research centers


Search results: Found 42

Listing 1 - 10 of 42 << page
of 5
>>
Sort by

Article
DESIGN OF MULTI-LAYER NEURAL NETWORKS FOR BUTTERWORTH FILTER OPTIMIZATION
تصميم الشبكات العصبية متعددة الطبقات لتمثيل مثالي لمرشحات البترورث

Author: . Hanan A. R. Akkar أ.م.د. حنان عبد الرضا عكار
Journal: Al-Qadisiyah Journal for Engineering Sciences مجلة القادسية للعلوم الهندسية ISSN: 19984456 Year: 2009 Volume: 2 Issue: 1 Pages: 58-65
Publisher: Al-Qadisiyah University جامعة القادسية

Loading...
Loading...
Abstract

In this paper a proposed design of five multi-layer feed-forward Artificial Neural Networks (ANNs) is presented for optimized Butterworth filter. The first and second network perform Butterworth ideal Low Pass Filter (LPF) and typical LPF. The third ANN performs Band Pass Filter (BPF). The fourth network perform multi–BPF which consists of two layers, the first layer consists of six tansig neurons and the second layer consists of one purline neuron, and the fifth feed-forward network is designed to perform the High Pass Filter (HPF) which consists of three layers, the first layer consists of three tansig neurons, the second layer consists of three tansig neurons and the third layer consists of one purline neuron. Back-propagation training algorithm is used to train the proposed networks with Mean Square Error (MSE) equals 10-10. Simulation and test programs are implemented by using MATLAB

تم في هذا البحث تصميم خمس شبكات عصبية متعددة الطبقات لتمثيل مثالي لمرشحات البترورث.حيث تنفذ الشبكتان العصبيتان الأولى و الثانية مرشح الترددات الواطئة المثالي والعملي . أما الشبكة العصبية الثالثة فتقوم بتنفيذ مرشح الترددات ألحزمي . أما الشبكة العصبية الرابعة, التي تنفذ مرشح الترددات ألحزمي المتعدد فتتكون من طبقتان, حيث تحتوي الطبقة الأولى على ست خلايا عصبية و تحتوي الطبقة الثانية على خلية عصبية واحدة فقط. وأخيرا الشبكة العصبية الخامسة التي تنفذ مرشح الترددات العالي فتتكون من ثلاث طبقات حيث تحتوي الطبقة الأولى على ثلاث خلايا عصبية و تحتوي الطبقة الثانية على ثلاث خلايا عصبية . أما الطبقة الثالثة فتحتوي على خلية عصبية واحدة فقط. تم استخدام الخوارزمية ذات الانتشار العكسي في تدريب الشبكات العصبية حيث تم الحصول على المعدل التربيعي للخطأ بحدود .تم تدريب الشبكات و اختبارها باستخدام MATLAB.


Article
Prediction of Zinc Consumption as Sacrificial Anode in Cathodic Protection of Steel in Sea Water Using Artificial Neural Network

Author: Aprael S. Yaro
Journal: Journal of Engineering مجلة الهندسة ISSN: 17264073 25203339 Year: 2008 Volume: 14 Issue: 2 Pages: 2495-2508
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

Corrosion has gained special attention due to its significance, when predicting corrosion rates. However, the complexity and variability makes it hard to model its effects. This study evaluates the usefulness of Artificial Neural Networks (ANN) to predict the corrosion rate as a function of several factors which have been related in previous studies to the protectiveness of low carbon steel in sea water, i.e. Temperature, Flow rate, pH, and time. Results showed that neural networks are a powerful tool and that the validity of the results is closely linked to the amount of data available and the experience and knowledge that accompany the analysis. Statistical analysis showed that the proposed correlation has an Average Absolute Relative Error (AARE) of 0.09% and Standard Deviation (S.D) 0.46%

