پایان نامه کارشناسی مهندسی فناوری اطلاعات - کاربردهای منطق فازی در یادگیری ماشین

اختصاصی از حامی فایل پایان نامه کارشناسی مهندسی فناوری اطلاعات - کاربردهای منطق فازی در یادگیری ماشین دانلود با لینک مستقیم و پر سرعت .

منطق فازی معتقد است که ابهام همیشه و همواره در جوهره و ماهیت علم بوده و می توان از آن بهره جست. بنابراین به دنبال ساختن سیستم هایی است که ابهام را به عنوان بخشی از سیستم، هضم نموده و مدل کند. زیرا تنها در اینصورت است که می توان در سیستم های مبتنی بر هوش مصنوعی، رفتار و عکس العمل این گونه سیستم ها را به رفتار انسانی نزدیک نموده و به نتیجه دلخواه دست یافت. بر همین اساس کاربرد منطق فازی در حل مسائل هوش مصنوعی، بیش از پیش در حال گسترش است. لذا پس از معرفی منطق فازی توسط پروفسور لطفی زاده، شمار زیادی از محققان حوزه علوم کامپیوتر به این مقوله و کاربردی کردن آن در مسائل روی آورده و مقالات و پژوهش های زیادی با این موضوعات منتشر شده است. در این پایان نامه هم هدف اصلی ما معرفی و نقد و بررسی روش های مبتنی بر منطق فازی و یادگیری ماشین است. روال کار به صورت مطالعه روش های مشابه در مقالات معتبر و جدید ISI، Elsevier، Springer و IEEE می باشد. سپس با استفاده از نتایج شبیه سازی روش های پیشنهادی در این مقالات سعی در ارائه راه حل های جدید به کمک نقاط قوت و ضعف این روش ها خواهیم داشت. در این زمینه فصل اول به معرفی، تاریخچه و مفاهیم اصلی منطق فازی پرداخته و در فصل دوم تعاریف و انواع روش ها و تکنیک های یادگیری ماشین به همراه مزایا و معایب هر یک را بیان نموده و در فصل سوم مروری بر مقالات جدید در این حوزه داشته و در فصل چهارم به بیان ایده های جدید پیرامون ماشین و  منطق فازی می پردازیم و پایان نامه را با بیان نتایج به پایان خواهیم رساند...

پایان نامه مورد نظر مشتمل بر 4 فصل، 94 صفحه، تایپ شده، به همراه دیاگرام و جدول، روابط و فرمول های اصلی، با فرمت pdf جهت دانلود قرار داده شده و فصل بندی پایان نامه به ترتیب زیر می باشد:

فصل 1: منطق فازی، معرفی، تارخچه و مفاهیم اصلی

• مقدمه
• محاسبات نرم
• منطق فازی
• سیر تطور منطق فازی
• سیستم های فازی
• سیستم های فازی چگونه سیستم هایی هستند؟
• مفاهیم اصلی در منطق فازی
• خلاصه

فصل 2: یادگیری ماشین، تعاریف، انواع روش ها و تکنیک ها

• مقدمه
• تعاریف یادگیری
• یادگیری ماشین چیست ؟
• هدف یادگیری ماشینی
• انواع یادگیری
• یادگیری با ناظر
• یادگیری بدون ناظر
• یادگیری تقویتی
• یادگیری نیمه نظارتی
• روش های یادگیری نیمه نظارتی
• رشته های علمی و نمونه هایی از تاثیرشان بر یادگیری ماشینی
• انواع ماشین های یادگیرنده
• روش های یادگیری عامل
• طراحی یک سیستم یادگیری
• مشکلات ماشین های یادگیرنده
• تکنیک های یادگیری ماشین
• یادگیری استنتاجی خصوصا درخت تصمیم
• ویژگی های درخت تصمیم
• کاربردهای درخت تصمیم
• مسائل اساسی برای هر درخت تصمیم
• یادگیری پیوندگرا خصوصا شبکه عصبی مصنوعی
• کاربردهای شبکه عصبی مصنوعی
• مزیت شبکه عصبی
• یادگیری به روش فازی
• یادگیری از طریق منطق محاسباتی
• پایه های منطق محاسباتی
• پایه ریاضی
• کاربردهای منطق محاسباتی
• یادگیری از طریق محاسبات تکاملی خصوصا الگوریتم ژنتیک
• الگوریتم ژنتیک
• یادگیری از طریق برنامه ریزی سیستم خبره
• یادگیری تقویتی
• کاربردهای یادگیری تقویتی
• یادگیری مفهوم
• یادگیری از طریق قوانین وابستگی
• یادگیری بیزین
• ویژگی های یادگیری بیزین
• مشکلات عملی یادگیری بیزین
• یادگیری از طریق ماشین بردار پشتیبان
• مزیت های ماشین بردار پشتیبان
• ایرادات ماشین بردار پشتیبان
• کاربرد ماشین های یادگیرنده
• خلاصه

