-
مدیریت مالی فرایند های پژوهش های نظری در مراکز مطالعاتی و پژوهشی دفاعی، با توجه به محدودیت های مربوط به اعتبارات پژوهشی و گستردگی این مراکز و نیز وجود اولویت های پژوهشی و سطح بندی آنها، همواره از اهمیت ویژه ای برخوردار بوده و چالش هایی را برای تصمیم گیران این حوزه ایجاد نموده است. هدف مقاله پیش رو شناسایی معیارهای مناسب مدیریت مالی فرایندهای پژوهشی در مراکز دفاعی (مطالعه موردی ارتش ج. ا. ا) و طراحی الگوی واگذاری بهینه آن به کمک سیستم هوشمند شبکه عصبی مصنوعی می باشد. در ابتدا با مراجعه به دستورالعمل ها و آیین نامه های پژوهشی آجا معیارهای واگذاری اعتبار تعیین و سپس از طریق پرسشنامه در مراکز پژوهشی مورد نظر معیارهای تعیین شده بررسی و مورد تایید قرار گرفت. در ادامه الگوی واگذاری اعتبارات پژوهشی با استفاده از شبکه عصبی مصنوعی هاپفیلد و توسط نرم افزار متلب طراحی گردید. با مشخص شدن ماهیت ورودی و خروجی واگذاری اعتبارات پژوهشی سه حالت تخصیص اعتبار بر اساس شبکه عصبی مصنوعی ارائه گردید. یافته های پژوهش بیانگر آن است که از بین بیست و پنج شاخص شناسایی شده تعداد سه شاخص مورد تایید قرار نگرفته و شاخص های چاپ کتاب، نوآوری در پژوهش و ارائه نظریه بالاترین اولویت را دارا می باشند. همچنین از بین سه الگوی وارد شده به شبکه الگوی اول بیشترین هم گرایی را با جواب شبکه که ارتقای دانش نظامی است، دارا می باشد.کلید واژگان: مدیریت مالی, فرایندهای پژوهشی, شبکه عصبی مصنوعی, مراکز مطالعات دفاعی آجا, شبکه هاپفیلدDue to the limitations imposed on financial resource allocation to research projects and also prioritization done in research processes, financial management of theoretical research processes not only presents challenges to the decision makers at defensive studies centers, but also received a lot of attention and have a wider significance for all experts. This study was an attempt to identify the appropriate criteria for financial management at Iranian army defensive centers and is also aimed at proposing a model for allocating resources to financial management through utilizing artificial neural networks. For this purpose and also in an attempt to conduct this study, at the early stages of investigation, criteria for allocating financial resources were emerged as a result of investigating the guidelines and instructions on financial resource allocation in Iranian army. To prove the selected criteria, the study was also conducted through administering a questionnaire among experts affiliated to the Iranian army research centers. Having collected the data, an appropriate model for allocating financial resources was designed in Matlab environment through applying hapfield neural networks. Having investigated the inputs and the outputs of the proposed models for financial resources allocation, three models were emerged through running artificial neural networks. The findings revealed that from among 25 identified criteria for allocating financial resources, 3 criteria were rejected and the criteria including book publication, research innovation and theory development stood at the top of prioritization. The findings also revealed that from among 3 models designed through ANN, the first model stood at the top of ranking with emphasis on military knowledge enhancement.Keywords: Financial Management, Research Processes, Artificial Neural Networks, Iranian Army Defensive Studies Centers, Hapfield Networks
-
Ad hoc networks are multi-hop wireless networks without a pre-installed infrastructure. Such networks are widely used in military applications and in emergency situations as they permit the establishment of a communication network at very short notice with a very low cost. Video is very sensitive for packet loss and wireless ad-hoc networks are error prone due to node mobility and weak links. High quality video transport under ad hoc network is a challenging task due to low bandwidth, high loss rate, unpredictable node mobility, and severe interference characteristics of such kind of network. End to end packet delivery often exhibits low performance due to one hop-by-hop routing failure and misinterpretation to such failures. Multi path routing has been used to increase the robustness for video over ad-hoc networks. The key idea of proposed schema is based on sending video packets over two disjoint paths beside using buffering technique in special nodes of network. In each of every path there is only one node selected as cache node. The main task of these nodes is to realizing different packet types, buffering some of important video packets, reducing forward traffic rate while detecting loss in network and local error management to overcome high loss rate of video packets. Selecting these nodes in network can be as an agreement between video sender and receiver or based on network topological status. The goal of this work is to reduce network end to end delay and increased quality of service over application layer.