ان ظاهرة التآكل تكتسب اهميه خاصة عندما يتعلق الأمر بالتنبؤ بمعدلات التآكل. من ناحية ثانية ان التعقيدات و المتغيرات اثناء حدوثها تجعل من الصعب نمذجة تأثيراتها. هذه الدراسه تقيم فوائد شبكة الأعصاب الأصطناعية للتنبؤ بمعدلات تآكل الحديد الكاربوني في عملية الحمايه الكاثودية في ماء البحر و بدلالة عدد من المتغيرات كدرجة الحرارة،سرعة جريان ماء البحر و حامضيته اضافة الى زمن تعرض النموذج للوسط. أظهرت النتائج ان تقنية شبكات الأعصاب الأصطناعيه اداة فعالة و ان صحة النتائج تربط و تعبر بقوة بين كمية النتائج المتوفرة و الخبرة المعرفة المرافقة لتحليل النتائج. التحليل الأحصائي اظهر ان العلاقة المقترحة في هذه الدراسة افرزت معدل الخطأ النسبي المطلق يساوي 0.09% و الأنحراف القياسي يساوي 0.46% .


Article
On Training Of Artificial Neural Networks

Author: L.N.M.Tawfiq
Journal: Al-Fatih journal مجلة الفتح ISSN: 87521996 Year: 2005 Volume: 1 Issue: 23 Pages: 130-139
Publisher: Diyala University جامعة ديالى

Loading...
Loading...
Abstract

In this paper we describe several different training algorithms for feed forward neural networks. In all of these algorithms we use the gradient of the performance function, energy function, to determine how to adjust the weights such that the performance function is minimized, where the back propagation algorithm has been used to increase the speed of training. The above algorithms have a variety of different computation and thus different type of form of search direction and storage requirements, however non of the above algorithms has a global properties which suited to all problems.

يتضمن البحث مناقشة أنواع مختلفة من خوارزميات تدريب الشبكات العصبيـة ذات التغذيـة التقدميـةوفي كل تلك الخوارزميات استخدمنا مشتقـة دالـة الطاقـة لتحديد كيفيـة ضبط الأوزان بحيث تصبح دالـة الطاقـة أصغر ما يمكن و لقد استخدمنـا خوارزميـة الانتشار المرتـد لزيادة سرعـة التدريب. تختلف الخوارزميات أعلاه في حساباتها و لذلك نحصل على صيغ متنوعـة في اتجاه التفتيش و الخزن الذي تقتضيه فقد أثبتت النتائج العملية بأن أيا من الخوارزميات أعلاه لا تمتلك خواص رئيسية مثل الاستقرارية و التقـارب و التي تجعلها مناسبـة لكل المسائـل .


Article
Design Neural Wireless Sensor Network Using FPGA
تصميم شبكة المتحسس اللاسلكي العصبي بواسطة أستخدام FPGA

Author: Ban M. Khammas
Journal: Engineering and Technology Journal مجلة الهندسة والتكنولوجيا ISSN: 16816900 24120758 Year: 2012 Volume: 30 Issue: 9 Pages: 1641-1661
Publisher: University of Technology الجامعة التكنولوجية

Loading...
Loading...
Abstract

Wireless sensor networks(WSN) are an exiting emerging technology thatscientists believe to become a part of every day life in the next few years. However, at this time many issues in wireless sensor networks remain unresolved. This paper studies the architecture of a neural wireless sensor network designed to identify technical condition of the base station of wireless sensor networks ,and this work presents an on-chip artificial neural networks(ANN) in a Field Programmable Gate Arrays (FPGA) system. In order to take maximum advantage of the distributed architecture of multiple NN systems is to providing a high degree of parallelism between NNs and, hence, a higher speed-up in relation to a sequential implementation. The goal of this work is to realize the hardware implementation of the base station of neural wireless sensor network using FPGAs to measure hamidi ty, temperature and light for the security system of an office

شبكات المتحسس اللاسلكي هي تكنلوجيا حديثة منبثقة يعتقد العلماء انها ستصبح جزء من الحياة اليومية خلال السنوات القليلة القادمة. و مع ذلك ، فأن هنالك عدة مشاكل في شبكات المتحسس اللاسلكي بقية غير محلولة. هذا البحث يقوم بدراسة تصميم معمارية شبكة المتحسس اللاسلكي العصبي لمعرفة الشروط التقنية للقاعدة الاساسية لشبكات المتحسس اللاسلكي . وان هذه ان . FPGA العملية ستتم بواسطة تمثيل الشبكة العصبية على الرقائق الالكترونية الممثلة بال الاستفادة من استخدام عملية التجزئة لمعمارية الشبكة العصبية هي للحصول على درجة عالية من التوازي بين الشبكة العصبية وبالتالي ستؤدي الى زيادة السرعة الخاصة بالتنفيذ المتعاقب. الهدف من هذا البحث هو البناء المادي للقاعدة الاساسية لشبكة المتحسس اللاسلكي العصبي باستعمال لبناء نظام حماية لمقر عمل ما و ذلك من خلال التحسس بالرطوبة و الحرارة و FPGA الضوء .


