research centers


Search results: Found 15

Listing 1 - 10 of 15 << page
of 2
>>
Sort by

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
OFDM Channel Estimation Based on Intelligent Systems
تخمين القناة في نظام التقسيم الترددي المضاعف المتعامد (OFDM) المستند على الأنظمة الذكية

Authors: Ismail Mohammad Jaber --- Hanan A. R. Akkar --- Haraa Raheim Hatem
Journal: Engineering and Technology Journal مجلة الهندسة والتكنولوجيا ISSN: 16816900 24120758 Year: 2014 Volume: 32 Issue: 2 Part (A) Engineering Pages: 305-324
Publisher: University of Technology الجامعة التكنولوجية

Loading...
Loading...
Abstract

This work is dedicated to the study of reducing Bit Error Rate (BER) when transferring data in the system Orthogonal Frequency Division Multiplexing (OFDM) by estimating the carrier channel in different ways. The proposal design for Artificial Neural Network (ANN) is considered as a tool to improve performance BER and compared with the traditional method based on the use of the Least Square estimation algorithm (LS) to estimate the impulse response of frequency selective Rayleigh fading channel. A MATLAB 7.14 program is used in simulation.The proposed method which integrates algorithm LS with ANN includes the following:1. Training the neural network by Back-Propagation (BP) and using the trained neural network with algorithm (LS) to estimate the channel in different paths.2. Using Resilient Back propagation algorithm (RProp)in the training of the neural network.3. UsingLevenberg-Marquardt algorithm (LM) in the training of the neural network.4.The comparison of results between the traditional method and the proposed method when taking BER = 0.001 at various tracks (one path, two path and three path) and showed that there profit of (1.5dB, 2dB, 2dB) between using the traditional method and the proposed method using RProp algorithm and a profit of (2dB,3dB, 2dB) using an algorithm LM. There is also comparison between the performance ofRProp algorithm and LMalgorithm and the results showed that the LM algorithm better thanRProp algorithm.

هذا العمل مكرس لدراسة تقليل نسبة معدل الخطأ (BER) عند نقل البيانات في نظام التقسيم الترددي المضاعف المتعامد (OFDM) عن طريق تخمين القناة الناقلة بطرق مختلفة . قد تم اقتراح تصميم للشبكة العصبية الاصطناعية واعتبارها كأداة لتحسين أداء نسبة معدل الخطأ(BER)ومقارنتها مع الطريقة التقليدية المستندة على استخدام خوارزمية التقدير التربيعي الضئيل (LS)لتقدير الاستجابة النبضية الاختيارية التردد لقناة الخفوت نوع (Rayleigh). تم استخدام برنامج الماتلاب7.14للحصول على النتائج.الطريقة المقترحة التي تدمج خوارزمية (LS) مع (ANN) تتضمن ما يلي:1.تدريب الشبكة العصبية بواسطة الانتشار العكسي (BP) واستخدام الشبكة العصبية المدربة مع خوارزمية (LS) لتخمين القناةفي مختلف المسارات لقناة الخفوت الاختيارية التردد نوع (Rayleigh)2.استخدام خوارزمية(Resilient Back-Propagation)في تدريب الشبكة العصبية.3.استخدام خوارزمية (Levenberg-Marquardt) في تدريب الشبكة العصبية.4.المقارنة بين أداء خوارزمية (Levenberg-Marquardt) وأداء خوارزمية (Resilient Back-Propagation)تم مقارنة النتائج بين الطريقة التقليدية والطريقة المقترحة عند اخذ BER=0.001 في مختلف المسارات(الأول والثاني والثالث) وبينت إن هناك ربح مقداره(1.5dB, 2dB, 2dB) بين استخدام الطريقة التقليدية و الطريقة المقترحة باستخدام خوارزمية Resilient Back-Propagation)) وربح مقداره (2dB, 3dB, 2dB) باستخدام خوارزمية ((Levenberg-Marquardt وتم أيضا المقارنة مابين أداء خوارزمية (Resilient Back-Propagation) و خوارزمية ((Levenberg-Marquardt وبينت النتائج إن خوارزمية (Levenberg-Marquardt) أفضل من خوارزمية (Resilient Back-Propagation).