کلید واژگان: شبکه های موردی, تکنیک بافرینگ, کاشه های ویدیویی, مکانیسم بازخورد -
Based on the wavelet transform and fuzzy set theory, we present a fuzzy wavelet network (FWN) for approximating feedback linearization control input. Each fuzzy rule corresponds to a sub-wavelet neural network (sub-WNN) consisting of wavelets with a specified dilation value. The degree of contribution of each sub-WNN can be controlled flexibly. The constructed rules used to approximate the control signal in which the mathematical model of the system under control is unknown can be adjusted by learning the translation parameters of the selected wavelets and determining the shape of Gaussian membership functions of a fuzzy system. The proposed FWN shows good approximation accuracy and fast convergence. Finally a nonlinear inverted pendulum system is applied to verify the effectiveness and ability of the proposed network.
Iranian Journal of science and Technology (B: Engineering), Volume:31 Issue: 6, December 2007, PP 651 -662Based on the wavelet transform and fuzzy set theory, we present a fuzzy wavelet network (FWN) for approximating feedback linearization control input. Each fuzzy rule corresponds to a sub-wavelet neural network (sub-WNN) consisting of wavelets with a specified dilation value. The degree of contribution of each sub-WNN can be controlled flexibly. The constructed rules used to approximate the control signal in which the mathematical model of the system under control is unknown can be adjusted by learning the translation parameters of the selected wavelets and determining the shape of Gaussian membership functions of a fuzzy system. The proposed FWN shows good approximation accuracy and fast convergence. Finally a nonlinear inverted pendulum system is applied to verify the effectiveness and ability of the proposed network. -
Abstract– This paper addresses a new concept for determining the loss quota of any transaction and any participant entity in a multilateral open access power system. This new concept, which is based on the incremental transmission loss allocation (ITLA) technique, is proposed for application on multilateral open access power systems. This method considers trader entities that have no analogy in the electrical network and classic ITLA for which load flow study could not be applied. Using Optimal Power Flow (OPF) in the proposed method overcomes the problem of dependency of the final decision to the slack bus selection, which is the worst disadvantage of the ITLA method. The proposed approach is tested on IEEE RTS 24-bus network with satisfactory results.
کلید واژگان: Open access power system, optimal power flow, incremental transmission loss allocation -
Application of the network equivalent concept for external system representation for power system transient analysis is well known. However، the challenge to utilize an equivalent network، approximated by a rational function، is to guarantee the passivity of the corresponding model. In this regard، special techniques are required to enforce the passivity of the equivalent model through a post processing approach that minimizes its impact on the original model characteristics. In this paper، the passivity is enforced by expressing the problem in terms of a convex optimization problem that guarantees the global optimal solution. The convex optimization problem is efficiently solved by recently developed numerical interior–point methods. This passivity enforcement is also global which indicates that the passivity enforcement in one region does not lead to passivity violation in other regions.