فصل 3: منطق فازی و یادگیری ماشین، مرور مقالات

• مقدمه
• مجموعه های فازی بدیهی با استخراج قواعد فازی از درخت های تصمیم فازی
• مدل هوش محاسباتی ترکیبی مبتنی بر منطق فازی و ماشین بردار پشتیبان
• سیستم های رابطه ای عصبی فازی برای تقریب و پیش بینی غیرخطی
• شبکه های مبتنی برمنطق فازی
• منطق فازی در تولید، مرور ادبیات و نرم افزار تخصصی
• استنتاج قوانین فازی با سیستم ایمنی مصنوعی و آموزش پارتیشن های فازی
• خلاصه

فصل 4: منطق فازی و یادگیری ماشین، بیان ایده های جدید

• مقدمه
• روش های مبتنی بر الگوریتم هوشمند (خودآگاه)
• سیستم خبره
• مزایای سیستم خبره
• کاربردهای سیستم خبره
• روش های مبتنی بر استفاده از الگوریتم ژنتیک در یادگیری ماشین
• الگوریتم ژنتیک
• مزایای الگوریتم ژنتیک
• نقاط ضعف الگوریتم ژنتیک
• روش های مبتنی برساختار درختی
• مسئله درخت اشتاینر
• کاربرد های درخت اشتاینر
• روش های مبتنی بر استفاده از الگوریتم های چند بعدی در یادگیری ماشین
• یادگیری تقویتی
• مشخصه های اصلی یادگیری تقویتی
• کاربردهای یادگیری تقویتی
• یادگیری مفهومی
• الگوریتم های مبتنی بر تابع هدف
• روش K- میانگین
• مشکلات روش خوشه بندی K- میانگین
• روش C - میانگین
• نقاط قوت الگوریتم C – میانگین فازی
• نقاط ضعف الگوریتم C – میانگین فازی
• روش های مبتنی برعامل
• فیلتر کالمن
• فیلتر کالمن فازی

جهت خرید پایان نامه کارشناسی مهندسی فناوری اطلاعات - کاربردهای منطق فازی در یادگیری ماشین به مبلغ فقط 4000 تومان و دانلود آن بر لینک پرداخت و دانلود در پنجره زیر کلیک نمایید.

!!لطفا قبل از خرید از فرشگاه اینترنتی کتیا طراح برتر قیمت محصولات ما را با سایر فروشگاه ها و محصولات آن ها مقایسه نمایید!!

!!!تخفیف ویژه برای کاربران ویژه!!!

با خرید حداقل 10000 (ده هزارتومان) از محصولات فروشگاه اینترنتی کتیا طراح برتر برای شما کد تخفیف ارسال خواهد شد. با داشتن این کد از این پس می توانید سایر محصولات فروشگاه را با 20% تخفیف خریداری نمایید. کافی است پس از انجام 10000 تومان خرید موفق عبارت درخواست کد تخفیف و ایمیل که موقع خرید ثبت نمودید را به شماره موبایل [phone] ارسال نمایید. همکاران ما پس از بررسی درخواست، کد تخفیف را به شماره شما پیامک خواهند نمود.

کاربردهای الگوریتم ژنتیک

اختصاصی از حامی فایل کاربردهای الگوریتم ژنتیک دانلود با لینک مستقیم و پر سرعت .