Article
Modeling and Control of Impressed Current Cathodic Protection (ICCP) System

Author: Dr. Khearia A.Mohammed A.
Journal: Iraqi Journal for Electrical And Electronic Engineering المجلة العراقية للهندسة الكهربائية والالكترونية ISSN: 18145892 Year: 2014 Volume: 10 Issue: 2 Pages: 80-88
Publisher: Basrah University جامعة البصرة

Loading...
Loading...
Abstract

The corrosion of metallic structures buried in soil or submerged in water which became a problem of worldwide significance and causes most of the deterioration in petroleum industry can be controlled by cathodic protection (CP).CP is a popular technique used to minimize the corrosion of metals in a variety of large structures. To prevent corrosion, voltage between the protection metal and the auxiliary anode has to be controlled on a desired level. In this study two types of controllers will be used to set a pipeline potential at required protection level. The first one is a conventional Proportional-Integral-Derivative (PID) controller and the second are intelligent controllers (fuzzy and neural controllers).The results were simulated and implemented using MATLAB R 2010a program which offers predefined functions to develop PID, fuzzy and neural control systems.


Article
ARTIFICIAL NEURAL NETWORK MODEL FOR MANAGING AND FORECASTING WATER RESERVOIR DISCHARGE (HEMREN RESERVOIR AS A CASE STUDY)
اعتماد نموذج الشبكات العصبية لغرض الادارة والتنبؤ بتصريف الخزانات المائية: خزان حمرين كحالة دراسية

Authors: ABBAS M. ABD عباس مهدي عبد --- SAAD SH. SAMMEN سعد شوكت سمين
Journal: DIYALA JOURNAL OF ENGINEERING SCIENCES مجلة ديالى للعلوم الهندسية ISSN: 19998716/26166909 Year: 2014 Volume: 7 Issue: 4 Pages: 132-143
Publisher: Diyala University جامعة ديالى

Loading...
Loading...
Abstract

The prediction of different hydrological phenomenon (or system) plays an increasing role in the management of water resources. As engineers; it is required to predict the component of natural reservoirs’ inflow for numerous purposes. Resulting prediction techniques vary with the potential purpose, characteristics, and documented data. The best prediction method is of interest of experts to overcome the uncertainty, because the most hydrological parameters are subjected to the uncertainty. Artificial Neural Network (ANN) approach has adopted in this paper to predict Hemren reservoir inflow. Available data including monthly discharge supplied from DerbendiKhan reservoir and rain fall intensity falling on the intermediate catchment area between Hemren-DerbendiKhan dams were used.A Back Propagation (LMBP) algorithm (Levenberg-Marquardt) has been utilized to construct the ANN models. For the developed ANN model, different networks with different numbers of neurons and layers were evaluated. A total of 24 years of historical data for interval from 1980 to 2004 were used to train and test the networks. The optimum ANN network with 3 inputs, 40 neurons in both two hidden layers and one output was selected. Mean Squared Error (MSE) and the Correlation Coefficient (CC) were employed to evaluate the accuracy of the proposed model. The network was trained and converged at MSE = 0.027 by using training data subjected to early stopping approach. The network could forecast the testing data set with the accuracy of MSE = 0.031. Training and testing process showed the correlation coefficient of 0.97 and 0.77 respectively and this is refer to a high precision of that prediction technique.

يشهد استخدام تقنيات التنبؤ اهمية متعاظمة في مجال ادارة الموارد المائية. ومن الناحية الهندسية فان عملية التنبؤ بالمصادر المائية للخزانات يكتسب اهمية كبيرة. وتتنوع طرق التنبؤ وفقا للاغراض المستهدفة والخصائص والبيانات المتوافرة. وافضل الطرق هي ما يبنى على الخبرات المتميزة ويراعي التغاير وعدم الموثوقية كونها من صفات الظاهر الهايدرولوجية. وتميزت تقنيات الذكاء الصناعي في هذا المجال ومنها الشبكات العصبية التي اعتمدت في هذا البحث لدراسة خزان حمرين باعتماد البيانات المتوافرة لكميات الامطار والتريف المطلق من سد دربندخان.اعتمد تقنية التغذية العكسية لبناء الشبكة العصبية للحالة قيد الدراسة. تم اختبار عدة شبكات بطبقات متعددة وذات عدد نيورون مختلف للوصول للحالة الامثل في بناء النموذج الممثل للحالة الدراسية. استخدمت في هذا البحث بيانات السنوات 1980-2003 لتدريب الشبكة العصبية واختبارها. تم استخدام معدل مربع الخطأ لتدقيق ناتج النموذج المطور كما تم اعتماد معامل الارتباط للتحقق من دقة النتائج. اظهرت عملية التحليل ان معدل مربع الخطأ كان بحدود 0.031 ومعامل الارتباط للنموذج على بيانات السنوات الاربع والعشرين بحدود 0.9728 وللبيانات المحدد للتحقق بحدود 0.7665 وهي درجة جيدة لدقة النموذج.


