دوره 12، شماره 1 - ( 3-1405 )
دوره 12 شماره 1 صفحات 109-92 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Rahimkhani P, Ordokhani Y. A discrete Hahn wavelet neural network method for Bratu-type equations. mmr 2026; 12 (1) :92-109
URL: http://mmr.khu.ac.ir/article-1-3431-fa.html
URL: http://mmr.khu.ac.ir/article-1-3431-fa.html
رحیم خانی پریسا، اردوخانی یدالله. روش شبکه عصبی موجکهان گسسته برای حل عددی معادلات براتو. پژوهش های ریاضی. 1405; 12 (1) :92-109
1- مرکز آموزش عالی محلات
2- دانشگاه الزهرا ،ordokhani@alzahra.ac.ir
2- دانشگاه الزهرا ،
چکیده: (8 مشاهده)
در این مقاله یک روش عددی جدید براســاس شــبکه عصــبی و موجکهای هان گســســته برای حل معادلات براتو ارائه میشـود. ابتدا، موجکهای هان گسـسـته و برخی ویژگیهای مهم آن برای سـاختن شـبکه عصـبی موجکهای هان بیان میشـود. شـبکه عصــبی بیان شــده شــامل ســه لایه اســتل لایه ورودی، لایه خروجی و لایه پنهان. در این روش از موجکهای هان و تابع ســینوس هایپربولیک به ترتیب به عنوان توابع فعالســاز لایه پنهان و لایه خروجی اســتداده میشــود. ســپر روش بهینهســازی تحلیلی برای بهدسـت آوردن وزنهای شـبکه عصـبی بهگونهای اسـتداده میشـود که جوا تقریبی در مسـاله قـدن کند. با اسـتداده از این روش، مسـاله اقــلی به یک دســتگاه از معادلات جبری تبدیل میشــود، که این دســتگاه را میتوان با روش تکرار نیوتون حل کرد. در انتها با ارائه مثالهایی دقت و کارائی روش را مورد بررسی قرار میدهیم
نوع مطالعه: علمی پژوهشی کاربردی |
موضوع مقاله:
ریاضی
دریافت: 1403/9/2 | ویرایش نهایی: 1405/3/22 | پذیرش: 1405/1/26 | انتشار: 1405/3/22 | انتشار الکترونیک: 1405/3/22
دریافت: 1403/9/2 | ویرایش نهایی: 1405/3/22 | پذیرش: 1405/1/26 | انتشار: 1405/3/22 | انتشار الکترونیک: 1405/3/22
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
