research centers


Search results: Found 11

Listing 1 - 10 of 11 << page
of 2
>>
Sort by

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
On training Neural Network To Solve Some Class of Boundary Value Problems
حول تدريب الشبكات العصبية لحل صنف من مسائل القيم الحدودية

Author: Alaa Kamel Jaber علاء كامل جابر
Journal: Journal of Al-Qadisiyah for Computer Science and Mathematics مجلة القادسية لعلوم الحاسوب والرياضيات ISSN: 20740204 / 25213504 Year: 2016 Volume: 8 Issue: 1 Pages: 14-24
Publisher: Al-Qadisiyah University جامعة القادسية

Loading...
Loading...
Abstract

The aim of this paper is to train feed forward neural network for solving some class of boundary value problems for ordinary differential equations. Using backpropagation training algorithm, where the Levenberg – Marquardt training algorithm is used to train the network .The existence of the proposed solution was proved. The suggested networks have been studied intensively for a few decades and have provided an option for modeling complex systems. Therefore this option was utilized to reduce the computation of solution, and finally the method is demonstrated through illustrative examples.

الهدف من البحث هو تدريب شبكة عصبية ذات تغذية تقدمية لحل صنف من مسائل القيم الحدودية للمعادلات التفاضلية الاعتيادية .تم استخدام خوارزمية التدريب ذات التغذية الخلفية وتم استخدام خوارزمية التدريب (trainlm). تم اثبات وجود الحل للشبكة المقترحة. تم دراستها بشكل مكثف منذ بضعة عقود حيث قدمت خيارا لنمذجة الانظمة الصعبة. لذلك هذا الخيار استخدم لتقليل الحسابات في اثناء الحل ، واخيرا تم توضيح الشبكة المقترح .


Article
Automatic Brain MRI Slices Classification Using Hybrid Technique
التصنيف التلقائي للدماغ لصور الرنين المغناطيسي باستخدام تقنية هجينة

Authors: Dr. AhlamFadhil Mahmood د.أحلام فاضل محمود --- Ameen Mohammed Abd-Alsalam أمين محمد عبد السلام
Journal: AL Rafdain Engineering Journal مجلة هندسة الرافدين ISSN: 18130526 Year: 2014 Volume: 22 Issue: 3 Pages: 198-212
Publisher: Mosul University جامعة الموصل

Loading...
Loading...
Abstract

AbstractThis paper presents an intelligent classification technique to identify normal and abnormal slices of the magnetic resonance human brain images(MRI). The prtoposed hybrid technique consists of four subsequent stages; namely, dimensionality reduction, preprocessing, feature extraction, and classification. In the initial stages, the enhancement and removed unwanted informationare applied to provide a more appropriate image for the subsequent automated stages. In feature extraction stage, the most efficient features like statistical, and Haar wavelet features are extracted from each slice of brain MR images. In the classification stage, initially performs classification process by utilizing Fuzzy Inference System (FIS) and secondly Feed Forward Neural Network (FFNN) is used to classify the braintissue to normal or abnormal.The proposed automated system is tested on a data set of 572 MRI images using T1 horizontal transverse (axial) section of the brain. Hybrid method yields high sensitivity of 100%, specificity of 100% and overallaccuracy of 95.66% over FIS and FFNN. The classification result shows that the proposed hybrid techniques are robust and effective compared with other recently work.Keywords: Brain Tumor Classification; Fuzzy Inference System; Feed Forward Neural Network; MRI .