Article
Optimization of Power Consumption in Cloud Data Centers Using Green Networking Techniques
الإستهلاك الأمثل للقدرة في مراكز البيانات السحابيه بإستخدام تقنيات الشبكات الخضراء

Authors: Dr. Qutaiba I. Ali د. قتيبة ابراهيم علي --- Alnawar J. Mohammed النوار جاسم محمد
Journal: AL-Rafdain Engineering Journal (AREJ) مجلة هندسة الرافدين ISSN: 18130526 Year: 2014 Volume: 22 Issue: 2 Pages: 13-27
Publisher: Mosul University جامعة الموصل

Loading...
Loading...
Abstract

Optimization of Power Consumption in Cloud Data CentersUsing Green Networking TechniquesDr. Qutaiba I. Ali Alnawar J. MohammedEmail: qut1974@gmail.com Email: alnawar_j25758@yahoo.comComputer Engineering Dept., College of Engineering, University of Mosul, Mosul, Iraq.AbstractIn this paper, a neuro-based predictor is proposed with a prediction algorithm toestimate the required number of active servers simulating the Green Networkingobjectives. The inputs of such predictor are the CPU utilization of the servers in the datacenter and the variations of the incoming demands with the number of users’ variation.During the work, different demand profiles of ClarkNet traffic traces are simulated onOPNET14.5 Modeler to obtain the required training values of servers’ CPU utilizationand clients’ throughput. Also, Green Networking objectives are defined to maintain thePower Management Criteria (PMC) which guaranteed that all CPU utilization must begreater than 30%. Taking into account that a maximum number of 100 servers are usedin such local data center, an ON/OFF control algorithm is then suggested for the powermanagement of different servers in data center to fulfill the previous Green objectives.The Power saving is finally evaluated since it has been noticed that the power savingpercentage can be increased from 17.33% to 85.33% of a total power of 75 k watts whenthe number of the operating servers is decreased from 80% to 5% of the overall servers.Keywords: Artificial Neural Network (ANN), Cloud Computing, Data Centers,Green Networking, Power Consumption.الإستهلاك الأمثل للقدرة في مراكز البيانات السحابيه بإستخدامتقنيات الشبكات الخضراءد. قتيبة ابراهيم علي النوار جاسم محمدEmail: alnawar_j25758@yahoo.com Email: qut1974@gmail.comقسم هندسة الحاسوب، كلية الهندسة، جامعة الموصل،الموصل، العراق.الخلاصةفي هذا البحث، تم اقتراح متنبيء قائم على استخدام الشبكة العصبية مع خوارزمية لتقدير العدد المطلوب منالخوادم النشطة محاكية أهداف الشبكات الصديقة للبيئة )الخضراء(. مدخلات هذا المتنبيء هي نسبة استغلال وحدةالمعالجة المركزية للخوادم في مركز البيانات، بالاضافة الى التغير في مقادير الطلبات الواردة من عدد من المستخدمين.و تم بناء نماذج مختلفة لشبكة مراكز ،ClarkNet أثناء العمل، تم تسليط نماذج مختلفة من الطلبات الواردة الى خوادمللحصول على القيم المطلوبة للتدريب وهي نسبة OPNET Modeler البيانات باستخدام برنامج المحاكاة 14.5الاستغلال لوحدة المعالجة المركزية للخودام ونسبة الحمل المسلط من قبل العملاء. أيضا تم تعريف أهداف الشبكاتالخضراء بالحفاظ على معايير ادارة الطاقة المتمثلة بأن تكون قيم نسبة استغلال وحدة المعالجة المركزية للخوادم أكبرمن 03 ٪. بعد الأخذ بعين الاعتبار أن الحد الأقصى لعدد الخوادم في مركز البيانات المقترح في العمل هو 100 خادم ،لإدارة استخدام الطاقة من قبل خوادم مختلفة في مركز البيانات لتحقيق أهداف الشبكة ON/OFF اقترحت خوارزميةالخضراء السابقة الذكر. أخ ي ر ا تم تقييم معدل تقليل صرف الطاقة حيث من الملاحظ أن نسبة تقليل صرف الطاقة ازدادتمن % 17.33 الى % 85.33 من مقدار صرف الطاقة الكلي المقدر بحوالي 57 كيلوواط عندما يقل عدد الخوادم التيتكون في حالة عمل من % 80 الى % 5 من عدد الخوادم الكلي.