فرمت : Word

تعداد صفحات : 90

مقدمه

الگوریتم های ژنتیک یکی از الگوریتم های جستجوی تصادفی است که ایده ی آن برگرفته از طبیعت می باشد . الگوریتم های ژنتیک در حل مسائل بهینه سازی کاربرد فراوانی دارند . به عنوان مثال می توان به مسئله فروشنده دوره گرد اشاره کرد . در طبیعت از ترکیب کروموزوم های بهتر ، نسل های بهتری پدید می آیند . در این بین گاهی اوقات جهش هایی نیز در کروموزوم ها روی می دهد که ممکن است باعث بهتر شدن نسل بعدی شوند. الگوریتم ژنتیک نیز با استفاده از این ایده اقدام به حل مسائل می کند .

در الگوریتم های ژنتیک ابتدا به طور تصادفی یا الگوریتمیک ، چندین جواب برای مسئله تولید می کنیم . این مجموعه جواب را جمعیت اولیه می نامیم . هر جواب را یک کروموزوم می نامیم . سپس با استفاده از عملگرهای الگوریتم ژنتیک پس از انتخاب کروموزوم های بهتر ، کروموزوم ها را باهم ترکیب کرده و جهشی در آنها ایجاد می کنیم . در نهایت نیز جمعیت فعلی را با جمعیت جدیدی که از ترکیب و جهش در کروموزوم ها حاصل می شود ، ترکیب می کنیم . موارد فوق را با جزئیات بیشتری مورد بررسی قرار می دهیم 

2-2- پیشینه

پیشینه ی الگوریتم ژنتیک به سال های حدود 1960 برمی گردد. در دهه های 50 و 60 تحقیقات متعددی برای استفاده از نظریه تکامل در بهینه سازی مسائل مهندسی به طور مستقل صورت گرفت. ایده ی اصلی در همه این سیستم ها، رشد یک جمعیت از پاسخ های اولیه یک مساله به سمت پاسخ بهینه با الهام گیری از عملگرهای انتخاب و تغییر ژنتیک طبیعی بود. در سال های 1965 تا 1973 رکنبرگ(Rechenberg ) کتاب خود را به نام  تکنیک های تکامل (Evolution strategies (Evolutionsstrategie in original) ) در زمینه محاسبات تکاملی منتشر کرد و در سال های بعد نظریه او توسط محققین دیگر توسعه یافت. الگوریتم ژنتیک نخستین بار توسط  جان هلند ( John Holland ) مطرح و به وسیله خود او و دانشجویان و همکارانش گسترش یافت. تلاش های او و اطرافیانش در این زمینه در نهایت به نشر کتاب سازگاری در طبیعت و سیستم های مصنوعی (Adaption in Natural and Artificial Systems ) انجامید. پس از آن تحقیقات گسترده ای توسط افراد مختلف در این زمینه انجام شد (به عنوان مثال در سال 1992 جان کزا (John Koza ) الگوریتم ژنتیک را به صورت عملیاتی در برنامه نویسی به کار برد و برنامه نویسی ژنتیک (genetic programming(GP) ) را به عنوان روش خود مطرح ساخت.) و الگوریتم ژنتیک به صورت امروزی خود رسید.

2-3- اصطلاحات زیستی

در راستای فهم کامل الگوریتم ژنتیک، ابتدا بهتر است با برخی از اصطلاحات زیستی به کار رفته در تئوری این الگوریتم آشنا شویم. همه موجودات زنده از واحدهای کوچکی به نام سلول تشکیل شده اند. هر سلول نیز به نوبه خود از مجموعه ای از یک یا چند کروموزوم (chromosome ) تشکیل شده است. کروموزوم ها رشته هایی از مولکول DNA می باشند که در حقیقت برنامه کاری موجود زنده را در خود ذخیره می کنند. هر کروموزوم شامل چندین ژن( gene ) می باشد، که هر ژن بلوکی از مولکول DNA می باشد که پروتئین خاصی را کدگذاری می کند. به طور کلی می توان گفت که هر ژن یک خصیصه (trait ) از موجود زنده (مانند رنگ چشم) را کد گذاری می کند. حالت های ممکن برای یک خصیصه را (allele  ) می گویند. هر ژن موقعیت مخصوص خود را در کروموزوم دارد که به آن (locus ) می گویند. بسیاری از موجودات زنده در هر سلول چندین کروموزوم دارند. مجموعه کامل مواد ژنتیکی در سلول (مجموعه همه کروموزوم ها) (genome ) نامیده می شوند. اصطلاح (genotype ) به مجموعه خاصی از کروموزوم های موجود در genome اتلاق می شود. Genotype ها در پی تحولات و تغییر، به phenotypeها خصوصیات فیزیکی و ذهنی موجود زنده (مانند رنگ چشم، بلندی، اندازه مغز و یا میزان هوش) تبدیل می شوند.

