دانشگاه مازندران

 آمار

تعداد نشریات30
تعداد شماره‌ها449
تعداد مقالات4,346
تعداد مشاهده مقاله6,939,416
تعداد دریافت فایل اصل مقاله5,147,474
Mirhosseini Alizamini, S. M., Malek, A., Ahmadi, Gh.. (1394). A Recurrent Neural Network Model for Solving Linear Semidefinite Programming. پژوهشنامه مدیریت اجرایی, 4(2), 205-213.
S. M. Mirhosseini Alizamini; A. Malek; Gh. Ahmadi. "A Recurrent Neural Network Model for Solving Linear Semidefinite Programming". پژوهشنامه مدیریت اجرایی, 4, 2, 1394, 205-213.
Mirhosseini Alizamini, S. M., Malek, A., Ahmadi, Gh.. (1394). 'A Recurrent Neural Network Model for Solving Linear Semidefinite Programming', پژوهشنامه مدیریت اجرایی, 4(2), pp. 205-213.
Mirhosseini Alizamini, S. M., Malek, A., Ahmadi, Gh.. A Recurrent Neural Network Model for Solving Linear Semidefinite Programming. پژوهشنامه مدیریت اجرایی, 1394; 4(2): 205-213.

A Recurrent Neural Network Model for Solving Linear Semidefinite Programming

Caspian Journal of Mathematical Sciences
مقاله 6، دوره 4، شماره 2، اسفند 2015، صفحه 205-213    اصل مقاله (213.55 K)
نوع مقاله: Research Articles
نویسندگان
S. M. Mirhosseini Alizamini* 1؛ A. Malek2؛ Gh. Ahmadi1
1Department of Mathematics, Payame Noor University, Tehran, Iran
2Department of Applied Mathematics, faculty of Mathematical Sciences,Tarbiat Modares University, Tehrasn, Iran
تاریخ دریافت: 11 بهمن 1391،  تاریخ بازنگری: 10 آبان 1394،  تاریخ پذیرش: 19 آبان 1394 
چکیده
In this paper we solve a wide rang of Semidefinite Programming (SDP) Problem by using Recurrent Neural Networks (RNNs).
SDP is an important numerical tool for analysis and synthesis in systems and control theory. First we reformulate the problem to a linear programming problem, second we reformulate it to a first order system of ordinary differential equations.
Then a recurrent neural network model is proposed to compute related primal and dual solutions simultaneously.Illustrative examples are included to demonstrate the validity and applicability of the technique.
کلیدواژه‌ها
Semidefinite Programming؛ Primal-dual problems؛ Recurrent Neural Network
عنوان مقاله [English]
یک مدل شبکه عصبی بازگشتی برای حل برنامه‌ ریزی خطی نیمه معین
نویسندگان [English]
س. م. میر حسینی عالی زمینی1؛ ع. ملک2؛ ق. احمدی1
1دانشجوی دکتری ریاضی کاربردی، مرکز تحصیلات تکمیلی دانشگاه پیام نور تهران
2عضو هیئت علمی دانشکده ریاضی گروه ریاضی کاربردی ،دانشگاه تربیت مدرس تهران
چکیده [English]
در این مقاله، یک دامنه وسیعی از مسأله برنامه ریزی نیمه معین (SDP) با استفاده از شبکه‌های عصبی بازگشتی (RNNs)  ارائه می‌شود. SDP یک ابزار عددی مهم برای آنالیز و ترکیب  در سیستم‌ها و تئوری کنترل است. در اینجا، ابتدا مسأله اصلی را به یک مسأله برنامه ریزی خطی تبدیل کرده، سپس آن را به یک سیستم مرتبه اول از معادلات دیفرانسیل معمولی فرموله می‌کنیم. در پایان برای حل، یک مدل شبکه عصبی بازگشتی، وابسته به جواب‌های پرایمال – دوال پیشنهاد شده است. هم چنین با ارائه چند مثال، قابلیت کاربرد، دقت و کارایی این روش مورد بررسی و ارزیابی قرار می‌گیرد.
کلیدواژه‌ها [English]
برنامه ریزی نیمه معین, مسائل پرایمال - دوال, شبکه‌های عصبی بازگشتی
آمار
تعداد مشاهده مقاله: 1,766
تعداد دریافت فایل اصل مقاله: 977


سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب