research centers


Search results: Found 10

Listing 1 - 10 of 10
Sort by

Article
Prediction of the Point Efficiency of Sieve Tray Using Artificial Neural Network

Authors: Firas N. Hassan --- Adil. A. Al-Hemiri عادل احمد عوض
Journal: Iraqi Journal of Chemical and Petroleum Engineering المجلة العراقية للهندسة الكيمياوية وهندسة النفط ISSN: 19974884/E26180707 Year: 2009 Volume: 10 Issue: 4 Pages: 57-62
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

An application of neural network technique was introduced in modeling the point efficiency of sieve tray, based on a data bank of around33l data points collected from the open literature.Two models proposed,using back-propagationalgorithm, the first model network consists: volumetric liquid flow rate (QL), F foctor for gas (FS), liquid density (pL),gas density (pg), liquid viscosity (pL), gas viscosity (pg), hole diameter (dH), weir height (hw), pressure (P) and surfacetension between liquid phase and gas phase (o). In the second network, there are six parameters as dimensionless group: Flowfactor (F), Reynolds numberfor liquid (ReL), Reynolds numberfor gas through hole (Reg), ratio of weir height to hole diqmeter (hw/dH), ratio of pressure of process to atmosphere pressure (P/Pa), Weber number (lTe).Statistical analysis showed that the proposed models have an average absolute relative enor (AARE) of 9.3% and standard deviation (SD) of 9.7%forfirst model, AARE of 9.35% and SD of 10.5%for second model and AARE of 9.8%and SD of 7.5%for the third model.


Article
Prediction of Extraction Efficiency in Rdc Column Using Artificial Neural Network

Authors: Chalak S. Omar --- Adil. A. A. Al-Hemiri
Journal: Journal of Engineering مجلة الهندسة ISSN: 17264073 25203339 Year: 2008 Volume: 14 Issue: 2 Pages: 2607-2621
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

An application of neural network technique was introduced in modeling extraction efficiency in RDC column, based on a data bank of around 352 data points collected in the open literature. Three models were made, using back-propagation algorithm, the extraction efficiency was found to be a function of seven dimensionless groups: Weber number (we), ( ), ( ), ( ), ( ), ( ) and ( ). Statistical analysis showed that the proposed models have an average absolute error (AARE) and standard deviation (SD) of 12.23% and 10.61% for the first model, 5.35% and 6.21% for the second model, 8.34% and 7.59% for the third model. The developed correlations also show better prediction over a wide range of operating conditions, physical properties and column geometry.


Article
A Wavelet Neural Network Ramwork for Speaker Idntifcation

Authors: Saleem M-R. Taha --- Dhiadeen M. Salih --- W.A. Mahmoud
Journal: Journal of Engineering مجلة الهندسة ISSN: 17264073 25203339 Year: 2006 Volume: 12 Issue: 1 Pages: 227-236
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

This paper introduces a new model-free identification methodology to detect and identify speakers and recognize them. The basic module of the methodology is a novel multi-dimensional wavelet neural network . The WNN approach include: a universal approximator ; the time – frequency localization : property of wavelets leads to reduced networks at a given level of performance ; The construct used as the feature mode classifier . Wavelet transform has been successfully applied to the processing of non – stationary speech signal and the feature vector that obtained becomes the input to the wavelet neural network which is trained off-line to map features to used for the classification procedure. An example is employed to illustrate the robustness and effectiveness of proposed scheme.

في هذا البحث تم اقتراح طريقة لنظام تمييز تعتمد على شبكة عصبية للتحويل المتموج ذات الابعاد (wavelet neural network) حيث ان نظرية (WN) يتضمن التحديد الزمني والترددي والتابع للتحويل التموجي مساعدا بتقليل نسبة تعقيد الشبكة وعلى الاساس استخدم هذه الشبكة كمصنف لخصائص لنماذج معينة من صوت كل متكلم حيث يستخلص بطريقة التحويل المتموج المتقطع (Discreet wavelet transform) لعدة مستويات بعد تقسيم كل صوت الى عدد من مقاطع متساوية ومن ثم اخذ الطاقة المعدلة لكل مستوى حيث يتحصل بذلك على متجه ذات معاملات تدل لخصائص الكلمة للمتكلم وبعده يطبق جميع المتجهات المستحصلة لكل متكلم على شبكة التحويل المتموج (WN) وذلك لغرض تعليم الشبكة (Learning face) ومن ثم تطبيق صوت متكلم مجهول على الشبكة للتعرف عليه وقد اعطىت هذه الطريقة عدد اوطىء من الحسابات وبذلك يزيد من كفاءة النظام ويقلل من وقت التنفيذ مقارنة لبقية الشبكات العصبية المستخدمة سابقا. هذه الطريقة تم تطبيقها على حاسبة سرعة معالجها (850 MHz Celeron) و(RAM 128 MB) ولغة برنامج هي MATLTAB 6 . اما قاعدة البيانات فهي مكونة من خمسة وعشرين شخص (12 ذكور و 13 اناث) وقد كانت نسبة التمييز هي 82% مع زمن تعلم للشبكة لايتجاوز 47 ثانية في حالة النص المستقل ونسبة 100% مع زمن تعلم للشبكة تصل الى 155 ثانية في حالة النص المتعمد