Optimization of Power Consumption in Cloud Data CentersUsing Green Networking TechniquesDr. Qutaiba I. Ali Alnawar J. MohammedEmail: qut1974@gmail.com Email: alnawar_j25758@yahoo.comComputer Engineering Dept., College of Engineering, University of Mosul, Mosul, Iraq.AbstractIn this paper, a neuro-based predictor is proposed with a prediction algorithm toestimate the required number of active servers simulating the Green Networkingobjectives. The inputs of such predictor are the CPU utilization of the servers in the datacenter and the variations of the incoming demands with the number of users’ variation.During the work, different demand profiles of ClarkNet traffic traces are simulated onOPNET14.5 Modeler to obtain the required training values of servers’ CPU utilizationand clients’ throughput. Also, Green Networking objectives are defined to maintain thePower Management Criteria (PMC) which guaranteed that all CPU utilization must begreater than 30%. Taking into account that a maximum number of 100 servers are usedin such local data center, an ON/OFF control algorithm is then suggested for the powermanagement of different servers in data center to fulfill the previous Green objectives.The Power saving is finally evaluated since it has been noticed that the power savingpercentage can be increased from 17.33% to 85.33% of a total power of 75 k watts whenthe number of the operating servers is decreased from 80% to 5% of the overall servers.Keywords: Artificial Neural Network (ANN), Cloud Computing, Data Centers,Green Networking, Power Consumption.الإستهلاك الأمثل للقدرة في مراكز البيانات السحابيه بإستخدامتقنيات الشبكات الخضراءد. قتيبة ابراهيم علي النوار جاسم محمدEmail: alnawar_j25758@yahoo.com Email: qut1974@gmail.comقسم هندسة الحاسوب، كلية الهندسة، جامعة الموصل،الموصل، العراق.الخلاصةفي هذا البحث، تم اقتراح متنبيء قائم على استخدام الشبكة العصبية مع خوارزمية لتقدير العدد المطلوب منالخوادم النشطة محاكية أهداف الشبكات الصديقة للبيئة )الخضراء(. مدخلات هذا المتنبيء هي نسبة استغلال وحدةالمعالجة المركزية للخوادم في مركز البيانات، بالاضافة الى التغير في مقادير الطلبات الواردة من عدد من المستخدمين.و تم بناء نماذج مختلفة لشبكة مراكز ،ClarkNet أثناء العمل، تم تسليط نماذج مختلفة من الطلبات الواردة الى خوادمللحصول على القيم المطلوبة للتدريب وهي نسبة OPNET Modeler البيانات باستخدام برنامج المحاكاة 14.5الاستغلال لوحدة المعالجة المركزية للخودام ونسبة الحمل المسلط من قبل العملاء. أيضا تم تعريف أهداف الشبكاتالخضراء بالحفاظ على معايير ادارة الطاقة المتمثلة بأن تكون قيم نسبة استغلال وحدة المعالجة المركزية للخوادم أكبرمن 03 ٪. بعد الأخذ بعين الاعتبار أن الحد الأقصى لعدد الخوادم في مركز البيانات المقترح في العمل هو 100 خادم ،لإدارة استخدام الطاقة من قبل خوادم مختلفة في مركز البيانات لتحقيق أهداف الشبكة ON/OFF اقترحت خوارزميةالخضراء السابقة الذكر. أخ ي ر ا تم تقييم معدل تقليل صرف الطاقة حيث من الملاحظ أن نسبة تقليل صرف الطاقة ازدادتمن % 17.33 الى % 85.33 من مقدار صرف الطاقة الكلي المقدر بحوالي 57 كيلوواط عندما يقل عدد الخوادم التيتكون في حالة عمل من % 80 الى % 5 من عدد الخوادم الكلي.


