تكون مجموعة من خوارزمية التعلّم (أنسياب الخطأ خلفا)التي تعمل عادة كدالة تقييم , والخوارزمية الوراثية.هناك إستراتيجيتان أساسيتان في إستعمال الخوارزمية الهجينة هما التطور اللاماركياني Lamarckian والتطور البالدويني Baldwinian . نظرية التماثل التقليدية لا تدعم التعلم اللاماركياني، وبمعنى آخر يجبر التمثيل الوراثي على مطابقة الحلّ الذي وجد بخوارزمية التعلّم.حيث التعلم اللاماركياني يعاني مشكلةمطابقة تعدد النمط الجيني genotypes إلى نفس النمط الظاهري phenotype.التعلم البالدويني يستخدم خوارزميةالتعلّم لتغييّر منظر الصلاحية، لكن الحلّ الذي يجده لم يرجع ليشفّرالخيط الوراثي. قدّمنا خوارزميات وراثية هجينة لتحسين الأوزان(مجموعة الموصلات) بالإضافة إلى الهيكل المثالي الى الشبكات العصبية الإصطناعية، بتقديم تأثير مفاهيم التطور اللاماركياني والتطورالبالدوين. النتائج التجريبية المجموعة الشاملة من التجارب وجدت الخوارزمية الوراثية الهجينة أنّ التطور البالدوين اكثر تأثيرا من التطور اللاماركياني لكنها بطيئة في التقارب،أضافة الى تفوق الخوارزميات المقترحة على الخوارزميات السابقة في تحديد أوزان و هيكل الشبكات العصبية .


Article
Neural network based branch prediction unit in modern microprocessors
وحدات التنبؤ بوجود التفرع في المعالجات الحديثة بالاعتماد على الشبكات العصبية

Author: Faiz A. AL – Alawy فائز عباس العلوي
Journal: Al-Rafidain University College For Sciences مجلة كلية الرافدين الجامعة للعلوم ISSN: 16816870 Year: 2006 Issue: 18 Pages: 102-117
Publisher: Rafidain University College كلية الرافدين الجامعة

Loading...
Loading...
Abstract

For the modern microprocessors, as pipelines get deeper, or issuing rate gets higher, the penalty imposed by branching instructions gets larger. To reduce this penalty, branch prediction is used. Branch prediction unit is an important part of modern processor architectures. Its responsibility is to predict whether branches will be taken or not taken before they are actually executed.The application of ANNs have been considered in this work as a good alternative for solving the problem of branch prediction. Single and multilayer preceptron neural nets have been used to design a new branch predictor. The designed neural nets have been tested for different applications.A comparative analysis and study have been carried out with the other known prediction techniques. The achieved results show very high prediction accuracy.The prediction accuracy rates are calculated for different types of neural predictors and conventional predictors. It has been concluded that the neural predictors are better than conventional predictors, but in the other side, when using adaptive techniques, the neural predictors are comparable to conventional two-level predictors with the same size of input. Regarding the same hardware budget, neural predictors are the best, but they might take more time for computing branch prediction than conventional predictors.

في المعالجات الدقيقة الحديثة ،وبزيادة عدد الوحدات الداخلية التي تعمل على التوازي ،أو بزيادة معدلات الإنجاز للمعالج فأن ضريبة تنفيذ ايعازات التفرع تكون اكبر .لغرض تقليل هذه الخسارة يتم الاعتماد على التنبؤ بوجود التفرع قبل حدوثة.أن وحدات التنبؤ تعتبر جزء أساسي من المعالجات الحديثة ،حيث أن وظيفتها هي التنبؤ فيما لو أن التفرع في البرنامج سوف يؤخذ به أم لا قبل مرحلة التنفيذ الفعلي.تم استخدام الشبكات العصبية الاصطناعية في هذا البحث كبديل جيد لحل مشكلة التنبؤ بوجود التفرع . تم استخدام شبكات عصبية نوع بيرسيترون،أحادية الطبقة ومتعددة الطبقات لغرض تصميم وحدة جديدة للتنبؤ بالتفرع ،وقد تم اختبار هذه الوحدة في عدة تطبيقات.تم تنفيذ دراسة وتحليل مقارن مع طرق التنبؤ الأخرى المعروفة .وأظهرت النتائج التي تم الحصول عليها دقة تنبؤ عالية .لقد تم حساب دقة التنبؤ لمختلف أنواع وحدات التنبؤ .تم استنتاج أن وحدات التنبؤ العصبية افضل من وحدات التنبؤ التقليدية ،ولكن باستخدام تقنيات التعشيق ،كانت وحدات التنبؤ التقليدية ثنائية التركيب موازية في الأداء لوحدات التنبؤ العصبية لنفس الحجم من المدخلات . من ناحية حجم الدائرة الإلكترونية ،كانت وحدات التنبؤ العصبية هي الأفضل ولكنها ممكن أن تستغرق وقت اكبر لحساب التنبؤ نسبة إلى وحدات التنبؤ التقليدية .