Article
Prediction of Soil's Compaction Parameter Using Artificial Neural Network(eng)
حساب معاملات حدل التربة باستخدام الشبكات العصبية الاصطناعية

Authors: RaghdanZuhair Al-saffar رغدان زهير الصفار --- Dr. SuhailI.Khattab سهيل إدريس خطاب --- Dr. salem taib سالم طيب يوسف
Journal: AL Rafdain Engineering Journal مجلة هندسة الرافدين ISSN: 18130526 Year: 2013 Volume: 21 Issue: 3 Pages: 15-27
Publisher: Mosul University جامعة الموصل

Loading...
Loading...
Abstract

Abstract This research tackles the feasibility of using Artificial Neural Networks to capture nonlinear interactions between various soil parameters.In this study an attempt was conducted to predict the compaction parameter (γdmax& O.M.C) using database comprising a total of 177 case records of laboratory measurements.Eight parameters are considered to have the most significant impact on the magnitude of compaction parameters have been used as the model's inputs; liquid and plastic limits,plasticity index, specific gravity, soil type, gravel, sand, and fines content. The model output is the maximum dry unit weight and optimum moisture content.A Multi–layer perceptron trainings using the back–propagation algorithm, are used in this work. A number of issues in relation to ANN's construction such as the effect of ANN's geometry and internal parameters on the performance of ANN's models are investigated.A parametric study was conducted for the three models to investigate the effect of the input variables on the output of the model.Based on statistical criterion, it was found that ANN's have the ability to predict the compaction parameter with a good degree of accuracy.Keywords: soil, Compaction parameter, Artificial Neural Network (ANN), Back–Propagation Algorithm, Matlab..

الخلاصةيتعلق هذا البحث بإمكانية استخدام الشبكات العصبية الاصطناعية في محاولة التعرف على العلاقات غير الخطية بين مختلف معاملات التربة، في محاولة حساب معاملات الحدل ( الكثافة الجافة العظمى ومحتوى الرطوبة الأمثل ). باستخدام قاعدة بيانات شملت ما مجموعه 177 حالة من التجارب المختبرية لنموذج معاملات الحدل.تم اعتبار العوامل ألثمانية التالية من العوامل ذات التأثير الأكبر على معاملات الحدل وقد اعتبرت كمدخلات للنموذج وتشمل حدود السيولة و اللدونة ،دليل اللدونة، الوزن النوعي ، نوع التربة ، الحصو،الرمل ، و مقدار المواد الناعمة. في حين إن نتيجة النموذج هي الكثافة الجافة العظمى و محتوى الرطوبة الأمثل. تم في هذا العمل استخدام الشبكات المتعددة الطبقات بتقنية الانتشار الرجعي للخطأ للنمذجة الرياضية. وقد تمت دراسة العديد من الحالات التي لها علاقة ببناء الشبكات العصبية الاصطناعية منها معمارية الشبكة والعوامل الداخلية لها ومدى تأثيرها على أداء نماذج الشبكات العصبية الاصطناعية.بالاعتماد على معايير إحصائية، وجد بان الشبكات العصبية الاصطناعية لها القابلية على حساب معاملات الحدل بدرجة جيدة من الدقة.


Article
Learning rate for the back propagation algorithm based on modified scant equation

Authors: Dr.Khalil K. Abbo --- Marwa S. Jaborry
Journal: IRAOI JOURNAL OF STATISTICAL SCIENCES المجلة العراقية للعلوم الاحصائية ISSN: 1680855X Year: 2014 Volume: 14 Issue: 26 Pages: 1-11
Publisher: Mosul University جامعة الموصل

Loading...
Loading...
Abstract

The classical Back propagation method (CBP) is the simplest algorithm for training feed-forward neural networks. It uses the steepest descent direction with fixed learning rate to minimize the error function E, since is fixed for each iteration this causes slow convergence for the CBP algorithm. In this paper we suggested a new formula for computing learning rate , using modified secant equation to accelerate the convergence of the CBP algorithm. Simulation results are presented and compared with other training algorithms.