Article
FORECASTING OF EVAPORATION FROM HEMREN RESERVOIR BY USING ARTIFICIAL NEURAL NETWORK
التنبأ بالتبخر من خزان حمرين باستخدام الشبكات العصبية الصطناعية

Author: SAAD SH. SAMMEN سعد شوكت سمين
Journal: DIYALA JOURNAL OF ENGINEERING SCIENCES مجلة ديالى للعلوم الهندسية ISSN: 19998716/26166909 Year: 2013 Volume: 6 Issue: 4 Pages: 38-53
Publisher: Diyala University جامعة ديالى

Loading...
Loading...
Abstract

The evaporation is one of the basic components of the hydrologic cycle and is essential for studies such as water balance, irrigation system design, and water resource management and it is requires knowledge of the values of many climatic variables. In order to estimate the evaporation, direct measurement methods or physical and empirical models can be used. Using direct methods require installing meteorological stations and instruments for measuring evaporation. Installing such instruments in various areas requires specific facilities and cost which is hard to be employed. Accordingly, this paper is an attempt to assess the potential and usefulness of ANN based modeling for evaporation prediction from Hemren reservoir by using daily temperature, relative humidity, wind velocity, sunshine hours, and evaporation data in Hemren meteorological station. Also, this study outlines a procedure to evaluate the effects of input variables on the output variable using the weight connections of ANN models. The Lev. Marqn. Back Prog. (LMBP) has been utilized to construct the ANN models. For the development ANN model, different networks with different numbers of neurons and layers were evaluated. Mean Squared Error (MSE) and the Correlation Coefficient (R2) were employed to evaluate the accuracy of the proposed model. The study shows that the best model for estimation of evaporation is ANN (4-10-1), it have MSE equal to 0.112711 and the correlation coefficient (R2) equal to 0.999540.

يعتبر التبخر احد العناصر الاساسية للدورة الهيدرولوجية وهو ضروري للحسابات التي تخص الموازنة المائية، تصاميم انظمة الري وادارة الموارد المائية وحسابه يتطلب معرفة العديد من المتغيرات المناخية. هناك عدة طرق لحساب التبخر منها الرياضية والوضعية وطريقة الحساب المباشر. استخدام طريقة الحساب المباشر يتطلب نصب محطات الرصي الجوي ومعدات لقياس التبخر. نصب مثل هذه المعدات في مناطق مختلفة يتطلب كلفة ومتطلبات من صعب تحقيقها. لذلك هذا البحث هو محاولة لتقييم امكانية وكفاءة النماذج المعتمدة على الشبكات العصبية الاصطناعية لغرض توقع كمية التبخر في خزان حمرين باستخدام المعدلات اليومية للحرارة، الرطوبة النسبية، سرعة الرياح، عدد ساعات النهار و كمية التبخر لمحطة حمرين الرصد الجوي. لغرض بناء نموذج الشبكة العصبية الاصطناعية، عدة سبكات مختلفة وبعدد اعصاب مختلفة وطبقات مختلفة استعملت وتم اختيار الشبكة الافضل من بينها. تم اعتماد معامل الارتباط بين المعلومات الحقيقية والمعلومات التي الحصول عليها من النموذج الرياضي لغرض تقييم دقة النموذج المقترح، وكان مقدار معامل ارتباط لافضل نموذج (النموذج 4 – 10 – 1) هو ( 0.99954).


