research centers


Search results: Found 5

Listing 1 - 5 of 5
Sort by

Article
Neuro-Self Tuning Adaptive Controller for Non-Linear Dynamical Systems
المسيطر المتكيف ذو التنغيم التلقائي العصبي للانظمة الديناميكية اللاخطية

Author: Ahmed Sabah Abdul Ameer Al-Araji احمد صباح عبد الامير الاعرجي
Journal: Al-Khwarizmi Engineering Journal مجلة الخوارزمي الهندسية ISSN: 18181171 23120789 Year: 2005 Volume: 1 Issue: 1 Pages: 1-18
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

In this paper, a self-tuning adaptive neural controller strategy for unknown nonlinear system is presented. The system considered is described by an unknown NARMA-L2 model and a feedforward neural network is used to learn the model with two stages. The first stage is learned off-line with two configuration serial-parallel model & parallel model to ensure that model output is equal to actual output of the system & to find the jacobain of the system. Which appears to be of critical importance parameter as it is used for the feedback controller and the second stage is learned on-line to modify the weights of the model in order to control the variable parameters that will occur to the system. A back propagation neural network is applied to learn the control structure for self-tuning PID type neuro-controller. Where the neural network is used to minimize the error function by adjusting the PID gains. Simulation results show that the self-tuning PID scheme can deal with a large unknown nonlinearity.

أن هيكلية المسيطر العصبي مع المعرف (Identifier) الذي أساسه النموذج العصبي (NARMA-L2) يتم تعليمه بطريقة (off-line) مع صيغتين التوالي المتوازي و المتوازي وتطبيق خوارزمية التنغيم التلقائي العصبي للمسيطر (PID) كمقترح لبناء هيكلية المسيطر.أن النموذج العصبي(NARMA-L2) هو نموذج لأخطي يصف المنظومة أللاخطية ويستخدم لتحقق من(Jacobain) للمنظومة و التي تعتبر من العناصر المهمة و الحرجة في إيجاد إشارة التغذية العكسية.أن المعرف(NARMA-L2) يتم أيضا تعليمه(on-line) لتحديث الأوزان(Weights) للنموذج بطريقة خوارزمية الانتشار العكسي العامة لكي يصبح النموذج مطابق الى المنظومة أللاخطية.يستخدم المسيطر الراجع العصبي ذات التنغيم التلقائي لتعبير عناصر المسيطر ( PID) لكي يتبع إخراج المنظومة الحقيقية الإدخال المطلوب وباستخدام أيضا" خوارزمية الانتشار العكسي العامة.أن هيكلية المسيطر المقترح يستخدم لتقليل الخطاء بين الإخراج المرغوب و الإخراج الحقيقي للمنظومة.لقد تم الحصول على نتائج ممتازة باستخدام المسيطر المقترح عندما طبق هذا المسيطر على المنظومة أللاخطية.


Article
Forecasting the Daily Peak Load Using Artificial Neural Networks
توقع حمل الذروة اليومي بإستخدام الشبكات العصبية الأصطناعية

Authors: Dhari Y. Al-Samaraee --- Sammar J. Ismail
Journal: Engineering and Technology Journal مجلة الهندسة والتكنولوجيا ISSN: 16816900 24120758 Year: 2005 Volume: 24 Issue: 10 Pages: 1344-1351
Publisher: University of Technology الجامعة التكنولوجية

Loading...
Loading...
Abstract


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 .


Article
Design and implementation of a single layer feed forward neural network using stand-alone architecture FPGAs-based platform

Authors: Walid A .mahmoud* --- Munther h.** --- Muthana h.**
Journal: IRAQI JOURNAL OF COMPUTERS,COMMUNICATION AND CONTROL & SYSTEMS ENGINEERING المجلة العراقية لهندسة الحاسبات والاتصالات والسيطرة والنظم ISSN: 18119212 Year: 2005 Volume: 5 Issue: 2 Pages: 1-17
Publisher: University of Technology الجامعة التكنولوجية

Loading...
Loading...
Abstract

Abstract:A single layer feed-forward neural network are proposed and implemented using theschematic editor of the Xilinx foundation series 2.1i. First the mathematical model of thedata set (weights and inputs) is presented in a matrix multiplication format. Secondly thefive design stages are presented and implemented without using the finite state machine,which control the processes of the forward propagation phase, error calculation, and thetraining algorithm. Finally the design can be optimized to decrease the total execution timeand to minimize the cost, which eventually will increase the performance and improve thefunction density.

الخلاصة:الشبكات العصبيةfeed forward ذات الطبقة الواحدة تم افتراضها وتنفيذها باستخدام تقنية FPGA الاصدار 2.1 iتم اولا " اعداد الصيغة الرياضية لمجموعة البيانات ( بيانات الادخال والاوزان ) بطريقة ضرب المصفوفات 0ثانيا " تم بناء مراحل التصميم وتنفيذها بدون استخدام برامج السيطرة (finit state machine )حيث تمت السيطرة على عمليات معالجة البيانات باطوارها الثلاثةerror caiculation و forward propagation وtraining algorithm ماديا "( pure hardware) اخيرا " من الممكن تحسين التصميم وذلك بتقليل زمن التنفيذ الكلي وتخفيض كلفة البناء والتي حتميا " سوف تزيد الاداء وتعزز من كثافة العمليات ( function density )


Article
Constructing Process IIdentification Simulator Based on Artificial Neural Network

Authors: Saad AL-Shaban --- Saad AL-Sakafi --- Zainab saeed Abood
Journal: Engineering and Technology Journal مجلة الهندسة والتكنولوجيا ISSN: 16816900 24120758 Year: 2005 Volume: 24 Issue: 2 Pages: 146-159
Publisher: University of Technology الجامعة التكنولوجية

Listing 1 - 5 of 5
Sort by
Narrow your search

Resource type

article (5)


Language

English (3)

Arabic and English (2)


Year
From To Submit

2005 (5)