{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "TK239",
        "title": "پیاده‌سازی شبکه عصبی فازی روی FPGA  و به‌کارگیری آن در طبقه‌بندی",
        "publisher": "دانشگاه صنعتی شاهرود",
        "owner": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "license": "CC-BY-4.0",
        "license_url": "https://creativecommons.org/licenses/by/4.0/",
        "license_text": "استفاده، بازنشر، تحلیل، پردازش و بهره برداری پژوهشی، آموزشی و صنعتی با ذکر منبع دانشگاه صنعتی شاهرود مجاز است.",
        "publication_date": "1391",
        "last_update": "2026-07-11",
        "language": "fa",
        "format": "application/json",
        "contact": "thesis@shahroodut.ac.ir",
        "access": {
            "fulltext_available": "true",
            "public_access": "true"
        }
    },
    "data": {
        "thesis_id": "TK239",
        "title": "پیاده‌سازی شبکه عصبی فازی روی FPGA  و به‌کارگیری آن در طبقه‌بندی",
        "degree": null,
        "faculty": "مهندسی برق",
        "year": 1391,
        "authors": [
            {
                "name": "فرید فرج زاده اصل",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "سید علی سلیمانی ایوری",
                "role": "استاد راهنما"
            },
            {
                "name": "حسین خسروی",
                "role": "استاد مشاور"
            }
        ],
        "keywords": [
            "طبقه‌بندی",
            "شبکه عصبی فازی",
            "ابرجعبه فازی Min-Max",
            "FPGA"
        ],
        "abstract": "شبکه‌های عصبی فازی Min-Max، روش‌های نسبتاً جدیدی در حوزه کاربردی طبقه‌بندی و خوشه یابی می‌باشند. این شبکه‌ها، ویژگی‌های برتری مانند الگوریتم آموزش برخط یکبارگذر دارند که آنها را برای پیاده‌سازی سخت‌افزاری و استفاده در کاربردهای بلادرنگ، ایده‌آل می‌سازد.\r\nدر این پایان‌نامه یک روش جدید برای طراحی شبکه‌های عصبی فازی بر پایه ابرجعبه‌های فازی Min-Max ارائه شده است. همانند شبکه FMNN، این شبکه از تجمیع ابرجعبه‌های فازی برای تعیین مرزهای کلاس‌ها استفاده می‌کند، با این تفاوت که تست همپوشانی و انقباض ابرجعبه‌ها از مراحل آموزش حذف شده است. که منجر به الگوریتم آموزش ساده‌تر و سرعت آموزش بیشتر شده است. شبکه ارائه شده از دو دسته ابرجعبه با ضریب انبساط متفاوت، به منظور استفاده از ابرجعبه‌های کوچک‌تر در مرز کلاس‌ها، استفاده می‌کند. شبکه با یک بار ارائه داده‌های آموزش، آموزش می‌بیند. نتایج حاصل از شبیه‌سازی‌های رایانه‌ای، بیانگر کارایی خوب این شبکه می‌باشد. روش پیشنهادی در اکثر موارد، نتایج بهتری را، نسبت به بهترین روش‌های قبلی، با تعداد نرون‌های کمتر بدست می‌دهد. \r\nدر پایان‌نامه حاضر، یک طرح سخت‌افزاری، برای پیاده سازی شبکه معرفی شده روی ‌FPGA، ارائه شده است. در این طرح تابع عضویت ابرجعبه‌ها، به منظور صرفه‌جویی در ناحیه مصرفی FPGA، ساده شده است، به طوری که طرح حاصله، از ضرب کننده استفاده نمی‌کند. همچنین طرح سخت‌افزاری ارائه شده، به طور موثری از تکنیک خط‌لوله و موازی‌کاری، برای افزایش سرعت محاسبات، استفاده می‌کند.",
        "repository": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "note": "حقوق مادی و معنوی متعلق به دانشگاه صنعتی شاهرود می باشد.",
        "download_url": "https://shahroodut.ac.ir/fa/thesis/files/somefiles/sf_TK239.pdf"
    },
    "dictionary": {
        "thesis_id": "شناسه پایان نامه",
        "title": "عنوان پایان نامه",
        "degree": "مقطع تحصیلی",
        "faculty": "دانشکده",
        "year": "سال دفاع",
        "authors": "پدیدآورندگان",
        "keywords": "کلیدواژه ها",
        "abstract": "چکیده",
        "repository": "محل نگهداری",
        "note": "یادداشت",
        "download_url": "آدرس فایل پایان نامه"
    }
}