علی اکبر قره آغاجی
مازیار پالهنگ و محسن شنبه
and M. Shanbeh

شبکه های عصبی مصنوعی سیستمهای پردازش اطلاعات هستند. در سالهای اخیر این الگوریتمها مورد توجه محققان بسیاری برای مدلسازی فرایندهای مختلف و همچنین حل مسائل گوناگون قرار گرفته اند.در این تحقیق یک مدل شبکه عصبی مصنوعی برای پیش بینی خصوصیات کششی نخهای مغزی دار با رویه پنبه و مغزی نایلون ارائه می شود. بدین منظوراز شبکه های چند لایه پیشرونده با الگوریتم آموزشی انتشار به عقب برای بررسی رابطه و ایجاد یک نگاشت بین پارامترهای تولید(نمره جزء رویه، نمره جزء مغزی، کشیدگی اولیه اعمالی به جزء مغزی و تاب اعمال شده به نخهای مغزی دار) و خواص کششی (استحکام و ازدیاد طول تا حد پارگی) نخهای مغزی دار استفاده می شود. نتایج حاصل نشان داد شبکه های عصبی مصنوعی یک روش موثر برای پیش بینی خصوصیا ت کششی نخهای مغزی دار است؛ به طوری که انحراف استاندارد خطای پیش بینی دسته های آموزش دهنده و آزمایش کننده همواره از انحراف استاندارد آزمایشات کمتر بود.

Artificial Neural Network, Back Propagation Algorithm, Core-spun Yarns, Cross Validation, Tensile Properties, شبکه های عصبی مصنوعی، الگوریتم انتشار به عقب، نخهای مغزی دار، تصدیق متقاطع، خواص کششی