الملخصتستعرض هذه الورقة تقنية ذكية لتصنيف شرائح صور الدماغ بالرنين المغناطيسي إلى طبيعية أو مرضية. التقنية الهجينة المقترحة تشمل أربعة مراحل : تقليل أبعاد صور الرنين , تجهيزها، واستخراج الميزات ، والتصنيف. في المراحل الأولى، يتم استخدام تقنيات لإزالة المعلومات الغير مفيدة لتوفير صورة أكثر ملائمة لمراحل لاحقة. في مرحلة استخراج الميزات، يتم استخراج الميزات الأكثر كفاءة وهيإحصائية، وميزات المويجات لكل شريحة من صور الرنين المغناطيسي. في مرحلة التصنيف، يتم أولا استخدام نظام الاستدلال الضبابيثم الشبكة العصبية الاصطناعية لتصنيف إلى حالات طبيعية وأخرى مرضية. تم اختبار النظام الأوتوماتيكي المقترح باستخدام البيانات ل572 صورة رنين مغناطيسي لمقطع أفقي محوري لصور الدماغ. الطريقة الهجينة أعطت حساسية عالية مقدارها 100% وكذلك لعامل الخصوصية وبدقة مقدارها 95.66% بدمج المنطق المضبب والشبكة العصبية. نتائج التصنيف أثبتت كفاءة الطريقة المقترحة مقارنة مع أعمال حديثة


Article
Intelligent Neural Network with Greedy Alignment for Job-Shop Scheduling

Authors: Fatin I. Telchy1 --- Safanah Rafaat2
Journal: IRAQI JOURNAL OF COMPUTERS,COMMUNICATION AND CONTROL & SYSTEMS ENGINEERING المجلة العراقية لهندسة الحاسبات والاتصالات والسيطرة والنظم ISSN: 18119212 Year: 2015 Volume: 15 Issue: 3 Pages: 11-24
Publisher: University of Technology الجامعة التكنولوجية

Loading...
Loading...
Abstract

Abstract –Job-Shop Scheduling (JSS) processes have highly complex structure interms of many criteria. Because there is no limitation in the number of the process andthere are many alternative scheduling. In JSS, each order that is processed on differentmachines has its own process and process order. It is very important to put theseprocesses into a sequence according to a certain order. In addition, some constraintsmust be considered in order to obtain the appropriate tables.In this paper, a 3-layers Feed Forward Backpropagation Neural Network (FFBNN) hasbeen used for two different purposes, the first one task is to obtain the priority and thesecond one role is to determine the starting order of each operation within a job.Precedence order of operations indicates the dependency of subtasks within a job,Furthermore, the combined greedy procedure along with the back propagation algorithmwill align operations of each job until best solution is obtained. In particular, greedytype algorithm will not always find the optimal solution. However, adding a predefinedalignment dataset along with the greedy procedure result in optimal solutions.


Article
Intelligent Feedback Scheduling of Control Tasks

Author: Fatin I. Telchy
Journal: Iraqi Journal for Electrical And Electronic Engineering المجلة العراقية للهندسة الكهربائية والالكترونية ISSN: 18145892 Year: 2014 Volume: 10 Issue: 2 Pages: 64-79
Publisher: Basrah University جامعة البصرة

Loading...
Loading...
Abstract

an efficient feedback scheduling scheme based on the proposed Feed Forward Neural Network (FFNN)scheme is employed to improve the overall control performance while minimizing the overhead of feedbackscheduling which exposed using the optimal solutions obtained offline by mathematical optimization methods. Thepreviously described FFNN is employed to adapt online the sampling periods of concurrent control tasks withrespect to changes in computing resource availability. The proposed intelligent scheduler will be examined withdifferent optimization algorithms. An inverted pendulum cost function is used in these experiments. Then,simulation of three inverted pendulums as intelligent Real Time System (RTS) is described in details.Numerical simulation results demonstrates that the proposed scheme can reduce the computationaloverhead significantly while delivering almost the same overall control performance as compared to optimalfeedback scheduling


Article
Solving Heat Transfer Equation by Using Feed Forward Neural Networks
حل معادلة التوصيل الحراري باستخدام الشبكات العصبية ذات التغذية التقدمية

Author: Alaa Kamel Jaber علاء كامل جابر
Journal: journal of al-qadisiyah for pure science(quarterly) مجلة القادسية للعلوم الصرفة (فصلية). ISSN: 19972490 Year: 2014 Volume: 19 Issue: 2 Pages: 163-172
Publisher: Al-Qadisiyah University جامعة القادسية

