research centers


Search results: Found 16

Listing 1 - 10 of 16 << page
of 2
>>
Sort by

Article
Prediction of Groundwater Level in Safwan-Zubair Area Using Artificial Neural Networks

Authors: Ali H. Al-Aboodi علي حسن دهيم --- Kifah M. Khudhair --- Ali S. Al-Aidani
Journal: Basrah Journal for Engineering Science مجلة البصرة للعلوم الهندسية ISSN: Print: 18146120; Online: 23118385 Year: 2016 Volume: 16 Issue: 1 Pages: 42-50
Publisher: Basrah University جامعة البصرة

Loading...
Loading...
Abstract

Safwan-Zubair area is regarded as one of theimportant agricultural areas in Basrah province, South of Iraq.The aim of this study is to predict groundwater level in this areausing ANNs model. The data required for building the ANNmodel are generated using MODFLOW model (V.5.3).MODFLOW model was calibrated based on field measurementsof groundwater level in13 monitoring wells during a period ofone year (Nov./2013 to Oct/2014). The neural network toolboxavailable in MATLAB version 7.1 (2010B) was used to developthe ANN models. Three layers feed-forward network with Log-sigmoid transfer function was used. The networks were trainedusing Levenberg-Marquardt back-propagation algorithm. TheANN modes are divided into two groups, each of four models.The input data of the first group include hydraulic heads, while,the input data of the second group include hydraulic heads andrecharge rates. Based on results of this study it was found that;the best ANN model for predicting groundwater levels in thestudy area is obtained when the input data includes hydraulicheads and recharge rates of two successive months preceding thetarget month, the best structure of ANN model is of three layersfeed-forward network type composes of two hidden layers, eachof ten nodes, and the including of recharge rates as input data,beside the hydraulic heads has improved slightly the results.


Article
Neural Network Modelling of Tds Concentrations in Shatt Al-Arab River Water
تمثيل تراكيز المواد الصلبه الكلية الذائبه في نهر شط العرب باستخدام الشبكه العصبيه

Authors: Ahmed Naseh Ahmed --- Ammar S. Dawood
Journal: Engineering and Technology Journal مجلة الهندسة والتكنولوجيا ISSN: 16816900 24120758 Year: 2016 Volume: 34 Issue: 2 Part (A) Engineering Pages: 334-345
Publisher: University of Technology الجامعة التكنولوجية

Loading...
Loading...
Abstract

River water salinity is a big concern in many countries, considering agricultural and drinking usages. Therefore, prediction of amount of Total Dissolved Solid (TDS) is a necessary tool for planning and management of water resources. Shatt Al-Arab river basin in Basrah which is located in south of Iraq suffer from high salinity, therefore use of the water for irrigation and drinking has become problematic. In this regard, prediction of future TDS of Shatt Al-Arab river basin was studied using Artificial Neural Network (ANN). Data measured monthly from January 2007 up to December 2012 at monitoring station in the middle point along to the Shatt Al-Arab river has been used for training of the selected ANN.Some of water quality parameters such as, power of hydrogen (pH), Total Hardness (TH), Magnesium hardness (MgSO4), Calcium hardness (CaSO4), Chlorides (Cl), Sulphates (SO4), turbidity (TU) and electrical conductivity (EC) were considered as inputs for the ANN and Total Dissolved Solid (TDS) was the output of the model. The validation of the neural network model showed very good agreement for predictions of the TDS concentrations between observed and simulated values. The coefficient of correlation (R), during the validation process was found to be (1), and the mean squared error (MSE) was (0.075). This work supports the concept that the neural network approach is a successful method of modelling such complex and nonlinear behavior of TDS in the rivers with different environmental conditions.