Article
ESTIMATING Of CO2 CONVERSION IN FALLING FILM REACTOR USING ARTIFICIAL NEURAL NETWORK
تحديد نسبة تحول غاز CO2 في مفاعل الطبقة المتساقطة بتطبيق شبكة الذكاء الصناعي

Author: Ahmed D. Wiheeb احمد دحام وهيب
Journal: DIYALA JOURNAL OF ENGINEERING SCIENCES مجلة ديالى للعلوم الهندسية ISSN: 19998716/26166909 Year: 2008 Volume: 1 Issue: 1 Pages: 86-100
Publisher: Diyala University جامعة ديالى

Loading...
Loading...
Abstract

This paper presents the development of Artificial Neural Network (ANN) model for absorption process of CO2 gas using monoethanolamine (MEA) as a solvent in a falling film reactor. Although studies on ANN applications in chemical engineering in the literature are more concentrated on utilizing dynamic models, there has been an increasing trend for diverse application of ANN to model steady state systems. The feed-forward artificial neural network was adopted and trained by back-propagation algorithm. In this paper 216 sets of data are used to train and test the network. This study shows that ANN model with one hidden layer and nine neurons in the hidden layer gives a very close estimation of the CO2 conversion and there is high potential for absorption application of ANN model.

يُقدّم هذا البحث موديل مطور لشبكة الذكاء الصناعي لعملية امتصاص غاز ثاني أوكسيد الكاربون باستخدام أحادي أيثانول أمين كمذيب في مفاعل الطبقة الساقطة. بالرغم من أن الدراسات على تطبيقات شبكة الذكاء الصناعي في الهندسة الكيمياوية أكثر تركيزا على استعمال الموديلات المتحركة ، فقد كان هنالك اتجاه متزايد للتطبيق المتنوع لشبكة الذكاء الصناعي لتشكيل الأنظمة المستقرة .شبكة الذكاء الصناعي ذات الانتشار الأمامي تبنًَت وتدربت بخوارزمية الانتشار العكسي . في هذا البحث تم استخدام 216 من مجموعة البيانات لتدريب واختبار الشبكة وقد بينت هذه الدراسة بأن موديل شبكة الذكاء الصناعي بطبقة مخفية واحدة وتسع خلايا عصبية في تلك الطبقة يعطي تقدير قريب جدا من نسبة تحول غاز ثاني أوكسيد الكاربون وهنالك إمكانية عالية لتطبيق عمليات الامتصاص بموديل شبكة الذكاء الصناعي.


Article
Proposed Network Intrusion Detection System In Cloud Environment Based on Back Propagation Neural Network

Authors: Shawq Malik Mehibs --- Soukaena Hassan Hashim
Journal: Journal of University of Babylon مجلة جامعة بابل ISSN: 19920652 23128135 Year: 2018 Volume: 26 Issue: 1 Pages: 2-40
Publisher: Babylon University جامعة بابل

Loading...
Loading...
Abstract

Cloud computing is distributed architecture, providing computing facilities and storage resource as a service over the internet. This low-cost service fulfills the basic requirements of users. Because of the open nature and services introduced by cloud computing intruders impersonate legitimate users and misuse cloud resource and services. To detect intruders and suspicious activities in and around the cloud computing environment, intrusion detection system used to discover the illegitimate users and suspicious action by monitors different user activities on the network .this work proposed based back propagation artificial neural network to construct t network intrusion detection in the cloud environment. The proposed module evaluated with kdd99 dataset the experimental results shows promising approach to detect attack with high detection rate and low false alarm rate.

الحوسبة السحابية هي هيكيلة موزعة توفر قدرات حسابية, موارد تحزين كخدمة عبر الانترنت للأيفاء بمتطلبات المستخدم بسعر منخفض .بسبب طبيعة الحوسبة السحابية المفتوحة والخدمة المقدمة المتسللين ينتحلون المستخدمين المخولين وبعد ذلك يسيئون استخدام موارد وخدمات الحوسبة السحابية . لكشف المتسللين والانشطة المشبوة في بيئة الحوسبة السحابية ،نظام كشف التطفل يستخدم لكشف المستخدمين الغير مخولين والانشطة المشبوهة بواسطة فحص نشاطات المستخدم على الشبكة .في هذا البحث استخدمت خوارزمية الشبكات العصبية الاصطناعية (BP) لبناء نظام كشف تطفل في بيئة السحابية .النظام المقترح اختبر باستخدام بيانات KDD99 . اظهرت النتائج ان النظام المقترح يشكل طريقة واعدة تتميز بدقة عالية مع نسبة انذار كاذبة منخفضة.