Article
ARTIFICIAL NEURAL NETWORK IMPLEMENTATION FOR SOLVING LINEARPROGRAMMING MODELS

Authors: ABDUL KAREEM F. HASSAN --- FATHALLAH FADHIL KHALAF
Journal: Journal of Kufa for Mathematics and Computer مجلة الكوفة للرياضيات والحاسوب ISSN: 11712076 Year: 2014 Volume: 2 Issue: 1 Pages: 113-121
Publisher: University of Kufa جامعة الكوفة

Loading...
Loading...
Abstract

This work does not use the classical methods (simplex method, Branch and Bound techniques) which were normally used for solving Linear programming models. The proposed algorithm was considered for implementation with Artificial Neural Network (ANN) using MatLab tool box. It was found that implementation of the neural network will provide comprehensive results when applied with any linear programming models. Besides Artificial Neural Networks are artificial intelligence methods for modeling complex target functions, and are considered to be among the most effective learning methods currently known. Implementation in solving linear programming models became very interesting, as ANNs became appropriate solution where a huge data (number of variables and constraints) is considered. In this work, general model of ANN specified for solving the problem of linear programming will be shown and discussed.The results show a great improvement in prediction of results with a minimum percentage error.


Article
Determine the effect of giving a patient multiple drugs at the same time by using neural network
تحديد تأثير إعطاء المريض أدوية متعددة في الوقت نفسه باستخدام الشبكة العصبية

Authors: Wedad Abdul khaddar Nasir وداد عبد القادر نصر --- Safana Hyder Abbas سفانة حيدر عباس
Journal: Iraqi Journal of Information Technology المجلة العراقية لتكنولوجيا المعلومات ISSN: 19948638/26640600 Year: 2017 Volume: 7 Issue: 4 اللغة الانكليزية Pages: 180-191
Publisher: iraqi association of information الجمعية العراقية لتكنولوجيا المعلومات

Loading...
Loading...
Abstract

The aim of this study is to construct a neural network for drug-interaction to facilitate the task of finding the interaction which occur between multiple drugs given to the patient at the same time. The suggested system used to enable physicians and pharmacists to find the interaction which occur between multiple drugs prescribed to patients to get the safe, beneficial and effective therapy. The suggested system may be considered as practical approach that can be implemented in general hospitals, pharmacies, also in colleges as educational and teaching system. It was a good practice for physician pharmacists to use the computer for prescribing a safe therapy to patients and for learning

الهدف من هذا البحث هو تكوين شبكة عصبية باستخدام خوارزميةBack-propagation من اجل تسهيل اكتشاف التداخل بين الادوية عندما يتناول المريض أكثر من دواء بنفس الوقت . الطريقة المقترحة تساعد الاطباء و الصيادلة في المستشفيات و كليات المجموعة الطبية لتحديد نوع الضرر الذي يصيب المريض نتيجة تناوله اكثر من دواء بنفس الوقت.


Article
Design Feed Forward Neural Network To Solve Boundary Value Problems
تصميم شبكة عصبية ذات تغـذية تقـدمية لحل مسائل قيم حدودية

Authors: Luma. N. M. Tawfiq لمى ناجي محمد توفيق --- Muna. H. Ali منى حسين علي
Journal: Journal of university of Anbar for Pure science مجلة جامعة الانبار للعلوم الصرفة ISSN: ISSN: 19918941 Year: 2013 Volume: 7 Issue: 1 Pages: 149-157
Publisher: University of Anbar جامعة الانبار

Loading...
Loading...
Abstract

The aim of this paper is to design fast feed forward neural network to present a method to solve second order boundary value problem for ordinary differential equations. That is to develop an algorithm which can speedup the solution times, reduce solver failures, and increase possibility of obtaining the globally optimal solution and we use several different training algorithms many of them having a very fast convergence rate for reasonable size networks.Finally, we illustrate the method by solving model problem and present comparison with solutions obtained using other different method .