Iranian Journal of science and Technology (B: Engineering), Volume:32 Issue: 3, june 2008, PP 265 -277Application of the network equivalent concept for external system representation for power system transient analysis is well known. However، the challenge to utilize an equivalent network، approximated by a rational function، is to guarantee the passivity of the corresponding model. In this regard، special techniques are required to enforce the passivity of the equivalent model through a post processing approach that minimizes its impact on the original model characteristics. In this paper، the passivity is enforced by expressing the problem in terms of a convex optimization problem that guarantees the global optimal solution. The convex optimization problem is efficiently solved by recently developed numerical interior–point methods. This passivity enforcement is also global which indicates that the passivity enforcement in one region does not lead to passivity violation in other regions. -
در سال های اخیر، شبکه های عصبی مصنوعی کاربرد های بسیار زیادی در علوم مختلف مهندسی، از جمله مهندسی عمران پیدا نموده است. در این مقاله از دو نوع شبکه عصبی مصنوعی با سه ساختار مختلف، برای پیش بینی مقاومت فشاری بتن استفاده شده است. در این مطالعه، نوع جدیدی از شبکه های عصبی مصنوعی، به نام شبکه عصبی بازگشتی المان (Elman Networks Recurrent) معرفی شده و مقاومت نمونه های بتنی با استفاده از این شبکه ها پیش بینی شده است. همچنین در این مقاله، نتایج شبیه سازی با شبکه عصبی المان، با شبکه عصبی استاندارد پس انتشار خطا (Standard BP Networks) مقایسه شده است. نتایج پیش بینی نشان داد که شبکه عصبی المان دو لایه با تعداد نرون به ترتیب 5 و 3 نرون در لایه اول و دوم، بهترین قابلیت را برای تعمیم نتایج (یعنی قابلیت پیش بینی نمونه های آموزش ندیده) داشته و شبکه عصبی دو لایه پس انتشار استاندارد با تعداد نرون های به ترتیب 8 و 5 نرون در لایه اول و دوم، مناسبترین شبکه برای تخمین مقاومت فشاری نمونه های بتنی (پیش بینی مقاومت نمونه های آموزش دیده) می باشد.
کلید واژگان: شبکه عصبی مصنوعی, الگوریتم پس انتشار خطا, برگشتی المان, مقاومت فشاری بتنIn the recent years، the artificial neural networks (NNT) have been widely applied in the various fields of engineering especially in the various fields of the civil engineering. In this paper، two types of neural networks with three architectures were used to predict the compressive strength of concrete samples. In this study، a novel type of NNT، named as the recurrent Elman networks، was introduced and used to predict the compressive strength of concrete samples. Moreover، in this paper، the results of simulation with the Elman networks were compared with the results of traditional back propagation networks. The results of comparison showed that the two layered Elman network which has 5 and 3 neurons in the first and second layer respectively، has the best performance from the generalization perspective; and vice versa the standard BP (with 8 and 5 neurons in the first and second layer) has got the best performance for the estimation purposes -
در این تحقیق توانایی مدل های شبکه عصبی مصنوعی جهت شبیه سازی رفتار هیدرولوژیکی آب در حوزه های آبخیز مورد بررسی قرار گرفته است. هدف اصلی تحقیق بررسی کاربرد انواع مختلف شبکه های عصبی مصنوعی جهت شبیه سازی جریان در یک حوزه آبخیز با چند ایستگاه هیدرومتری و پیش بینی بهنگام جریان های سیلابی در پایین دست بوده است. منطقه مورد بررسی قسمت فوقانی رودخانه درونت (Derwent) می باشد که یکی از شاخه های اصلی رودخانه ترنت (Trent river)در ناحیه مرکزی انگلستان است. جریان سیلاب رودخانه 3، 6، 9 و 12 ساعت قبل از وقوع در محل ایستگاه هیدرومتری واتستندول (Whatstandwell) با استفاده از داده های اندازه گیری شده در بالا دست پیش بینی گردیده است. سه نوع شبکه عصبی مختلف که عبارت اند از شبکه پرسپترون چند لایه(MLP network)، شبکه برگشتی (Recurrent network)و شبکه برگشتی با تاخیر زمانی(Time lag recurrent network) به صورت جداگانه مورد استفاده و ارزیابی قرار گرفتند. هم چنین جهت بررسی تاثیر طول داده های ورودی در کارایی مدل های شبکه عصبی، شبیه سازی های مختلف با استفاده از داده های هیدرولوژیکی با طول و تعداد متفاوت مورد استفاده قرار گرفت. داده های با فاصله اندازه گیری 30 دقیقه ای با طول دوره های 1 ماه، 6 ماه و سه سال (که تولید تعداد مشاهده های متفاوتی را می نماید) بدین منظور مورد استفاده واقع شد. براساس نتایج به دست آمده هرچند شبکه های عصبی مصنوعی به صورت عمومی و کلی کارایی مناسبی را در شبیه سازی و پیش بینی دبی جریان از خود نشان داده اند ولی نوع شبکه عصبی مصنوعی و نیز خصوصیات داده های ورودی مدل خصوصا داده های آموزشی پارامترهای بسیار مهمی هستند که تاثیر عمده ای را روی خروجی های مدل دارند.