Article
Recognize some of Arabic phonemes by using Mamdani NeuroFuzzy Network
هيبرعلا تامينوفلا ضعب زييمت ادمم( ةببضملا ةيبصعلا ةكبشلا مادختساب )ين

Author: Saba Abdul-Wahed S. مادص دحاولا دبع ابص . م
Journal: Journal of Al-Qadisiyah for Computer Science and Mathematics مجلة القادسية لعلوم الحاسوب والرياضيات ISSN: 20740204 / 25213504 Year: 2015 Volume: 7 Issue: 1 Pages: 131-145
Publisher: Al-Qadisiyah University جامعة القادسية

Loading...
Loading...
Abstract

Modified mamdani neurofuzzy network scheme has been proposed and presented in this paper to recognize some of Arabic phonemes. The number of connecting is reduced to be equal to the number of member ship function plus one. to training this network ,we used some of sound segments which contain from two or three phonemes and recorded from more than one person in different age and both sexes in the same environment by used the same recorded programming (sound forge 5.0) . The proposed technique has been testing by using different group from sound segments which recorded in the same environment and recorded program. The percentage of recognition reaches to 87% to all recorded phonemes

)ينادمم( ةببضملا ةيبصعلا ةكبشلا مدختسي يلاحلا ثحبلا ضعب زييمتل برعلا تامينوفلا هي ثيح ,يءامتنلاا ةمدختسملا ادئاز لادب دحاو نم امتنلاا لاود ددع ء عوفرم ة ددعل ةكبشلا تلاخدم ىلإ ةفاضإ .ةكبشلا بيردت نمز ليلقت , انمدختسا وا )هلع+حيحص(نيمينوف نم هنوكتملا هيتوصلا عطاقملا ضعبلاك نمو رامعلاا فلتخمب صخش نم رثكا لبق نم هلجسمو )حيحص + هلع + حيحص(تامينوف ثلاث ليجستلا جمانرب سفن مادختسابو هئيبلا سفنبو نيسنجلا sound forge 5.0 بيردتلل . رابتخا متةعومجم ىلع ةحرتقملا ةينقتلا ةفلتخم تافصاوملا سفنب هلجسمو تامينوفلا سفنل هيتوصلا عطاقملا نمزييمت ةبسن ىلع انلصح دقو ليجستلل مدختسملا جمانربلاو هئيبلاو 78 %


Article
Design of New Hybrid Neural Structure for Modeling and Controlling Nonlinear Systems
تصميم هيكل عصبي هجين جديد لنمذجة والسيطرة المنظومات اللاخطية

Authors: Ahmed Sabah Al-Araji احمد صباح الاعرجي --- Shaymaa Jafe'erAl-Zangana شيماء جعفرالزنكنه
Journal: Journal of Engineering مجلة الهندسة ISSN: 17264073 25203339 Year: 2019 Volume: 25 Issue: 2 Pages: 116-135
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

This paper proposes a new structure of the hybrid neural controller based on the identification model for nonlinear systems. The goal of this work is to employ the structure of the Modified Elman Neural Network (MENN) model into the NARMA-L2 structure instead of Multi-Layer Perceptron (MLP) model in order to construct a new hybrid neural structure that can be used as an identifier model and a nonlinear controller for the SISO linear or nonlinear systems. Weight parameters of the hybrid neural structure with its serial-parallel configuration are adapted by using the Back propagation learning algorithm. The ability of the proposed hybrid neural structure for nonlinear system has achieved a fast learning with minimum number of epoch, minimum number of neurons in the hybrid network, high accuracy in the output without oscillation response as well as useful model for a one step ahead prediction controller for the nonlinear CSTR system that is used in the MATLAB simulation.