نوعيه مياه النهر هي مصدر قلق كبير في العديد من البلدان من الناحية الزراعيه واستخدامات المياه للشرب. لهذا السبب التنبؤ بمقادير المواد الصلبه الكلية الذائبة(TDS) ضروري جدا لتخطيط وإدارة موارد المياه. حوض شط العرب في البصرة والذي يقع في جنوب العراق يعاني من ارتفاع نسبة ألملوحة وبالتاليفأن استخدام المياه لأغراض الري والشرب اصبح مشكلة. وفي هذا الصدد تم دراسة التنبؤ للـ(TDS)لحوض شط العرب باستخدام الشبكات العصبية الاصطناعية (ANN).استخدمت البيانات المقاسة شهريا من يناير 2007 حتىديسمبر 2012 في محطة رصد في نقطة وسطيه على طول شط العرب لتدريب ANN.بعض معاملات نوعية المياه مثل درجة الحموضة(PH)، العسره الكلية(TH)، عسره المغنيسيوم (MgSO4)، عسره الكالسيوم (CaSO4)، الكلوريدات ((Cl، الكبريتات (SO4)، العكاره (TU) والتوصيليه الكهربائييه (EC)، قد اعتبرت كمدخلات لـ ANNوالمواد الصلبه الكليه الذائبه (TDS) اعتبرت كمخرجات للنموذج.أظهر التحقق لنموذج الشبكة العصبية تطابق جيد جدا للتنبؤ بتركيزات TDS بين القيم الحقليه والمحسوبه.قيمة معامل الارتباط (R) خلال عملية التحقق من الصحة كان(1)، ومتوسط تربيع الخطأ (MSE) كان (0.075). هذا العمل يدعم مفهوم أن نهج الشبكة العصبية هي طريقة ناجحة للنماذج ذات السلوك المعقد وغير الخطي كقيمTDS في الانهر مع الظروف البيئية المختلفة.


Article
Design Collocation Neural Network for Solve regularly perturbed problems with Initial and Boundary conditions
تصمیم شبكة عصبیة لحل مسائل الاضطراب المنتظمة ذات الشروط الابتدائیة والحدودیة

Author: Khalid. Mindeel. M. Al-Abrahemee خالد مندیل محمد
Journal: Al-Qadisiyah Journal of pure science(quarterly) مجلة القادسية للعلوم الصرفة (فصلية). ISSN: 19972490 Year: 2016 Volume: 4 Issue: 21 Pages: 18-32
Publisher: Al-Qadisiyah University جامعة القادسية

Loading...
Loading...
Abstract

Recently, there has been an increasing interest in the study of regular and perturbed systems.The aim of this paper is to design artificial neural networks for solve regular perturbation problemswith initial and boundary conditions. We design a multi-layer collocation neural network havingone hidden layer with 5 hidden units (neurons) and one linear output unit the sigmoid activationfunction of each hidden unit is ridge basis function where the network trained by back propagationwith different training algorithms such as quasi-Newton, Levenberg-Marquardt, and BayesianRegulation. Finally the results of numerical experiments are compared with the exact solution inillustrative examples to confirm the accuracy and efficiency of the presented scheme.

الهدف من هذا البحث هو حل مسائل الاضطراب المنتظمة باستخدام الشبكات العصبية. استخدمنا شبكة متعددةالطبقات ذات طبقة خفية واحدة ذو خمس وحدات (عصبونات) خفية و وحدة أخراج خطية دالة الاستثارة لكل وحدةخفية هي دالة الأساس الصلبة حيث أن الشبكة دربت بواسطة الانتشار المرتد مع خوارزميات تدريب مختلفة مثلشبه- نيوتن ، لڤنبرك- ماركوادت و بايسن. أخيرا النتائج للاختبارات العددية قورنت مع الحل المضبوط في أمثلةتوضيحية لتعزيز و تأكيد الدقة و كفاءة للتقنية المقترحة


Article
SMART ANTENNA ADAPTIVE BEAM FORMING BASE ON NEURAL NETWORK WITH DIFFERENT TRAINING ALGORITHIMS
تكوين الشعاع المتكيف للهوائي الذكي اعتمادا على الشبكة العصبية الاصطناعية مع خوارزميات تدريب مختلفة

Authors: Adheed Hassan Sallomi --- Sulaiman A.G Albanee
Journal: Journal of Engineering and Sustainable Development مجلة الهندسة والتنمية المستدامة ISSN: 25200917 Year: 2016 Volume: 20 Issue: 3 Pages: 60-74
Publisher: Al-Mustansyriah University الجامعة المستنصرية

Loading...
Loading...
Abstract

In this paper an artificial Feed Forward Neural Network(FFNN) is used for smart antenna adaptive beamforming. Neural network is used to calculate the optimum weights that adapt the radiation pattern of the antenna by directing multiple narrow beams toward the desired users and nulling interference or unwanted users. Supervised learning algorithms were used to train the FFNN that used as adaptive beam former. The FFNN was trained using Levenberg-Marquardt (LM), Resilient Back propagation(RP) , Gradient Descent With Adaptive Learning Rate Backpropagation (gda) and Gradient descent with momentum and adaptive learning rate backpropagation(gdx).The simulation results are applied for uniform linear array with five antenna element and the spacing between element equal to half wavelength. The results show that the best system performance can be obtain when the network trained by Levenberg-Marquardt (LM) algorithm.

