research centers


Search results: Found 494

Listing 1 - 10 of 494 << page
of 50
>>
Sort by

Article
Neural Net Approach For Image Thinning
التنحيف باستخدام تقنية الشبكات العصبية

Author: Itemad Raheem Ali اعتماد رحيم علي
Journal: Al-Rafidain University College For Sciences مجلة كلية الرافدين الجامعة للعلوم ISSN: 16816870 Year: 2011 Issue: 28 Pages: 66-78
Publisher: Rafidain University College كلية الرافدين الجامعة

Loading...
Loading...
Abstract

Thinning is the operation that seeks to reduce a connected region of pixels of a given property set to a small size. One of the most applications of thinning is the image recognission. In this paper, we proposed a new algorithm for thinning an image using Neural Net approach called (Thinning Back- propagation algorithm, TBP), the results show that the operation considered including Zhang Suen algorithm, Hilditch's algorithm. Applying Zhang Suen and Hilditch's algorithms showed that the output of the Hilditch's algorithm is better from the presence of shape accuracy point of view. The proposed Thinning Back-propagation (TBP) algorithm is superior to other algorithms; the results show that the Hilditch's algorithm gives somewhat better results than Zhang Suen algorithm, therefore the proposed TBP has been implemented depending on the Hilditch's algorithm. The accuracy of the TBP is equivalent to Hilditch's algorithm but it is a little bit faster than Hilditch's algorithm. Experimental results are presented to compare the performance of the algorithms.

تهدف عملية التنحيف الى تقليص حجم شكل معين الى حجم أصغر يحمل نفس مواصفات الشكل الاصلي. التنحيف له استخدامات واسعة في تطبيقات كثيرة من ضمنها تمييز الصور. في هذا البحث تم اقتراح خوارزمية جديدة للتنحيف بالاعتماد على الشبكات العصبية وتحديداً خوارزمية الانتشار العكسي سميت (خوارزمية التنحيف بالانتشار العكسي)، وانجزت مقارنات نتائج الخوارزمية المقترحة مع كل من خوارزمية زهانك سوين وخوارزمية هيلدج.بتطبيق خوارزمية هيلدج وخوارزمية زهانك سوين أثبت إن الخوارزمية الاولى هي افضل من ناحية المحافظة على دقة الشكل.اما خوارزمية التنحيف بالانتشار العكسي المقترحة فهي افضل من الخوارزميتين الاخريتين وذلك لانها تعطي نفس دقة خوارزمية هيلدج مع عمليات حسابية اقل.


Article
Controlling the Direct Connected Parallel Three-Phase Voltage Source Inverters by Using Neural networks
السيطرة المباشرة على عاكسات ثلاثية الطور مربوطة على التوازي بأستخدام الشبكات العصبية

Author: Khalid I .Al – Naimi
Journal: Al-Rafidain University College For Sciences مجلة كلية الرافدين الجامعة للعلوم ISSN: 16816870 Year: 2009 Issue: 24 Pages: 1-22
Publisher: Rafidain University College كلية الرافدين الجامعة

Loading...
Loading...
Abstract

This paper demonstrates that neural networks can be used effectively for the controlling the direct connection of parallel three-¬phase voltage source inverters..A unique feature of the parallel three-phase inverters is a zero--sequence circulating current. This work proposes a new zero-sequence control for parallel three- phase voltage source inverter using a neural networks to assist the Proportional-Integral controller against the variation on the two inverters to maintain the value of a zero-sequence current within an acceptable value. The controller of the zero-sequence current can be implemented within an individual inverter and it is independent of the other control loops of the inverter, therefore, it greatly facilitates design and expansion of parallel system.Simulation and results can be obtained by using mathematical software such as MATLAB version seven to show the performance of the controllers and the closed loop system.Two-layers feedforward neural networks FNN's containing a Levenberg-Marquardt training algorithm are used.

يبين هذا البحث أماكنية أستعمال الشبكات العصبية لاغراض السيطرة المباشرة على منظومات عاكسات ثلاثية الطور مربوطة على التوازي. أن أحد خواص العاكس ثلاثي الطور المربوط على التوازي هو جعل التيار الدوار مساويا" صفر. أن هذا البحث يطرح طريقة جديدة للسيطرة على التيار الدوار في منظومة العاكس الثلاثي الطور المربوط على التوازي بالاعتماد على الشبكات العصبية ليكون مساعدا" للمسيطر (التناسبي / التكاملي) بالمحافظة على قيم التيار الدوار لتكون ضمن القيم المقبولة.أن السيطرة على التيار الدوار يمكن تنفيذه ضمن كل عاكس , دون ألاعتماد على حلقات السيطرة ألاخرى وهذا ألاسلوب يسهل أمكانية توسيع عدد منظومات التوازي. بالامكان الحصول على نتائج المحاكات بأستعمال برامجيات رياضيه مثل ( ماتلاب 7) لبيان أداء المسيطر ومنظومة الحلقة المغلقة. تم أستعمال شبكة عصبية ذات طبقتين من نوع التغذية ألامامية تحتوي على خوارزمية ليفنبرغ- ماركواردت لغرض تعليم الشبكة.


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
Neurocontrol Car Driving by Assistance Of Radar Networks System
السيطرة بواسطة الشبكات العصبية لقيادة السيارة بمساندة نظام شبكة رادارات

Loading...
Loading...
Abstract

In this paper we are concerned with the construction of an artificial intelligence program as a neurocontroller for safely driving a car in the road with different probable situations. This research mainly interested in the use of neural network (NN) and its work with radars. The proposed approach deals with decision-making mechanisms depending on the target position. The main novelty in this paper lies in the NN controlling depending on the front and back radars readings. This neurocontroller decides car status to increase or decrease acceleration, and turning direction with steering angle to the left or the right while accelerating. Results showed the good capability of this controller with emphasis on skills learning behavior.