أن هذا البحث يقترح هيكل جديد لمسيطر عصبي هجين مبنيا على أساس النموذج التعريفي للمنظومات اللاخطية. ان الهدف من هذا العمل هو توظيف هيكل النموذج الشبكة العصبية ايلمن المعدلةMENN في هيكل NARMA-L2 بدلا من نموذج تعدد الطبقات بيرسبترون MLP لكي يكون هيكل عصبي هجين جديد والذي يمكن استخدامه كنموذج معرف ومسيطر لاخطي للمنظومات الخطية و اللاخطية. ان أوزان العناصر لهيكل العصبي الهجين مع هيكل التوالي-التوازي قد تكيف باستخدام خوارزمية التعلم الانتشار العكسي. ان امكانية هذا الهيكل العصبية الهجين المقترح للمنظومات اللاخطية قد حقق سرعة تعلم مع اقل عدد من دورات التعلم وكذلك اقل عدد للعقد الشبكة العصبية الهجينة مع دقة عالية في الإخراج وبدون تذبذب الاستجابة إضافة الى ذلك استخدام النموذج كمسيطر تنبوئي لخطوة واحدة لنظام اللاخطية لخزان مفاعل مستمر الإثارة الذي استخدم في الحقيبة البرمجية ماتلاب. الكلمات الرئيسية: نموذج NARMA-L2, الشبكة العصبية MLP , الشبكة العصبية MENN , خوارزمية الانتشار


Article
Design of New Hybrid Neural Controller for Nonlinear CSTR System based on Identification
تصميم مسيطر عصبي هجين جديد لنظام خزان مفاعل مستمر الاثارة اللاخطي مبنيا على اساس التعريف

Authors: Ahmed Sabah Al-Araji احمد صباح الاعرجي --- Shaymaa Jafe'er Al-Zangana شيماء جعفرالزنكنه
Journal: Journal of Engineering مجلة الهندسة ISSN: 17264073 25203339 Year: 2019 Volume: 25 Issue: 4 Pages: 70-89
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

This paper proposes improving the structure of the neural controller based on the identification model for nonlinear systems. The goal of this work is to employ the structure of the Modified Elman Neural Network (MENN) model into the NARMA-L2 structure instead of Multi-Layer Perceptron (MLP) model in order to construct a new hybrid neural structure that can be used as an identifier model and a nonlinear controller for the SISO linear or nonlinear systems. Two learning algorithms are used to adjust the parameters weight of the hybrid neural structure with its serial-parallel configuration; the first one is supervised learning algorithm based Back Propagation Algorithm (BPA) and the second one is an intelligent algorithm namely Particle Swarm Optimization (PSO) algorithm. The numerical simulation results show that the hybrid NARMA-L2 controller with PSO algorithm is more accurate than BPA in terms of achieving fast learning and adjusting the parameters model with minimum number of iterations, minimum number of neurons in the hybrid network and the smooth output one step ahead prediction controller response for the nonlinear CSTR system without oscillation.

أن هذا البحث يقترح تحسين في هيكل مسيطر عصبي مبنيا على أساس النموذج التعريفي للمنظومات اللاخطية. ان الهدف من هذا العمل هو توظيف هيكل النموذج الشبكة العصبية ايلمن المعدلةMENN في هيكل NARMA-L2 بدلا من نموذج تعدد الطبقات بيرسبترون MLP لكي يكون هيكل عصبي هجين جديد والذي يمكن استخدامه كنموذج معرف ومسيطر لاخطي للمنظومات الخطية و اللاخطية و وأيضاً إجراء مقارنة بين خوارزميات التعلم المختلفة التي استخدمت لتعلم المسيطر الهجين. لقد تم استخدام خوارزميتان لتعليم ولتعديل أوزان العناصر لهيكل العصبي الهجين مع هيكل التوالي-التوازي; ان اول خوارزمية تم استخدامها في هذا البحث هي خوارزمية الانتشار العكسي (BPA) والثاني هي الخوارزمية الذكية والتي حشد الجسيمات االمثلية (PSO).ان نتائج المحاكاة العددية اثبتت أن خوارزمية PSOمع المسيطر الهجين NARMA-L2 هي أكثر دقة من حيث تحقيق التعلم السريع وتعديل عناصر النموذج مع الحد الأدنى من عدد التكرار التعلم وكذلك اقل عدد للعقد الشبكة العصبية الهجينة مع دقة عالية في الإخراج وبدون تذبذب الاستجابة للمسيطر التنبؤي لخطوة واحدة لنظام خزان مفاعل مستمر الإثارة اللاخطية.

Listing 1 - 10 of 10
Sort by
Narrow your search

Resource type

article (10)


Language

English (10)


Year
From To Submit

2019 (2)

2018 (1)

2015 (1)

2014 (1)

2013 (1)

More...