في هذه البحث تم استخدام الشبكة العصبية الاصطناعية المتجهة الى الامام (FFNN) لتكوين الشعاع المتكيف للهوائي الذكي. أستُخِدمت الشبكة العصبية لحساب الأوزان المثلى التي تعمل على تعديل نمط إشعاع الهوائي عن طريق توجيه حزم اشعاع ضيقة متعددة باتجاه المستخدمين المطلوبين و الغاء الاشعاع باتجاه المستخدمين غير المرغوبين او غير المعنيين بالإشعاع . اسُتخِدمت خوارزميات التعلم تحت الاشراف لتدريب الشبكة العصبية المتجهة الى الامام المستخدمة كمكون للإشعاع المتكيف. تم تدريب FFNN باستخدام الخوارزميات (LM,RP,GDA,GDX). ونتائج البحث طُبِقت على هوائي خطي منتظم يتكون من خمسة عناصر التباعد بينها يساوي نصف الطول الموجي. أظهرت النتائج أن أفضل أداء للنظام يمكن الحصول عليه عندما تم تدريب الشبكة باستخدام الخوارزمية (LM).


Article
NEURAL NETWORK PREDICTION OF CONFINED PEAK STRESSES OF RC COLUMNS
التنبؤ بواسطة الشبكة العصبية لإجهادات الانضغاط المقيدة القصوى لعمود من الخرسانة المسلحة

Author: Luay M. Al-Shather لؤي محمد عباس
Journal: KUFA JOURNAL OF ENGINEERING مجلة الكوفة الهندسية ISSN: 25230018 Year: 2016 Volume: 7 Issue: 3 Pages: 80-95
Publisher: University of Kufa جامعة الكوفة

Loading...
Loading...
Abstract

The research presents ANN ("Artificial Neural Networks") estimation of confined peak strength for R.C columns. The modeling of the strength of reinforced concrete columns by uses of the (FEM) finite element method gets many difficulties, starting in geometric representation down to nonlinearities due to loads. The use of neural networks trained well can give us a model that can be utilized as an alternative and successful model for those columns. Experimental sets of data for concrete of square and circular concrete columns were gathered from many researches to develop an Artificial Neural Network formula as input data set parameters consist of ultimate strengths, size of mainly longitudinal and ties reinforcements, compressive concrete strength, thickness of concrete cover for reinforcement, specimen geometric dimension, and stirrup bars spacing. Confined Peaking Compressive Strength (CPCS) of square and circular concrete columns is predicted by neural networks technique and sorted with analytical models and found that they are scientifically accepted. The prediction was performed by package program (Mat Lap).

يعرض هذا البحث طريقة التنبؤ باستخدام تقنية الشبكة العصبية لإجهادات الانضغاط القصوى لعمود من الخرسانة المسلحة , وتكمن الفائدة العلمية من هذه الطريقة بانها تعالج صعوبات رياضية معقدة التي تحل بطريقة العناصر المحددة وذلك بسبب تعقيد الصعوبات الرياضية لوجود عدم الخطية في المعادلات واحتساب الاجهادات المترتبة من الاحمال. لذلك تم استخدام شبكات عصبية يتم تدريبها بشكل كفوء وسليم عن طريق الاعتماد على نتائج بحوث علمية تجريبية موثوقة تم ادخالها مسبقا لبناء الموديل الرياضي لهذه الشبكة واستخدام قسم من نتائج البحوث في تأكيد سلامة المخرجات وتقاربها من المتوقع. وتم استخدام هذه التقنية لاحقا لبيان تأثير العديد من المتغيرات التي ستجرى عن قصد لبيان معرفة تأثيرها العلمي على سلوك العمود الخرساني إنشائيا وبطريقة مبسطة واكثر وضوحا. وهذه المتغيرات شملت أقصى انفعال في حديد التسليح وكمية حديد التسليح الرئيسي والعرضي وقابلية الانضغاط العظمى للخرسانة وكذلك متغيرات تتعلق بالأبعاد الهندسية لنموذج العمود. وتم استخدام برنامج MAT LAP) ) لإدارة الشبكة العصبية.