Article
PREDICTION OF ULTIMATE LOAD OF CONCRETE BEAMS REINFORCED WITH FRP BARS USING ARTIFICIAL NEURAL NETWORKS
تقدير الحمل الأقصى للعتبات الخرسانيّة المسلّحة بقضبان بوليميريّة باستخدام الشبكات العصبيّة الاصطناعيّة

Authors: Ahmed Sagban Saadoon احمد صكبان سعدون --- Hawraa Sami Malik حوراء سامي مالك
Journal: Al-Qadisiyah Journal for Engineering Sciences مجلة القادسية للعلوم الهندسية ISSN: 19984456 Year: 2017 Volume: 10 Issue: 1 Pages: 11-25
Publisher: Al-Qadisiyah University جامعة القادسية

Loading...
Loading...
Abstract

Artificial neural networks (ANN) were used in this study to predict ultimate load of simply supported concrete beams reinforced with FRP bars under four point loading. A proposed neural model was used to predict the ultimate load of these beams. A total number of (199) beams (samples) were collected as data set and it was decided to use eight input variables, representing the dimensions of beams and properties of concrete and FRP bars, while the output variable was only the ultimate load of these beams. It was found that the use of 11 and 10 nodes in the two hidden layers was very efficient for predicting the ultimate load. The obtained results were compared with available experimental results and with the ACI 440.1R specifications. The proposed neural model gave very good predictions and more accurate results than the ACI 440.1R approach. The overall average error, in the value of the predicted ultimate load, was 3.6% and 21.7% for the proposed neural model and the ACI 440.1R approach, respectively.

لقد تمّ استخدام الشبكات العصبيّة الاصطناعيّة في هذه الدراسة لتقدير الحمل الأقصى للعتبات الخرسانيّة بسيطة الإسناد والمسلحّة بقضبان تسليح بوليميريّة والمعرّضة الى تحميل نقطي رباعي. حيث تمّ إقتراح وتطوير شبكة عصبيّة لتقدير الحمل الأقصى لهذه العتبات وقد جُمعت نتائج (199) نموذج كقاعدة بيانات. وقد تقرّر أنْ يكون عدد متغيّرات الإدخال لهذه الشبكة هو ثمان متغيّرات تمثّل أبعاد العتبات وخواص الخرسانة وقضبان التسليح, في حين كان هناك متغيّراً وحيداً هو الحمل الأقصى كمتغيّر إخراج. لقد وُجد بأنّ اختيار 11 عقدة (خليّة عصبيّة) في الطبقة المخفيّة الاولى من الشبكة و 10 عقد في الطبقة الثانية كان فعّالاً جدّاً في تقدير قيمة الحمل الأقصى. وقد قُورنت النتائج المستحصلة مع نتائج عمليّة متوفّرة ومع مواصفات المدوّنة الأمريكيّة ACI 440.1R حيث أعطت الشبكة المقترحة نتائج أكثر دقّة من المدوّنة الأمريكيّة, إذ كان مقدار معدّل الخطأ الكلّي في قيمة الحمل الأقصى المقدّر هو 3.6% باستخدام الشبكة المقترحة بينما كان مقداره 21.7% باستخدام المدوّنة الأمريكيّة.


Article
Prediction of Fractional Hold-Up in RDC ColumnUsing Artificial Neural Network

Authors: Suhayla Akkar سهيلة عكار --- Adel Al-Hemiri عادل احمد عوض
Journal: Iraqi Journal of Chemical and Petroleum Engineering المجلة العراقية للهندسة الكيمياوية وهندسة النفط ISSN: 19974884/E26180707 Year: 2007 Volume: 8 Issue: 4 Pages: 31-37
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

In the literature, several correlations have been proposed for hold-up prediction in rotating disk contactor. However,these correlations fail to predict hold-up over wide range of conditions. Based on a databank of around 611 measurements collected from the open literature, a correlation for hold up was derived using Artificial Neiral Network (ANN) modeling. The dispersed phase hold up was found to be a function of six parameters: N, vc , vd , Dr , c d m / m ,s . Statistical analysis showed that the proposed correlation has an Average Absolute Relative Error (AARE) of 6.52% and Standard Deviation (SD) 9.21%. A comparison with selected correlations in the literature showed that the developed ANN correlation noticeably improved prediction of dispersed phase hold up. The developed correlation also shows better prediction over a wide range of operation parameters in RDC columns.