Article
Artificial Neural Network Control of Chemical Processes
السیطرة على العملیات الكیمیاویة بطریقة الشبكة العصبیة الاصطناعیة

Author: Duraid Fadhil Ahmed
Journal: Engineering and Technology Journal مجلة الهندسة والتكنولوجيا ISSN: 16816900 24120758 Year: 2014 Volume: 32 Issue: 1 Part (A) Engineering Pages: 176-196
Publisher: University of Technology الجامعة التكنولوجية

Loading...
Loading...
Abstract

This paper presents an artificial neural network based control scheme for studying the control of continuous stirred tank reactor, distillation column and neutralization process and this method is compared with conventional proportional- /integral-derivative controller. A multi-layer back-propagation neural network isemployed to model the nonlinear relationships between the inputs variables and controlled variables of processes in order to regulate the manipulating variables to a variety of operating conditions and acquire a more flexible learning ability. The robustness of this control structure is studied in the case of setpoint changes andload disturbances. The experimental results suggest that such neural controllers can provide excellent setpoint-tracking and disturbance rejection. The neural network based control has higher speed of response and the offset has a smaller average value than that of the conventional controller. The control action based on the neural network controller shows less oscillation and an improvement in the controlled variables stabilization time with respect to the conventional controllerand gives a better control performance.


Article
SPEECH RECOGNITION OF ARABIC WORDS USING ARTIFICIAL NEURAL NETWORKS
تمييز الكلمات العربية باستخدام الشبكة العصبية الاصطناعية

Author: Sadiq Jassim Abou-Loukh صادق جاسم ابو اللوخ
Journal: Journal of College of Education for Women مجلة كلية التربية للبنات ISSN: Print ISSN 16808738 /E ISSN: 2663547X Year: 2014 Volume: 25 Issue: 1 Pages: 196-206
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

The speech recognition system has been widely used by many researchers using different methods to fulfill a fast and accurate system. Speech signal recognition is a typical classification problem, which generally includes two main parts: feature extraction and classification. In this paper, a new approach to achieve speech recognition task is proposed by using transformation techniques for feature extraction methods; namely, slantlet transform (SLT), discrete wavelet transforms (DWT) type Daubechies Db1 and Db4. Furthermore, a modified artificial neural network (ANN) with dynamic time warping (DTW) algorithm is developed to train a speech recognition system to be used for classification and recognition purposes. Twenty three Arabic words were recorded fifteen different times in a studio by one speaker to form a database. The performance of the proposed system using this database has been evaluated by computer simulation using MATLAB package. The result shows recognition accuracy of 65%, 70% and 80% using DWT (Db1), DWT (Db4) and SLT respectively.

استعمل نظام تمييز الكلام بصورة واسعة بوساطة عدد من الباحثين باستخدام طرائق مختلفة لتحقيق نظام تمييز سريع ودقيق. ان تمييز اشارة الكلام تعد مشكلة تصنيف نوعية وهي تضم بصورة عامة جزئين اساسيين: استخلاص الميزات والتصنيف. تضمن هذا العمل اقتراح ثلاثة طرق لاستخلاص الخصائص وهي تحويل المويجي المتقطع ( (DWT بنوعيهDb4 and Db1 وتحويل المويل (SLT). تم تطوير نظام يعتمد على استخدام الشبكات العصبية الاصطناعية مع طريقة ميلان الزمن الديناميكي لغرض التمييز. ثلاثة وعشرون كلمة عربية بخمسة عشر ازمان مختلفة مسجلة في الاستوديو بوساطة متكلم واحد لتشكيل قاعدة بيانات. اداء النظام المقترح تم عن طريق تمثيل قاعدة البيانات باستخدام حقيبة الـ MATLAB . بينت النتائج ان دقة التمييز هي (65%، 70% و80%) باستخدام (DWT Db1, DWT Db4 and SLT) على التوالي.


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 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 والاتصالات

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
Influence Activation Function in Approximate Periodic Functions Using Neural Networks
تأثير دالة الاستثارة في تقريب الدوال الدورية باستخدام الشبكات العصبية

Authors: Luma N. M. Tawfiq لمى ناجي محمد توفيق --- Ala' K. Jabber علاء كامل جابر
Journal: Ibn Al-Haitham Journal For Pure And Applied Science مجلة ابن الهيثم للعلوم الصرفة والتطبيقية ISSN: 16094042/ 25213407 Year: 2014 Volume: 27 Issue: 1 Pages: 306-313
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

The aim of this paper is to design fast neural networks to approximate periodic functions, that is, design a fully connected networks contains links between all nodes in adjacent layers which can speed up the approximation times, reduce approximation failures, and increase possibility of obtaining the globally optimal approximation. We training suggested network by Levenberg-Marquardt training algorithm then speeding suggested networks bychoosingmost activation function (transferfunction) which having a very fast convergence rate for reasonable size networks. In all algorithms, the gradient of the performance function (energy function) is used to determine how to adjust the weights such that the performance function is minimized, where the back propagation algorithm has been used to increase the speed of training.

