فهرست مطالب
عنوان          صفحه
مقدمه    1
فصل اول: کليات    2
1-1 مقدمه    2
1-2 ضرورت انجام تحقیق    3
1-3 جنبه جديد بودن و نوآوري در تحقيق    4
1-4 اهداف تحقيق    4
1-5 سؤالات تحقیق    4
1-6 فرضيه‏هاي تحقیق    4
1-7 تعاريف و واژه‏ها    5
فصل دوم:مبانی نظری شبکه های عصبی و الگوریتم های هاپفیلد و کوهنن    7
2-1 مقدمه    8
2-2 ساختار شبکه های عصبی    8
2-3 فرآیند شبکه عصبی    10
2-4 شبکه های عصبی هاپفیلد    11
2-5 مدل خود سازمانده SOM    13
2-5-1 مدل کوهنن    13
2-5-1-1 الگوریتم یادگیری شبکه کوهنن    13
فصل سوم :کليات گنبدهای نمکی و زمين شناسی و کلیات گنبد نمکی قم    18
3-1 مقدمه    19
3-2 گنبد نمکی    19
3-2-1 انواع شکل‌هاي گنبدهاي نمکي    19
3-2-3 مراحل تشکيل ساختمان گنبدهاي نمکي    20
3-2-5 گنبدهاي نمکي ايران    20
3-2-6 قسمت‌هاي مختلف گنبد نمکي    20
3-3 مطالعه گنبد هاي نمكي    21
3-3-1-2گرانی سنجی    22
3-3-1-3 روش هاي لرزه اي    22
3-4  اثرات گنبدهاي نمكي درزمين شناسي مهندسي    23
3-3 گنبد نمکی قم    24
فصل چهارم : تجزيه و تحليل نتايج  شبکه های عصبی هاپفیلد و کوهنن    28
4-1 مقدمه    29
4-2 بررسی داده های در دسترس مرتبط با میدان قم    29
4-3 بررسی میدان با استفاده از نمودارهای کونتور و 3 بعدی    29
4-4 تعیین نمودار سه بعدی گنبد نمکی قم    31
4-5 طراحی شبکه عصبی کوهنن    32
4-5-1 شبکه های غیر نظارت شده    32
4-5-2 شبکه بندی و ایجاد خوشه بندی    32
4-5-3 خوشه بندی با استفاده از نگارنده SOM نرم افزار متلب    33
4-5-3-1 استفاده از جعبه ابزار nctool    33
4-5-3-2 انتخاب داده ها    35
4-5-3-3 انتخاب تعداد نرون    36
4-5-3-3-1 آموزش با 3 نرون    36
4-5-3-3-2 آموزش با 4 نرون    40
4-5-3-3-3 آموزش با 5 نرون    45
4-6  طراحی با استفاده از شبکه عصبی هاپفیلد    50
4-6-1 طراحی با استفاده از کدنویسی    50
4-6-2 تخمین عمق با استفاده از شبکه عصبی هاپفیلد    54
فصل پنجم : بحث، نتيجه گيری و پيشنهادات    57
5-1 مقدمه    57
5-2 بحث    58
5-2-1 کارايی شبکه‌های عصبی هاپفیلد و کوهنن در شناسايی محدوده مرکزی آنومالی    58
5-2-2 مناسب ترین مدل با انحراف معیار پایین جهت تشخیص آنومالی    58
5-3 نتایج حاصل از تحقیق    59
5-3-1 شناسایی وپردازش داده های گرانی    59
5-4 نتیجه گیری    61
6-5 پیشنهادات    62
پیوست‌ها    63
فهرست منابع    77

فهرست جداول
عنوان                                                                                                            صفحه
جدول 4-1 : خروجی عمق بدست آمده با شبکه هاپفیلد با 5 % نویز.    55
جدول 4-2 : خروجی عمق بدست آمده با شبکه هاپفیلد با 10 % نویز.    55