کلید واژگان: پیش بینی سیلاب, شبکه عصبی مصنوعی, پیش بینی بهنگام سیل, مدلسازی سیلاب, پیش بینی جریان رودخانهThe potential of artificial neural network models for simulating the hydrologic behaviour of catchments is presented in this paper. The main purpose is the modeling of river flow in a multi-gauging station catchment and real time prediction of peak flow downstream. The study area covers the Upper Derwent River catchment located in River Trent basin. The river flow has been predicted (at Whatstandwell gauging station) using upstream measured data. Three types of ANN were used for this application: Multi-layer perceptron, Recurrent and Time lag recurrent neural networks. Data with different lengths (1 month, 6 months and 3 years) have been used, and flow with 3, 6, 9 and 12 hours lead-time has been predicted. In general, although ANN shows a good capability to model river flow and predict downstream discharge by using only upstream flow data, however, the type of ANN as well as the characteristics of the training data was found as very important factors affecting the efficiency of the results.
Keywords: Flood prediction, ANN, Real-Time flood prediction, Flood modeling, River flow prediction -
تحلیل پوششی داده ها(DEA) ابزار قدرتمندی به منظور ارزیابی عملکرد واحدهای تصمیم گیرنده است که برخی از چندین مرحله تشکیل شده اند و یک شبکه از زیرفرآیندها را ایجاد می کنند. برخی محققان برای ارزیابی این نوع واحدها از روش های تحلیل پوششی داده های شبکه ای(DEA Network) استفاده می کنند. دو نوع متفاوت از ورودی (ورودی متغیر و شبه ثابت) تحت چارچوب DEA Network گنجانده شده است. ورودی شبه ثابت بعنوان خروجی دوره جاری در نظر گرفته شده، در حالی که بعنوان ورودی دوره ی بعدی مورد استفاده قرار می گیرد. DEA شبکه ای می تواند وابستگی متقابل میان این دو دوره را اندازه گیری نماید. پژوهش حاضر به بررسی کارایی هزینه و بازده به مقیاس آن بصورت فرآیند دو مرحله ای پرداخته است. از مزایای مدل ها می توان به کاهش زمان محاسبه اشاره کرد. مدیریت زنجیره تامین سبز (GSCM)، به یک روش برای بهبود عملکرد محیطی تبدیل شده است. تحت فشارهای ذینفع، نیروها و مقررات، شرکت ها باید اقدام GSCM را بهبود بخشیده، که از طریق شیوه هایی مانند خرید سبز، طراحی سبز و همکاری با مشتریان و تامین کنندگان انجام می شود. همانطور که شرکت ها GSCM را ارتقا می دهند، عملکرد اقتصادی و عملکرد محیطی آنها افزایش می یابد. از این رو، ارزیابی GSCM برای هر شرکت بسیار مهم است. یکی از تکنیک هایی که می تواند برای ارزیابی GSCM مورد استفاده قرار گیرد تحلیل پوششی داده ها است. به منظور تحقق اهدافمان DEA Network را برای بررسی کردن GSCM 10 شرکت نوشیدنی در ایران مورد بررسی قرار داده ایم. در مطالعه موردی، شرکت های دامداران، وارنا و رامک کارای هزینه شبکه ای می باشند. این شرکت ها بهترین عملکرد در مدیریت زنجیره تامین سبز دارند.