Article
Permeability Prediction in One of Iraqi Carbonate Reservoir Using Hydraulic Flow Units and Neural Networks

Author: Dahlia Abdulhadi Alobaidi
Journal: Iraqi Journal of Chemical and Petroleum Engineering المجلة العراقية للهندسة الكيمياوية وهندسة النفط ISSN: 19974884/E26180707 Year: 2016 Volume: 17 Issue: 1 Pages: 1-11
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

Permeability determination in Carbonate reservoir is a complex problem, due to their capability to be tight and heterogeneous, also core samples are usually only available for few wells therefore predicting permeability with low cost and reliable accuracy is an important issue, for this reason permeability predictive models become very desirable. This paper will try to develop the permeability predictive model for one of Iraqi carbonate reservoir from core and well log data using the principle of Hydraulic Flow Units (HFUs). HFU is a function of Flow Zone Indicator (FZI) which is a good parameter to determine (HFUs). Histogram analysis, probability analysis and Log-Log plot of Reservoir Quality Index (RQI) versus normalized porosity (øz) are presented to identify optimal hydraulic flow units. Four HFUs were distinguished in this study area with good correlation coefficient for each HFU (R2=0.99), therefore permeability can be predicted from porosity accurately if rock type is known. Conventional core analysis and well log data were obtained in well 1 and 2 in one of carbonate Iraqi oil field. The relationship between core and well log data was determined by Artificial Neural Network (ANN) in cored wells to develop the predictive model and then was used to develop the flow units prediction to un-cored wells. Finally permeability can be calculated in each HFU using effective porosity and mean FZI in these HFUs. Validation of the models evaluated in a separate cored well (Blind-Test) which exists in the same formation. The results showed that permeability prediction from ANN and HFU matched well with the measured permeability from core data with R2 =0.94 and ARE= 1.04%.


Article
Computation of Seepage through Homogenous Earth Dams with Horizontal Toe Drain
حساب التسرب خلال السدود الترابية المتجانسة التي لها منظومة تصريف افقية

Author: Raad Hoobi Irzooki
Journal: Engineering and Technology Journal مجلة الهندسة والتكنولوجيا ISSN: 16816900 24120758 Year: 2016 Volume: 34 Issue: 3 Part (A) Engineering Pages: 430-440
Publisher: University of Technology الجامعة التكنولوجية

Loading...
Loading...
Abstract

This investigation concerns to find a new equation for computing the quantity of seepage through homogenous earth dam with horizontal toe drain. For this purpose the computer program SEEP/W (which is a sub-program of Geo-Studio) was used. The SEEP/W runs were carried out with three different downstream slopes of the dam, three different upstream slopes, three variable horizontal toe drain lengths, three different free boards, three different top widths and three different heights of the dam. For each run the quantity of seepage was determined. The results show that the seepage discharge increased with increasing upstream slope, downstream slope, upstream reservoir water depth and length of horizontal toe drain. Also, the results show that the seepage discharges decreased with increasing the top width of the dam and the height of the free board. Using SEEP/W results with helping a dimensional analysis theory, a new easy and reliable empirical equation for computing seepage discharge through homogenous earth dams with horizontal toe drain was developed. The analysis of the results by Artificial Neural Network (ANN) shows that the length of horizontal toe drain (L) is the more geometrical variable effect on the seepage discharge, while the upstream slope (tanθ) of the earth dam has a little effect.