الهدف من البحث هو تصميم شبكة عصبية ذات تغـذية تقـدمية تمثل طريقة لحل مسائل قيم حدودية للمعادلات التفاضلية الاعتيادية وهذا يعني تطوير خوارزمية التدريب بحيث تسرع زمن الحل وتقلل من حالات الفشل في الحصول على الحل و تزيد أمكانية الحصول على الحل المثالي الرئيسي واستخدمنا في ذلك عدد من خوارزميات التدريب المختلفة بعضها يمتلك نسبة تقارب سريعة جدا في حالة الشبكات التي تمتلك أحجام معقولة أخيرا وضحنا الطريقة من خلال حل مثالين وقارنا نتائج الشبكة المقترحة مع نتائج المصدر[7] .


Article
Design Fast Feed Forward Neural Network to Solve Initial Value Problems

Author: Luma.N. M. Tawfiq
Journal: Al-Mustansiriyah Journal of Science مجلة علوم المستنصرية ISSN: 1814635X Year: 2012 Volume: 23 Issue: 6 Pages: 189-196
Publisher: Al-Mustansyriah University الجامعة المستنصرية

Loading...
Loading...
Abstract

The aim of this paper is to design fast feed forward neural network to present a method to solve initial value problems for ordinary differential equations. That is to develop an algorithm which can speedup the solution times, reduce solver failures, and increase possibility of obtaining the globally optimal solution.And we use several different training algorithms many of them having a very fast convergence rate for reasonable size networks.Finally, we illustrate the method by solving model problem and present comparison with solutions obtained using other different methods

الهدف من البحث هو تصميم شبكة عصبية ذات تغـذية تقـدمية مسرعة تمثل طريقة لحل مسائل قيم ابتدائية للمعادلات التفاضلية الاعتيادية وهذا يعني تطوير خوارزمية التدريب بحيث تسرع زمن الحل وتقلل من حالات الفشل في الحصول على الحل و تزيد أمكانية الحصول على الحل المثالي الرئيسي واستخدمنا في ذلك عدد من خوارزميات التدريب المختلفة بعضها يمتلك نسبة تقارب سريعة جدا في حالة الشبكات التي تمتلك أحجام معقولة .أخيرا وضحنا الطريقة من خلال حل مثال وقارنا نتائج الشبكة المقترحة مع نتائج حصلنا عليها باستخدام طرق مختلفة أخرى .


Article
Prediction of Corrosion Inhibitor Efficiency of Some Aromatic Hydrizdes and Schiff Bases Compounds by Using Artificial Neural Network

Author: Hanan A. Radhy Al.Hazam حنان عبد الرضا الهزام
Journal: Iraqi National Journal Of Chemistry المجلة العراقية الوطنية لعلوم الكيمياء ISSN: 22236686 Year: 2009 Issue: 34 Pages: 297-302
Publisher: Babylon University جامعة بابل

Loading...
Loading...
Abstract

Abstract Artificial neural networks are used for evaluating the corrosion inhibitor efficiency of some aromatic hydrazides and schiff bases compounds. The nodes of neural network input layer represent the quantum parameters, total negative charge (TNC) on molecule, energy of highest occupied molecular orbital (E Homo), energy of lowest unoccupied molecular orbital (E Lomo), dipole moment(μ), total energy (TE), molecular volume(V), dipolar-polarizability factor(Π) and inhibitor concentration (C). The neural network output is the corrosion inhibitor efficiency (E) for the mentioned compounds. The training and testing of the developed network are based on a database of 31 published experimental tests obtained by weight loss. The neural network predictions for corrosion inhibitor efficiency are more reliable than prediction using other conventional theoretical methods such as AM1, PM3, Mindo, and Mindo-3.