کلید واژگان: زنجیره تامین, کارایی هزینه, بازده به مقیاسData Envelopment Analysis (DEA) is a powerful tool to evaluate the performance of decision-making units. Some of decision- making units consist of several parts or stages that make a network of sub-processes. Data Envelopment Analysis (DEA) is used to evaluate such type of units. Two different types of inputs (variable and quasi-constant inputs) are considered based on the framework of Network Data Envelopment Analysis. One of the characteristics of the quasi-consist input is that it is considered as the output of current stage, while it will be used as the input of the next stage. The network DEA can measure the independence between the two stages. The present study investigates its cost efficiency and returns to scale (RTS) as a two-stage process. Cost efficiency can use inputs, as well as their cost and values in order to calculate the efficiency. We investigate the cost efficiency of the stages and whole process, and we also determine returns to scale. One of the advantages of the models is the reduction of computational time. Green Supply Chain Management (GSCM) is an approach to improve environmental performance. GSCM will increase its economic and environmental performance. Hence, GSCM's assessment is very important for every company. One of the techniques which can be used to evaluate GSCM is Data Envelopment Analysis (DEA). In order to achieve our goals in this study, we use network Data Envelopment Analysis (DEA) to investigate 9 GSCM Iranian Drinking Company.
Keywords: supply chain, Cost Efficiency, RTS -
تسریع روش SEMN برای تحلیل آنتنهای میکرواستریپ محدودروش SEMN روشی با توانایی منحصر به فرد جهت تحلیل آنتنهای میکرواستریپ با هر دو شکل و هر نوع دی الکتریک از طریق محاسبه میدانهای مغناطیسی مماسی سطوح مرزی استکه از به هم آمیختن اصل تعادل سطخی (Surface Equivalence) و تئوری تحلیل شبکه های چند دهانه ای (Multiport Network Theory) بدست آمده است. اگر چه تنها تقریب به کار گرفته شده در این روش، قطعه بندی سطوح مرزی اجسام همگن تشکیل دهنده هندسه مساله با قطعات مستطیلی است، اما به علت کندی محاسبه تزویج متقابل تمامی قطعات مرزی با همدیگر تحلیل ساختارهای با ابعاد بزرگتر از طول موج از لحاظ مدت زمان انجام محاسبات غیر اقتصادی جلوه می کند.کلید واژگان: آنتنهای میکرواستریپ, آنتن پچ میکرواستریپ, تابع گرین فضائی دیادیک, آنتنهای آرایه میکرواستریپ
-
It is shown in [1] that the optimal downlink radio resource allocation for non-realtime traffic in cellular CDMA/TDMA networks can be mapped to a Multi-dimensional Multiple-choice Knapsack Problem (MMKP) which is NP-hard. In this correspondence we propose a heuristic algorithm with polynomial time complexity for this problem. Numerical results indicate significant computational performance improvement in comparison to existing heuristic algorithms for MMKP.
کلید واژگان: Base, Station Assignment, Cellular Networks, Heuristic Algorithms, Packet Scheduling
-
از آنجا که گزینه «جستجوی دقیق» غیرفعال است همه کلمات به تنهایی جستجو و سپس با الگوهای استاندارد، رتبه‌ای بر حسب کلمات مورد نظر شما به هر نتیجه اختصاص داده شده‌است.
- نتایج بر اساس میزان ارتباط مرتب شده‌اند و انتظار می‌رود نتایج اولیه به موضوع مورد نظر شما بیشتر نزدیک باشند. تغییر ترتیب نمایش به تاریخ در جستجوی چندکلمه چندان کاربردی نیست!
- جستجوی عادی ابزار ساده‌ای است تا با درج هر کلمه یا عبارت، مرتبط ترین مطلب به شما نمایش داده‌شود. اگر هر شرطی برای جستجوی خود در نظر دارید لازم است از جستجوی پیشرفته استفاده کنید. برای نمونه اگر به دنبال نوشته‌های نویسنده خاصی هستید، یا می‌خواهید کلمات فقط در عنوان مطلب جستجو شود یا دوره زمانی خاصی مدنظر شماست حتما از جستجوی پیشرفته استفاده کنید تا نتایج مطلوب را ببینید.
* ممکن است برخی از فیلترهای زیر دربردارنده هیچ نتیجه‌ای نباشند.
-
معتبرحذف فیلتر
©2000-2025 magiran.com All Rights Reserved.