هذا البحث يركز على استخدام مسيطرذكاء صناعي لقيادة السيارة بأمان في الشارع، تم التركيز على استخدام الشبكات العصبية و الرادارات. الطريقة المقترحة هي إلية اتخاذ القرارات بالاعتماد على مواقع الأجسام قرب السيارة وحالة الطريق، الشيء المتميز في هذا البحث هو السيطرة بواسطة الشبكات العصبية بمساندة الرادارات من خلال استخدام قراءات شبكات الرادارات الموجودة أمام و خلف السيارة. يمكن لهذا المسيطر تغيير تعجيل السيارة وبالتالي زيادة أو تقليل سرعتها، الاستدارة باتجاه اليمين أو اليسار مع تحديد زاوية دوران مقود السيارة. نتائج الاختبارات أثبتت كفاءة سلوك هذا المسيطر من خلال القيم الواطئة للخطأ.

Keywords

Controller --- Neural Networks --- Radar.


Article
Improved Feature Extraction Using Weightless Neural Networks(IWNC)

Author: Ikhlas Watan Ghindawi
Journal: Journal Of AL-Turath University College مجلة كلية التراث الجامعة ISSN: 20745621 Year: 2012 Issue: 12 Pages: 244-253
Publisher: Heritage College كلية التراث الجامعة

Loading...
Loading...
Abstract

The weightless neural classifier (WNC) is based on the collective response of RAM-based neurons. The ability of producing prototypes, analog to unconstrained images, from learned categories, was first introduced in the (IWNC) model. By counting the frequency of write accesses at each RAM neuron during the training phase, it is possible to associate the most accessed addresses to the corresponding input field contents that defined them. This work is about extracting information from such frequency counting in the form of fuzzy rules as an alternative way to describe the same images produced by (IWNC) as logical prototypes.

المصنف العصبي العديم الوزن ( اللاموزون ) يعتمد على الاستجابة المشتركة للاعصاب المعتمدة على ذاكرة الوصول العشوائي ( الذاكرة المؤقتة) . ان امكانية انتاج نماذج اولية تناضرية للصور غير المقيدة من تصانيف معلومة قد تم تقديمها بنموذج تحسين ميزة الاستخراج باستخدام الشبكات العصبية اللاموزونة ( عديمة بحساب تردد الكتابة على كل ذاكرة وصول عشوائية خلال طور التدريب . بالامكان ربط معظم عناوين الوصول مع محتويات مجال الادخال المناضرة . هذا البحث حول استخراج معلومات من قياسات التردد بشكل قواعد غامضة كطريقة بديلة لوصف نفس الصور المنتجة بواسطة تحسين ميزة الاستخراج باستخدام الشبكات العصبية اللاموزونة ( عديمة الوزن ) كنموذج اولي منطقي .

Keywords

Weightless --- Neural --- Networks --- IWNC


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
REAL TIME IMPLEMENTATION OF FIR FILTER BASED ON TIME DELAY NEURAL NETWORK
تنفيذ الزمن الحقيقي لمرشح نبضة محدد الاستجابة مبني على استخدام شبكة تأخير الزمن العصبية

Author: Dr. Shefa Abdulrahman Dawwd د.شفاء عبدالرحمن داؤد
Journal: AL Rafdain Engineering Journal مجلة هندسة الرافدين ISSN: 18130526 Year: 2010 Volume: 18 Issue: 4 Pages: 17-27
Publisher: Mosul University جامعة الموصل

Loading...
Loading...
Abstract

AbstractAn FPGA real time Implementation of Time Delay Neural Network (TDNN) is presented in this paper. The design and all of the work are geared towards the implementation of the TDNN in a scalable fashion. The TDNN is an adaptive FIR filter with 18-bit input and 18-bit output resolution. In this paper, the filter adapts its tap weights using the Least-Mean-Square (LMS) algorithm and then stores them in FPGA memory cell. The LMS algorithm that is used for weight adaptation is off chip implemented. The input is processed through a digital tapped delay line. The FIR neural network is used for real time adaptive noise cancellation. When the filter order is 10, the filter consumes 1168 Spartan 3E FPGA logic elements. Keywords: TDNN, FIR neural network, FPGA neural implementation.

يعرض هذا البحث تنفيذ الزمن الحقيقي لشبكة تأخير الزمن العصبية بأستخدام مصفوفة البوابات المبرمجة حقليا. تم توجيه التصميم وكل العمل على تنفيذ الشبكة بتقنية قابلة للتوسع. في هذا البحث تعمل شبكة تأخير الزمن العصبية كمرشح متكيف محدد الاستجابة بدقة 18 بت ادخال و 18 بت اخراج. يستخدم المرشح خوارزمية اقل معدل تربيع في تثبيت اوزانه ومن ثم خزن تلك الاوزان في خلايا ذاكرة مصفوفة البوابات المبرمجة حقليا. تم تنفيذ خوارزمية اقل معدل تربيع برمجيا خارج دائرة الرقاقة. يعالج الادخال خلال خط التأخير الرقمي الخاص بالمرشح المصمم. تم استخدام تطبيق ازالة الضوضاء المتكيفة في فحص كفاءة الشبكة العصبية المكافئة لمرشح محدد الاستجابة. لمرشح ذو مرتبة مساوية لل10 تم استغلال 1168 عنصراً منطقياً من حجم رقاقة البوابات المبرمجة حقلياً.

Listing 1 - 10 of 494 << page
of 50
>>
Sort by
Narrow your search

Resource type

article (494)


Language

English (394)

Arabic and English (57)

Arabic (30)


Year
From To Submit

2019 (32)

2018 (57)

2017 (36)

2016 (50)

2015 (33)

More...