الدراسة الحالية تطرقت الى ايجاد معادلة جديدة لحساب كمية التسرب خلال السدود الترابية المتجانسة التي لها منظومة تصريف أفقية عند النهاية السفلى لميل مؤخر السد. لهذا الغرض تم استخدام البرنامج الحاسوبي (SEEP/W) الذي هو برنامج فرعي للبرنامج (Geo-Studio). برنامج العمل في هذا البحث تم بتشغيل برنامج (SEEP/W) باستخدام ثلاث حالات مختلفة لميل مؤخر السد وثلاث حالات مختلفة لميل المقدم وثلاثة اطوال مختلفة لمنظومة الصرف الأفقية وثلاثة أعماق مختلفة لفضلة العمق وثلاثة ابعاد مختلفة لعرض قمة السد وكذلك ثلاثة ارتفاعات مختلفة للسد. لكل تجربة تم اجراؤها تم حساب كمية التسرب خلال جسم السد. بينت النتائج ان كمية التسرب تزداد مع زيادة زاوية ميل المقدم والمؤخر وزيادة عمق الماء في خزان المقدم وكذلك زيادة طول منظومة الصرف الأفقية. كذلك بينت النتائج ان كمية التسرب تقل مع زيادة عرض قمة السد وكذلك زيادة ارتفاع فضلة العمق. باستخدام نتائج البرنامج (SEEP/W) وبتطبيق نظرية التحليل البعدي تم الحصول على معادلة وضعية جديدة وبسيطة من حيث التطبيق لايجاد كمية التسرب خلال السدود الترابية المتجانسة التي لها منظومة صرف افقية. تم تحليل النتائج المستحصلة باستخدام نظرية الشبكات العصبية الاصطناعية (ANN)، وقد أظهرت نتائج التحليل أن طول منظومة الصرف الأفقية هي أكثر المتغيرات الهندسية تأثيرا على كمية التسرب وأن ميل المقدم هو أقل العوامل تأثيرا على كمية التسرب.


Article
Surface Roughness Prediction Using Circular Interpolation Based on Artificial Neural Network in Milling Operation

Authors: Maan Aabid Tawfiq --- Ahmed A.A. Duroobi --- Safaa K. Ghazi
Journal: Engineering and Technology Journal مجلة الهندسة والتكنولوجيا ISSN: 16816900 24120758 Year: 2016 Volume: 34 Issue: 5 Part (A) Engineering Pages: 983-998
Publisher: University of Technology الجامعة التكنولوجية

Loading...
Loading...
Abstract

This paper presents a method togenerate tool path and get G-codes for complex shapes depending on mathematical equations without using the package programs that use linear interpolation. Circular interpolation (G02, and G03) were used to generate tool path. This needs to define the tool radius and radius of curvature in addition to the cutting direction whether clockwise or counter clockwise. In addition many other factors had been considered in the machining process of the proposed surface to find the best tool path and G-code. Side step, feed rate and cutting speed had been studied as machining factors affecting tool path generation process. Artificial Neural Network technique had also been considered to find the best tool path depending on the cutting parameters proposed while surface roughness was the characteristic that the tool path process and G-code generation depend on. The impact of the machining parameters on the surface roughness was determined by the use of analysis of variance (ANOVA) that detects more influence for side step (85%, 53%, and 67%).From this study, it has been learned that less side step (0.2) mm and feed speed (1000) mm/min and high value for cutting speed (94.2) m/mingive better tool path to be used in machining operations. This study would help engineers and machinists to select the best tool path for their products.


Article
PREDICTING THE AXIAL LOAD CAPACITY OF STEEL COLUMNS IN FIRE USING ARTIFICIAL NEURAL NETWORKS
أستنباط قابلية التحمل المحورية للأعمدة الحديدية المعرضة للحريق بواسطة الشبكات العصبية الاصطناعية