الهدف من هذا البحث هو تصميم شبكات عصبية مسرعة كطريقة لتقريب الدوال الدورية وهذا يعني تصميم شبكات مرتبطة بالكامل تتضمن روابط بين كل العقد في الطبقات المتجاورة و التي تستطيع تعجيل زمن التقريب , تقليل حالات الإخفاق , الفشل و زيادة احتمالية الحصول على التقريب المثالي الرئيسي , دربنا الشبكات المقترحة بطريقة ﻟﻴﭬنبرﻙ- ماركواردت و من ثم تسريع الشبكات المقترحة من خلال اختيار أفضل دالة استثارة ( دالة انتقال )إذ أن بعضها يمتلك نسبة تقارب سريعة جدا لشبكات ذي إحجام معقولة, في كل تلك الخوارزميات استخدمنا ميلَ دالةِ الأداءَ (دالة الطاقةِ) لتَحديد كيفية تَعديل الأوزانِ من خلال تصغير دالةِ الأداءَ ، إذ استخدمت خوارزميةِ الانتشار المرتد لزيَاْدَة سرعةِ التدريب.


Article
Investigating Forward kinematic Analysis of a 5-axes Robotic Manipulator using Denavit-Hartenberg Method and Artificial Neural Network
استقصاء التحليل الحركي الأمامي لإنسان آلي مناول ذو خمسة محاور باستخدام طريقة دينافيت – هارتنبيرغ و الشبكة العصبية الصناعية

Authors: Israa R. Shareef --- Iman A. Zayer --- Izzat A. Abd Al Kareem
Journal: Engineering and Technology Journal مجلة الهندسة والتكنولوجيا ISSN: 16816900 24120758 Year: 2014 Volume: 32 Issue: 11 Part (A) Engineering Pages: 2700-2713
Publisher: University of Technology الجامعة التكنولوجية

Loading...
Loading...
Abstract

Robot Forward kinematic equations' analysis is an essential and important manner to analysis the position and orientation of the end effectors of a robotic manipulator, where in this paper, Denavit-Hartenberg notation and method (D – H) is used to represent the relative kinematic relationships precisely between each two adjacent links of this robot , besides a kind of artificial neural network (ANN) which is known as the supervised learning training sets network is investigated to solve the problem of kinematic analysis of this laboratory five - axes robot, it shows that the using of the artificial intelligence method which is the neural networks had offered the facility of dealing with this non linear robotic system by a simple manner with acceptable faster solution as compared with the traditional forward kinematic equations analysis method .

إن تحليل المعادلات الحركية الأمامية للإنسان الآلي هو أسلوب أساسي و مهم لتحليل موقع و اتجاه النهاية المؤثرة للإنسان الآلي المناول , حيث انه في هذه الدراسة تم استخدام ترميز و طريقة دينافيت – هارتنبيرغ لتمثيل العلاقات الحركية النسبية بين كل وصلتين متجاورتين للإنسان الآلي بدقة . إلى جانب ذلك , تم الأخذ بأحد أنواع الشبكات العصبية الصناعية و التي تعرف بشبكة مجموعة المحاولات التعليمية المشرف عليها , لحل مشكلة التحليل الحركي لهذا الإنسان الآلي ألمختبري ذو الخمس درجات لحرية الحركة , و ظهر أن استخدام طريقة الذكاء الاصطناعي متمثلا بالشبكات العصبية وفرت إمكانية التعامل مع منظومة الإنسان الآلي اللاخطية باسلوب مبسط و حل مقبول و سريع مقارنة بطريقة التحليل التقليدي للمعادلات الحركية الأمامية .

Listing 1 - 10 of 15 << page
of 2
>>
Sort by
Narrow your search

Resource type

article (15)


Language

English (10)

Arabic and English (4)

Arabic (1)


Year
From To Submit

2014 (15)