الخلاصة استخدمت تقنية الشبكة العصبية الصناعية في تقييم كفاءة تثبيط التاكل لبعض مركبات الهيدرازايد الاروماتية وقواعد شف . تضمنت عقد طبقة الادخال للشبكة معاملات كمية هي الشحنة السالبة الكلية (NTC) ،طاقة اعلى اوربيتال مملوء (اوربيتال هوموEH)،طاقة اوطا اوربيتال فارغ (اوربيتال لوموEL)،عزم ثنائي القطب (μ(،الطاقة الكلية (TE )،الحجم الجزيئي V ،عامل الاستقطاب (π)والتركيز المثبط C . بينما كانت عقد الطبقة الخارجية للشبكة تمثل كفاءةتثبيط التاكل (E) للمركبات المؤشرة اعلاه. واعتمد في تدريب واختيار الشبكة 31 قيمة عملية ناتجة من فقدان الوزن . ووجد من النتائج المستحصلة لكفاءة تثبيط التاكل ان تقنية الشبكة العصبية اكثر دقة من المحسوبة بالطرق النظرية الاخرى مثل Mindo3,Mindo,PM3,AMs.


Article
A Model for The Prediction of Fracture Toughness Using Neural Network
نموذج لتنبؤ متانة الكسر باستخدام الشبكة العصبية

Authors: Aseel abdulbaky --- Dhafer Al-Fattal --- Harry Bhadeshia --- Talal Abdul Jabbar
Journal: Engineering and Technology Journal مجلة الهندسة والتكنولوجيا ISSN: 16816900 24120758 Year: 2012 Volume: 30 Issue: 5 Pages: 868-885
Publisher: University of Technology الجامعة التكنولوجية

Loading...
Loading...
Abstract

The purpose of this research programme is to develop quantitative models for the prediction of mechanical properties (fracture toughness) using experimental data collected from the literature, together with a powerful computational technique known as neural network. Creating a truly general model requires a combination of available data and metallurgical knowledge. This model is proposed for martensitic and ordinary bainitic steels in addition to the more recent class of non-structural super-bainitic steels. Super-bainitic steels areattractive for many applications such as armour. The model of fracture toughness, based on chemical composition, heat treatment and mechanical properties is proposed. The predictions of fracture toughness are generally acceptable but the uncertaintiesare high and more input data need to be collected for super-bainitic steels when available in the future to improve the predictions of this model.


Article
A Simplified Recurrent Neural Network Trained by Gbest-Guided Gravitational Search Algorithm to Control Nonlinear Systems

Authors: Omar F. Lutfy --- Ahmed L. Jassim
Journal: Engineering and Technology Journal مجلة الهندسة والتكنولوجيا ISSN: 16816900 24120758 Year: 2018 Volume: 36 Issue: 12 Part (A) Engineering Pages: 1290-1301
Publisher: University of Technology الجامعة التكنولوجية

Loading...
Loading...
Abstract

This paper presents a feedback control strategy using a SimplifiedRecurrent Neural Network (SRNN) for nonlinear dynamical systems. As anenhancement for a previously reported modified recurrent network (MRN),the proposed SRNN structure is used as an intelligent Proportional-IntegralDerivative(PID)-like controller. More precisely, the enhancement in theSRNN structure was realized by employing unity weight values between thecontext and the hidden layers in the original MRN structure. The newlydeveloped Gbest-guided Gravitational Search Algorithm (GGSA) wasadopted for optimizing the parameters of the SRNN structure. To show theefficiency of the proposed PID-like SRNN controller, three differentnonlinear systems were considered as case studies, including a control valve,and a complex difference eq.. From an extensive set of evaluation tests, whichincludes a control performance test, a disturbance rejection test, and ageneralization test, the proposed PID-like SRNN controller demonstrated itseffectiveness with regards to precise control and good robustness andgeneralization abilities. Furthermore, compared to other Neural Network(NN) structures, including the original MRN and the Multilayer Perceptron(MLP) NN, the SRNN structure attained superior results due to the utilizationof a reduced set of parameters. From another study, the GGSA accomplishedthe best optimization results in terms of control precision and convergencespeed compared to the original Gravitational Search Algorithm (GSA).

Listing 1 - 10 of 271 << page
of 28
>>
Sort by
Narrow your search

Resource type

article (271)


Language

English (271)


Year
From To Submit

2019 (14)

2018 (32)

2017 (21)

2016 (33)

2015 (22)

More...