پورتال همایش ها و سمینارهای دانشگاه حکیم سبزواری
  • صفحه اصلی
  • آرشیو همایش ها
  • سایت دانشگاه
Bootstrap Touch Slider
  • مجموعه مقالات
  • پوستر
  • معرفی رویداد
  • محور رویداد
  • ساختار سازمانی
  • کمیته علمی

برگزار شده توسط : دانشگاه حکیم سبزواری


سومین سمینار ملی کنترل و بهینه‌سازی

تاریخ برگزاری : 22 آبان ماه 1398


تاریخ برگزاری : 22 آبان ماه 1398

ارائه‌ی الگوریتمی جدید برای یادگیری عمیق مبتنی بر مسئله کنترل بهینه گسسته-زمان

نویسندگان :

محمود محمودی , سارا احمدی

دانلود فایل   
کليدواژه ها

یادگیری عمیق، مسئله کنترل بهینه، روش تقریب‌های متوالی، اصل ماکسیمم پونتریاگین

کد مقاله / لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است :

نحوه استناد به مقاله

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
, 1398 , ارائه‌ی الگوریتمی جدید برای یادگیری عمیق مبتنی بر مسئله کنترل بهینه گسسته-زمان , سومین سمینار ملی کنترل و بهینه‌سازی


سومین سمینار ملی کنترل و بهینه‌سازی
تاریخ برگزاری : 22 آبان ماه 1398
آرشیو کلیه مقالات این رویداد
دیگر مقالات این رویداد
  • کنترل سیستم‌های غیرخطی چندعامله با استفاده از نظریه اتلافی بودن
  • کاربرد داده‌کاوی و آنالیز شبکه در شناسایی متابولیتهای ضدسرطان
  • A neurodynamic model to solve the maximum flow problem
  • کنترل بهینه عددی معادله موج
  • پیش بینی چگونگی انتشار شایعه با تحلیل دینامیکی آن
  • SPECTRAL COLLOCATION METHODS FOR SOLVING FRACTIONAL OPTIMAL CONTROL PROBLEMS OF VARIABLE ORDER
  • کاربرد کنترل و درمان بهینه برای مدل شکار- شکارچی
  • برنامه ریزی پویا برای حل مسئله کنترل بهینه درجه دوم خطی تصادفی
  • A filmily of measures of noncompactness in the H o lder space $C^ n,gamma (mathbb R_+ )$
  • مساله مکانیابی تسهیلات ظرفیت دار دو هدفه با محدودیت پرواز خودروهای بدون سرنشین
  • تماس با ما


    خراسان رضوی - سبزوار - توحید شهر- دانشگاه حکیم سبزواری
    صندوق پستی 397 - کدپستی: 9617976487
    مخابرات دانشگاه : 44410104 051
    فکس : 44012607 051

    © کلیه حقوق متعلق به دانشگاه حکیم سبزواری می‌باشد. (همایش نگار نسخه 11.0.0)