research centers


Search results: Found 2

Listing 1 - 2 of 2
Sort by

Article
Design of a Kinematic Neural Controller for Mobile Robots based on Enhanced Hybrid Firefly-Artificial Bee Colony Algorithm
تصميم وحدة سيطرة حركية عصبية لتتبع مسار الروبوتات المتنقلة بعجلات على أساس المحسن الهجين بين خوارزمية اليرعات المضيئة وخوارزمية خلية النحل

Authors: Nizar Hadi Abbas نزار هادي عباس --- Basma Jumia saleh بسمة جمعة صالح
Journal: Al-Khwarizmi Engineering Journal مجلة الخوارزمي الهندسية ISSN: 18181171 23120789 Year: 2016 Volume: 12 Issue: 1 Pages: 45-60
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

The paper present design of a control structure that enables integration of a Kinematic neural controller for trajectory tracking of a nonholonomic differential two wheeled mobile robot, then proposes a Kinematic neural controller to direct a National Instrument mobile robot (NI Mobile Robot). The controller is to make the actual velocity of the wheeled mobile robot close the required velocity by guarantees that the trajectory tracking mean squire error converges at minimum tracking error. The proposed tracking control system consists of two layers; The first layer is a multi-layer perceptron neural network system that controls the mobile robot to track the required path , The second layer is an optimization layer ,which is implemented based on hybrid Crossoved Firefly Algorithm with Artificial Bee Colony (CFA-ABC) to tune the controller's parameters to achieve the optimal path. The performance of the hybrid optimization algorithm is verified by various benchmark functions. The simulation results show that the utilizing of CFA and (CFA-ABC ) are better than the original Firefly Algorithm. A simulation example is given to indicate the effectiveness of the proposed algorithm, the results have been done using MATLAB (R2013b), and all trajectory tracking results with two reference trajectories (circular and lemniscates ) are presented.

يقدم هذا البحث , تصميما مسيطرا لتتبع مسار عجلة الانسان الالي المتحرك المبني على أساس مسيطر تكاملي حركي عصبي لتوجيه الروبوت المحمول المصنع من قبل شركة National Instrument , الغاية من المسيطر هي تقريب السرعة الحقيقية للأنسان الالي اقرب ما يكون من السرعة المطلوبة بجعل مقدار معدل الخطا اقرب الى الصفر. المسيطر المقترح في هذا البحث يتكون من طبقتين: الطبقة الأولى هي نظام شبكة عصبية متعدد الطبقات لتتبع المسار المطلوب و الطبقة الثانية هي طبقة الخوارزمية الأمثلية والتي تشمل خوارزمية هجينة محسنة وهي مكونة من خوارزمية اليرعات المضيئة وخوارزمية خلية النحل وتستخدم لأيجاد أفضل قيم للمسيطر والوصول للمسار الامثل. من خلال نتائج المحاكاة, اثبت المسيطر المقترح وخوارزمية الامثلية كفاءتهما بالوصول الى مقدار خطا وبأقل قيمة وتمت المحاكاة بأستخدام برنامج الماتلاب وتم تطبيقها على نوعين من المسارات (الدائري والانفنتي).


Article
Image Clustering based on Artificial Intelligence Techniques

Author: Baydaa Ibraheem Khaleel
Journal: AL-Rafidain Journal of Computer Sciences and Mathematics مجلة الرافدين لعلوم الحاسوب والرياضيات ISSN: 18154816 Year: 2014 Volume: 11 Issue: 1 Pages: 99-112
Publisher: Mosul University جامعة الموصل

Loading...
Loading...
Abstract

Clustering has been widely used in data analysis and pattern recognition and classification. The objective of cluster analysis is the classification of objects according to similarities among them, and organizing of data into groups. There are several algorithms for clustering large data sets or streaming data sets, Their aims are to organize a collection of data items into clusters. These such items are more similar to each other within a cluster, and different than they are in the other clusters. We have take the advantage of classification abilities of Artificial Intelligence Techniques (AITs) to classify images data set into a number of clusters. The Gath-Geva (GG) fuzzy clustering algorithm, Artificial Bee Colony algorithm(ABC), Radial Basis Function Network(RBF), and then combined Gath-Geva algorithm with (RBF) algorithm to produce Fuzzy RBF (FRBF) method were applied using images data set to classify this data set into a number of clusters (classes). Each cluster will contain data set with most similarity in the same cluster and most dissimilarity with the different clusters. We compute the classification rate, and false rate on this data set. Finally we make comparisons between results obtained after applying these algorithms on this images data set. The FRBF is better than the other three methods that applied in this research such as G-G, ABC, RBF, because the FRBF was obtained higher classification rate in testing state equal (96.8571) and low false alarm equal(3.1429).

العنقدة تستخدم بشكل واسع في تحليل البيانات وتمييز الأنماط والتصنيف. أهداف تحليل العنقود هو تصنيف الاشياء طبقا للتشابه فيما بينها، وتنظيم البيانات على شكل مجاميع. هناك خوارزميات عدة لعنقدة مجاميع البيانات الكبيرة أو سيل من مجاميع البيانات، أهدافها تنظيم مجاميع البيانات في عناقيد ، وعناصر البيانات هذه الموجودة في العنقود الواحد تشبه بعضها البعض الآخر وتختلف عن عناصر البيانات في عناقيد أخرى. لقد تم اخذ الفائدة لقابليات التصنيف للتقنيات الذكائية الاصطناعية لتصنيف مجموعة بيانات الصور الى عدد من العناقيد. فقد تم تطبيق خوارزمية العنقدة المضببة G-G وخوارزمية مستعمرة النحل الاصطناعية ABC وشبكة دالة القاعدة الشعاعية RBF وبعد ذلك تم دمج خوارزمية G-G مع شبكة RBF لتنتج شبكة دالة القاعدة الشعاعية المضببة FRBF. تصنف مجموعة بيانات الصور الى عدد من العناقيد او الاصناف، حيث كل عنقود يحوي على مجموعة بيانات متشابه في نفس العنقود و غير متشابه مع العناقيد الاخرى. تم حساب نسبة التصنيف ونسبة الخطا لهذه البيانات. وأخيرا تم مقارنة النتائج التي تم الحصول عليها بعد تطبيق هذه الخوارزميات على مجموعة بيانات الصور. FRBF هي افضل من الطرق الثلاثة الاخرى التي تم تطبيقها في هذا البحث وهي G-G, ABC, RBF، وذلك لان FRBF حصلت على أعلى نسبة تصنيف في مرحلة الاختبار والتي تساوي (96.8571) واقل نسبة خطا وهي (3.1429).ABS

Listing 1 - 2 of 2
Sort by
Narrow your search

Resource type

article (2)


Language

Arabic and English (1)

English (1)


Year
From To Submit

2016 (1)

2014 (1)