Loading...
Loading...
Abstract

The aim of this paper is to design feed forward neural network (FFNN) to solvethe heat equation. Using a multi-layer with 7 hidden units (neurons) and one linearoutput unit, the sigmoid activation function of each unit in hidden layer is tansigfunction, where the Levenberg – Marquardt training algorithm is used to train thenetwork .The existence of the proposed solution was proved. The suggested networkshave been studied intensively for a few decades and have provided an option formodeling complex systems. Therefore this option was utilized to reduce thecomputation of solution, and finally the method is demonstrated through illustrativeexamples.

الهدف من البحث هو تصميم شبكة عصبية ذات تغذية تقدمية لحل معادلة التوصيل الحراري. تم استخدام شبكة متعددة الطبقات ذات طبقة خفية واحدة تحتوي على 7 وحدات )عصبونات( ووحدة اخراج خطية واحدة، دالة التنشيط المستخدمة لكل وحدة في الطبقة المخفية كانت الدالة )tansig( وتم استخدام خوارزمية التدريب )trainlm(. تم اثبات وجود الحل للشبكة المقترحة. تم دراستها بشكل مكثف منذ بضعة عقود حيث قدمت خيارا لنمذجة الانظمة الصعبة. لذلك هذا الخيار استخدم لتقليل الحسابات في اثناء الحل ، واخيرا تم توضيح الشبكة المقترحة من خلال الأمثلة التوضيحية.


Article
Solving Mixed Volterra - Fredholm Integral Equation (MVFIE) by Designing Neural Network
حل معادلة فولتيرا - فريدهولم التكاملية المختلطة باستخدام الشبكات العصبية

Authors: Nahdh S. M. Al-Saif ناهض سليم محمد سعيد --- Ameen Sh. Ameen امين شامان امين
Journal: Baghdad Science Journal مجلة بغداد للعلوم ISSN: 20788665 24117986 Year: 2019 Volume: 16 Issue: 1 Pages: 116-120
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

In this paper, we focus on designing feed forward neural network (FFNN) for solving Mixed Volterra – Fredholm Integral Equations (MVFIEs) of second kind in 2–dimensions. in our method, we present a multi – layers model consisting of a hidden layer which has five hidden units (neurons) and one linear output unit. Transfer function (Log – sigmoid) and training algorithm (Levenberg – Marquardt) are used as a sigmoid activation of each unit. A comparison between the results of numerical experiment and the analytic solution of some examples has been carried out in order to justify the efficiency and the accuracy of our method.

الهدف الاساسي في هذا البحث هو تقديم طريقه عدديه جديده لحل هذا النوع من المعادلات باستخدام الشبكات العصبية ANN)). حيث تم تصميم شبة عصبيه ذات تغذية اماميه(FFNN ) سريعة, هذا التصميم ذو الطبقات المتعددة والذي يحوي على طبقه واحده خفيه تحتوي على خمسة وحدات خفيه وتستخدم الدالة التحويل (log_sigmoid ) وطبقة واحدة للإخراج, وتم تدريب الشبة باستخدام خوارزمية ليفن برك (Levenberg – Marquardt) . ولبيان دقة و كفاءة الطريقة المقدمة تم مقارنة نتائج الامثلة التوضيحية مع الحلول المضبوطة لهذه الأمثلة, و من خلال المقارنة تبين بان الطريقة ذات كفاءة و دقة عالية وذات خطاء قليل جدا.