Loading...
Loading...
Abstract

The ability to reasonably predict the response of steel structures under fire effects is of great importance in structural fire safety design. This paper presents neural networks prediction of axial load capacity for steel columns in fire. An algorithm of back propagation neural network with the log-sigmoid activation function is adopted because of its precision and results enhancement of foretelling. The legitimacy of the technique is tried by contrasting and distributed test information on steel columns at surrounding and elevated heat. The examinations demonstrate such technique gives great correlation with test result. Parametric studies have been done to evaluate the impacts of cross sectional shape, slenderness ratios and eccentricity of loading on the carrying capacity of steel columns under fire. The slim sections of steel columns with slenderness ratio domain (100-140) react distinctively by showing an abundantly decreased rate of loss in strength within the temperature domain (20°C - 300°C). This domain diminishes further with expanding slenderness ratios, and for middle columns with slenderness ratio domain (40-80), is like that of stumpy columns however at decreased buckling stress. Be that as it may, in this scope of (L/R) ratios the lessening in stress with expanding temperature is regular and demonstrates no sudden drop, because of the collaboration amongst buckling and yielding. On other hand, the eccentricity of loading on the carrying capacity of steel columns under fire shows that the slender column, (slenderness ratio) greater than 120, the column demonstrates a diminishing impact of used eccentricity of loadings with expanding slenderness ratios. This might be as a consequence of more impelled thermal bowing that is straightforwardly relative to the column length. And the load-eccentricity characteristics of the intermediate column, (slenderness ratio) domain (20 – 60), are schemed at increasing temperature gradient. It is fascinating to observe that the eccentricity of the limit of maximum column load capacity slightly effected with temperature gradient. It is trusted that the important data gave in this work will be helpful in giving a superior comprehension on the genuine behavior of steel sections in fire and a great step in improving the method of design.

القدرة على التنبؤ بشكل معقول لسلوك المنشآت الحديدية تحت آثار الحرائق تعتبر ذات أهمية كبيرة في التصميم الإنشائي الآمن تجاه الحرائق. يعرض هذا البحث التنبؤ باستخدام تقنية الشبكات العصبية للحمولة المحورية للأعمدة الحديدية تحت تأثير الحريق. تم اعتماد خوارزمية الشبكة العصبية ذات التلقين العكسي للمعلومات مع دالة تنشيط ( لوغاريتمية - سينية ) بسبب أنها دقيقة وعززت الاقتراب من النتائج المتنبأ بها. ولتحقق من دقة الطريقة تم اختبار تقنية الشبكة العصبية بمقارنة نتائجها مع نتائج الفحوصات المختبرية والمعروضة لدى الباحثين سابقين والخاصة بالأعمدة الحديدية تحت تأثير درجات متغيرة وعالية. المقارنات بينت أن هذه الطريقة تعطي ارتباط جيد مع نتائج الفحوصات العملية. وقد أجريت دراسات على تغيير المدخلات المؤثرة على الأعمدة الحديدية لتقييم تأثير شكل المقطع العرضي , نسب النحافة وكذلك لامركزية التحميل على قابلية تحملها تحت تأثير الحريق. بينت الدراسة تأثير درجات الحرارة عل المقاطع النحيفة للأعمدة الحديدية والتي تمتلك معامل نحافة يتراوح ما بين (100- 140) والذي أظهر ردة فعل متميزة في خسارة القابلية في التحمل في نطاق درجات الحرارة ما بين (20 – 300 ) درجة مئوية وتستمر هذه الخسارة بالتزايد بشكل مضطرد بازدياد معامل النحافة للعمود, أما الاعمدة ذات المقاطع المتوسطة والتي تمتلك معامل نحافة ما بين (40- 80) تكون خساراتها واضحة في إجهادات الانبعاج وهي بذلك تمتلك خاصية عدم الفشل المفاجئ تحت تأثير زيادة درجة الحرارة ويرجع ذلك لخاصية التعاون في حفظ التوازن ما بين الانبعاج للعمود وخضوع مادة الحديد له. ومن الدراسة لتأثير عدم مركزية الاحمال أوضحت الدراسة التأثير المحدود لعدم مركزية الأحمال على العمود الحديدي والذي يملك (مقطع جيد) بمعامل نحافة يزيد عن 120 ويرجع ذلك الى الانتشار القسري للحرارة على طول ارتفاع العمود الحديدي وبذلك يهمش تأثيرها بشكل نسبي. أما بالنسبة للأعمدة الحديدية التي تمتلك مقاطع بنسبة نحافة ما بين (20- 60) فأن تأثير عدم مركزية الاحمال عليها يكون واضح وأكثر تطرفا. ومما تقدم فأن الباحثين يأملون أن هذه المعلومات المستنتجة في هذا البحث ربما ستكون مفيدة لتوفير فهم أفضل لسلوك الاعمدة تحت تأثير الحريق وكذلك خطوة مهمة في طريق تطوير طريقة التصميم.


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: 16094042/ 25213407 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.

Listing 1 - 10 of 16 << page
of 2
>>
Sort by
Narrow your search

Resource type

article (16)


Language

English (13)

Arabic and English (3)


Year
From To Submit

2016 (16)