فهرست اشکال
عنوان                                                                                                            صفحه
شکل (2-1): مدل یک نرون    8
شکل (2-2 ): شبکه عصبی تک لایه    9
شکل (2-3): شبکه عصبی هاپفیلد گسسته    12
شکل (2-4): شبکه کوهنن خودسازمانده در یک توپولوژی مسطح X   بردار وزن نرون های شبکه است    14
شکل (2-5): ساختار شبکه عصبی کوهنن که در یک شبکه دو بعدی مرتب شده است.    15
شکل (2-6): تعیین سلول برنده، تکنیک خودکاری به نام Winner-Takes-All    16
شکل (2-7): توپولوژی شبکه کوهنن دو بعدی    17
 شكل 3-1  يك مقطع لرزه اي كه در آن صعود گنبدهاي نمكي مشخص شده است .    23
شکل (3-2): تصویر ماهواره ای منطقه، گنبد نمکی از سمت شمال‌شرق و غرب    25
شکل (3-3): نقشه زمین شناسی منطقه    26
شکل (3-4): موقعیت جغرافیایی منطقه برداشت شده و گرانی بوگه با استفاده از نرم افزار Surfer    27
شکل 4-1: نمودار کونتوری گنبد نمکی قم    30
شکل 4-2: نمودار 3 بعدی گنبد نمکی قم    30
شکل 4-3: نمودار سه بعدی گنبد نمکی قم.    31
شکل (4-4): پنجره nctool، SOM، نرم افزار متلب R2013b.    34
شکل (4-5): پنجره ورود داده ها، متلب 2013.    35
شکل (4-6): پنجره انتخاب تعداد نرون جهت تعیین سایز خوشه    36
شکل (4-7): موقعیت وزنهای شبکه خوشه بندی شده    37
شکل(4-8): نمودار Sample Hits.    37
شکل (4-9): تعداد ورودی های اعمال شده به شبکه نسبت به وزن های شبکه    38
شکل (4-10):فواصل وزنی بین نرون های همسایه در شبکه خوشه بندی شده    39
شکل (4-11): اتصالات همسایگی بین نرون ها    39
شکل(4-12): توپولوژی SOM شبکه با 3 نرون    40
شکل (4-13): موقعیت وزنی نرون ها با شبکه 4*4    41
شکل (4-15): نمودار Sample Hits حاصل از شبکه 4*4    41
شکل (4-16): تعداد ورودی های اعمال شده به شبکه 4*4 نسبت به وزن های شبکه    42
شکل (4-17): فواصل وزنی بین نرون های همسایه در شبکه خوشه بندی شده    43
شکل (4-18): اتصالات همسایگی بین نرون ها    43
شکل (4-19): توپولوژی SOM شبکه با 4 نرون    44
شکل (4-20): پنجره nntraintool شبکه SOM برای 4 نرون    44
شکل (4-21): موقعیت وزنی نرون های شبکه 5*5 کوهنن    45
شکل (4-22): نمودار Sample Hits شبکه 5*5    46
شکل (4-23): تعداد ورودی های اعمال شده به شبکه 5*5 نسبت به وزن های شبکه    46
شکل (4-24): فواصل وزنی بین نرون های همسایه در شبکه خوشه بندی شده    47
شکل (4-25): اتصالات همسایگی بین نرون ها    47
شکل (4-26): توپولوژی SOM شبکه با 5 نرون    48
شکل (4-27): پنجره nntraintool شبکه SOM برای 5 نرون    48
شکل(4-28): خروجی نمودار Simulink از شبکه طراحی شده کوهونن    49
شکل (4-29): نمودار سیستم کنترل صورت گرفته در شبکه طراحی شده کوهونن    49
شکل (4-30): شبکه عصبی هاپفیلد طراحی شده    50
شکل (4-31): خروجی هاپفیلد با 50 دور تست    51
شکل (4-32): خروجی هاپفیلد با داده های محدود شده    51
شکل (4-33): خروجی هاپفیلد با شیفت داده ها تا 3 بار عددی    52
شکل(4-34): خروجی هاپفیلد همگرایی نقاط اصلی را به نقطه فرعی نشان می دهد    52
شکل (4-35): خروجی هاپفیلد همگرایی نقاط اصلی را به نقطه اصلی نشان می دهد    53
شکل (4-36): بهترین عملکرد شبکه عصبی هاپفیلد با 30 بار تکرار. بیشتر نقاط همگرا شده اند    53
شکل(4-37): مورفومتری گرافیکی- پروفیلی (عرضی) گنبد نمکی قم.    56
شکل(4-38): مورفومتری تک بعدی (پروفیل طولی) گنبد نمکی قم.    56
شکل (4-39): بی هنجاری باقی مانده گنبد نمکی قم.    56

---

برچسب ها: گرانی سنجی هاپفیلد کوهنن گنبد نمکی

فایل وورد و قابل ویرایش می باشد