Article
Mobile Position Estimation using Artificial Neural Network in CDMA Cellular Systems
تقدير موقع الهاتف المحمول بأستعمال الشبكة العصبية الصناعيــة في أنظمة CDMA الخليويــة

Authors: Omar Waleed Abdulwahhab عمر وليد عبد الوهاب --- Sally Antoin Jergees سالي انطوان جرجيس
Journal: Journal of Engineering مجلة الهندسة ISSN: 17264073 25203339 Year: 2016 Volume: 22 Issue: 1 Pages: 83-102
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

Using the Neural network as a type of associative memory will be introduced in this paper through the problem of mobile position estimation where mobile estimate its location depending on the signal strength reach to it from several around base stations where the neural network can be implemented inside the mobile. Traditional methods of time of arrival (TOA) and received signal strength (RSS) are used and compared with two analytical methods, optimal positioning method and average positioning method. The data that are used for training are ideal since they can be obtained based on geometry of CDMA cell topology. The test of the two methods TOA and RSS take many cases through a nonlinear path that MS can move through that region. The results show that the neural network has good performance compared with two other analytical methods which are average positioning method and optimal positioning method.

ان استعمال الشبكات العصبية كنوع من الذاكرة المترابطة سيطرح ضمن هذا البحث من خلال تقديم مشكلة تقدير موقع الهاتف المحمول حيث ان الهاتف سيقوم بتقدير موقعة بالاعتماد على شدة الاشارة المستلمة من قبل عدة محطات مجاورة له حيث ان الشبكة العصبية ممكن ان تبنى داخل الهاتف. استخدمت طرق تقليدية مثل طريقة زمن الوصول وطريقة قوة الاشارة المستلمة وتمت مقارنتها مع طرق تحليلية و هي طريقة المعدل والطريقة الفضلى. وكانت البيانات التي استخدمت في تدريب الشبكة مثالية اعتمدت من التصميم المعتمد ضمن النظام الخليوي للCDMA ثم تم اختبار هذه الشبكة على مسار تم تحديده ضمن منطقة معينة ومقارنة نتائج الشبكة مع الطريقتين التحليليتين.


Article
The effect of the threshold function for design feed forward neural network for solving Partial differential equations
تأثير دوال التنشيط في تصميم شبكة عصبية ذات التغذية الأمامية لحل المعادلات التفاضلية الجزئية

Author: Dr.Khalid. Mindeel. M. Al-Abrahemee د. خالد منديل محمد
Journal: Journal of Kufa for Mathematics and Computer مجلة الكوفة للرياضيات والحاسوب ISSN: 11712076 Year: 2017 Volume: 4 Issue: 1 Pages: 13-22
Publisher: University of Kufa جامعة الكوفة

Loading...
Loading...
Abstract

In this paper we disperse the outcome of threshold functions for designate feed forward neural network for solution partial differential equations”. “We utility a multi-layer network having one hidden layer with 7 hidden units (neurons) and one linear output unit with different of threshold function of each unit are logsig , tansig, purelin, tribas and hardlim and use Levenberg – Marquardt (trainlm) training algorithmic rule”. Finally the terminate of numerical experience are compare to with the true solution in illustrative examples to ratify the precision and effectiveness of the immediate plan.

ـــ في هذا البحث نناقش تأثير دوال التنشيط في تصميم الشبكة العصبية ذات التغذية الأمامية لحل المعادلات التفاضلية الجزئية. استخدمنا شبكة متعددة الطبقات ذات طبقة خفية واحدة ذو سبعة وحدات (عصبونات) خفية و وحدة أخراج خطية ودوال الاستثارة لكل حدة خفية هي مختلفة logsig , tansig, purelin, tribas and hardlim باستخدام خوارزمية التدريب لـ ﭭنبرك - ماركوادت و بايسن(trainlm). أخيرا النتائج للاختبارات العددية قورنت مع الحل المضبوط في أمثلة توضيحية لتعزيز و تأكيد الدقة و كفاءة للتقنية المقترحة .

Listing 1 - 10 of 11 << page
of 2
>>
Sort by
Narrow your search

Resource type

article (11)


Language

English (11)


Year
From To Submit

2019 (1)

2017 (1)

2016 (2)

2015 (1)

2014 (3)

More...