Article
Weather Temperature Forecasting Using Artificial Neural Network
التنبؤ بدرجات حرارة الطقس باستخدام الشبكات العصبية الاصطناعية

Author: Ahmad Saeed Mohammad احمد سعيد محمد
Journal: Journal of Engineering and Sustainable Development مجلة الهندسة والتنمية المستدامة ISSN: 25200917 Year: 2011 Volume: 15 Issue: 2 Pages: 130-139
Publisher: Al-Mustansyriah University الجامعة المستنصرية

Loading...
Loading...
Abstract

Weather forecasts and warnings are the most important services provided by the meteorological profession. Forecasts are used by government and industry to protect life and property and to improve the efficiency of operations, and by individuals to plan a wide range of daily activities. Many searches have been made in weather forecasting using Artificial Neural Network (ANN) output one weather temperature degree, which give a little indicator about the weather temperature. In this paper, two weather temperatures have been forecasted using Artificial Neural Network (ANN). The design of the ANN based on two previous weather temperatures degrees (high and low), as well as, the increasing and decreasing weather temperature degree according to thermal retention. The ANN design has been applied for Baghdad city, the capital of Iraq. The training and testing used meteorological data for three years (2007-2010).

تنبؤات وإنذارات الطقس من أكثر الخدمات المهمة المُقدمة من قِبل مُختصي الإرصاد الجوي. الحكومة والصناعة استخدمت التنبؤات للحفاظ على الحياة والممتلكات ولتحسين كفاءة العمليات، وكذلك الأفراد استخدمت التنبؤات لتخطيط مدى واسع من الفعاليات اليومية. بحوث عديدة قد وضعت لتنبؤ الطقس استخدمت الشبكة العصبية الصناعية، والتي اخرجت حرارة طقس واحدة، وبذلك اعطت دلالة قليلة حول حرارة الطقس.في هذا البحث، درجتان للطقس قد تم التنبؤ بها باستخدام الشبكة العصبية الصناعية. إن التصميم للشبكة العصبية الصناعية قد اعتمدت على درجتان سابقتان لحرارة الطقس (العُليا والدُنيا)، وكذلك زيادة ونقصان درجة حرارة الجو طبقاً للإحتباس الحراري. إن تصميم الشبكة العصبية قد تم تطبيقهُ على مدينة بغداد، عاصمة العراق. التدريبات والفحوصات استخدمت بيانات الإرصاد الجوي لثلاث سنوات (2007-2010).


Article
Implementation of Artificial Neural Networks Trained by Particle Swarm Optimization using Multi-Phase Switched – Capacitor Circuits

Author: Hanan A. R. Akkar حنان عبد الرضا عكار
Journal: Journal of Engineering and Sustainable Development مجلة الهندسة والتنمية المستدامة ISSN: 25200917 Year: 2011 Volume: 15 Issue: 1 Pages: 164-182
Publisher: Al-Mustansyriah University الجامعة المستنصرية

Loading...
Loading...
Abstract

In this paper, a proposed design of Artificial Neural Networks Trained by Particle Swarm Optimization using multi-phase switched-capacitor circuits is presented. Swarm intelligence is based on collective behavior of self organized group of agents. Each agent follows a relatively simple set of rules and interacting with its local surrounding. Particle Swarm Optimization (PSO) has been an increasingly interesting topic in the field of computational intelligence. PSO is another optimization algorithm that falls under the soft computing address. One application of PSO has tremendous success is in the field of Artificial Neural Networks (ANNs) training. In this paper an adaption of the ANN weights using PSO is proposed as a mechanism to improve the performance of ANN. For this purpose we have modified the MATLAB PSO toolbox to be suitable with neural application. In neural networks, the multiplier is needed to deal with the learning of weights, and the generation of associated outputs therefore, a proposed design of multiplier circuit using multi-phase switched-capacitor circuit that can be implemented in CMOS technology. Generating multiple clock sources is a common requirement for the designing multi-phase switched-capacitor circuits so; a proposed design of multi-phase clock generator is presented which produces sequential non-overlapping clock pulses. The proposed design of multi-phase switched-capacitor neuron and its corresponding “synapses” also presented in details. Simulation results are presented using EWB package, which illustrates the validity of the proposed switched capacitor circuit's designs.

تم في هذا البحث, تصميم للشبكات العصبية المدربة بطريقة افضلية الحشد الجزيئ مستخدمة دوائر المتسعات المفتاحية المتعددة الأطوار. إن ذكاء الحشد (Swarm Intelligence ) قائم على التصرف الجماعي لمجموعة جزيئات ذات نظام ذاتي. كل جزيئة تتبع مجموعة بسيطة نسبياً من القوانين وتتفاعل فقط مع الجزيئات الموقعية المحيطة بها. افضلية الحشد الجزيئي (Particle Swarm Optimization) قد اصبحت موضوع متزايد الاهمية في مجال الحسابات الذكية. حيث من اهم تطبيقات افضلية الحشد الجزيئي التي لاقت نجاح واسع هو في تدريب الشبكات العصبية الاصطناعية (Artificial Neural Network). افترض في هذا العمل تكييف اوزان الشبكة العصبية الاصطناعية بأستخدام ألية افضلية الحشد الجزيئي وذلك لتحسين اداء الشبكات العصبية الاصطناعية. لهذا الغرض قمنا بتطوير صندوق ادوات افضلية الحشد الجزيئي في بيئة الماتلاب MATLAB لكي يكون مناسبا لتطبيقنا في تنفيذ دوائر رقمية بأستخدام الشبكات العصبية الاصطناعية. نحتاج في الشبكات العصبية دائما إلى دائرة ضرب لكي تتعامل مع تكييف الأوزان وكذلك للحصول على القيمة النهائية المتعلقة بها, لذلك يوجد تصميم مقترح لدائرة ضرب باستخدام دائرة المتسعات المفتاحية المتعددة الأطوار والتي ممكن تنفيذها بالكامل في تكنولوجية أشباه الموصلات الفلزية. إن توليد عدة مصادر للتردد المتعدد الأطوار هو من المتطلبات الأساسية في تصميم دوائر المتسعات المفتاحية ذات الأطوار المتعددة, لذلك يوجد تصميم مقترح لتوليد التردد المتعدد الأطوار الذي يولد نبضات ترددية متعاقبة وغير متداخلة. يوجد تصميم مقترح للخلية العصبية باستخدام المتسعات المفتاحية المتعددة الأطوار مقدم في هذا البحث مع الشرح الوافي. إن نتائج المحاكاة للدوائر الالكترونية المقترحة باستخدام برنامج التحليل الالكتروني ( EWB ) قد أثبتت فعالية هذه الدوائر المقترحة.


Article
Optimal Brain Surgeon Pruning of Neural Network Models of Manufacturing Processes

Authors: Ali Khudhair Mutlag --- Bahaa Ibraheem Kazem
Journal: Journal of Engineering مجلة الهندسة ISSN: 17264073 25203339 Year: 2005 Volume: 11 Issue: 3 Pages: 495-508
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

In this paper ,Optimal Brain Surgeon (OBS) pruning algorithm is proposed to optimize network architecture with respect to testing patterns error and overcoming the over fitting problem . Turning process is used as case study to improve the performance of the neural network – surface roughness model .Using the proposed algorithm reduced the prediction error on testing patterns from 0.6237 to 0.2854 based on the absolute percent error estimate .Also. noticeable improvement is made in correlation coefficient from 0.8656 to 0.9807 making the network more reliable for new operating conditions.

في هذا البحث طبقت خوارزمية جراحة الدماغ المثلى (OBS) لتشذيب النموذج المستحدث ولتحسين معمارية الشبكة بالنسبة الى خطأ نماذج الاختبار ولتحسين قدرة التعميم للشبكة بتفادي ال overfitting لنموذج الشبكة العصبية .أستعملت عملية الخراطة في هذا العمل كحالة للدراسة لتحسين موديل لشبكة عصيبة لخشونة السطح حيث خفضت خوارزمية تشذيب جراحة الدماغ المثلى خطأ التوقع لنماذج الاختبار من 0.6237 الى 0.2854 مع تحسين ملحوظ في معامل الارتباط من 0.8656 الى 0.9807 مما يجعل الشبكة اكثر موثوقية لحالات التشغيل الجديدة .

Listing 1 - 10 of 42 << page
of 5
>>
Sort by
Narrow your search

Resource type

article (42)


Language

English (36)

Arabic and English (4)

Arabic (1)


Year
From To Submit

2019 (5)

2018 (4)

2017 (6)

2016 (2)

2015 (2)

More...