انرژی خورشیدی و کاربردهای آن ***

اختصاصی از حامی فایل انرژی خورشیدی و کاربردهای آن *** دانلود با لینک مستقیم و پر سرعت .

انرژی خورشیدی و کاربردهای آن ، مطلب آموزشی و تحقیق مناسبی برای رشته مهندسی برق بوده و در 48 صفحه تهیه شده است.

در این تحقیق ما به تفصیل به بررسی انرژی خورشیدی و کاربردهای آن می پردازیم . این تحقیق مشتمل بر مضامین زیر است :

 

 

انرژی خورشیدی

کاربردهای انرژی خورشید

انرژی فتوولتائیک

استفاده از انرژی حرارتی خورشید

کاربردهای نیروگاهی

نیروگاه‌های حرارتی از نوع دریافت کننده مرکزی

نیروگاه‌های حرارتی از نوع بشقابی

دودکش‌های خورشیدی

مزایای نیروگاه‌های خورشیدی

کاربردهای غیر نیروگاهی

سیستمهای فتوولتاییک

تاریخچه انرژی خورشیدی

آمار جهانی انرژی خورشیدی

مزایا و معایب انرژی خورشیدی

معایب انرژی خورشیدی

آشنایی با پنل خورشیدی

تفاوت سلول خورشیدی با صفحه خورشیدی 

مزایای صفحات فتوولتائیک نواری (Thin Film) 

انواع سیستم‌های خورشیدی (Solar Panel) قابل اجرا کدام هستند؟

موارد استفاده از انرژی خورشید در ساختمان ها

اجزای تشکیل دهنده آبگرمکن های خورشیدی عمومی عبارتند از 

و........................

پایان نامه برخی از کاربردهای مجموعه ناهموار (فازی) روی گروه‌ها و حلقه‌ها

اختصاصی از حامی فایل پایان نامه برخی از کاربردهای مجموعه ناهموار (فازی) روی گروه‌ها و حلقه‌ها دانلود با لینک مستقیم و پر سرعت .

فرمت فایل : WORD (قابل ویرایش)

تعداد صفحات:102

پایان‌نامه دوره کارشناسی ارشد رشته ریاضی محض گرایش جبر

فهرست مطالب:

عنوان                                                     صفحه

فصل 1: تعاریف و پیش‌نیازها
1-1-  مقدمه     2
1-2- مجموعه‌های ناهموار     3
1-3- نظریه مجموعه‌های فازی روی گروه‌ها و حلقه‌ها     7
1-4- اشتراک‌های فازی (t- نرم‌ها)     10
فصل 2: مجموعه‌های T- فازی ناهموار
2-1- مقدمه     14
2-2- تقریب بالا و پایین از یک مجموعه‌ی فازی     15
2-3- تقریب بالا و پایین از یک مجموعه‌ی فازی نسبت به یک زیر گروه نرمایT- فازی    20
فصل 3 : زیر گروه‌های T– فازی (نرمال) ناهموار
3-1- مقدمه     27
3-2- زیرگروه‌های T– فازی ناهموار بالایی و پایینی     28
3-3- تصویرهای همریختی گروهی از زیر گروه‌های T- فازی ناهموار     33


فصل 4: مجموعه های ناهموار در حلقه ها
4-1- مقدمه     37
4-2- روابط همنهشتی قوی و کامل و مجموعه‌های ناهموار     38
4-3- تقریب‌های مجموعه فازی     44
4-4- ایده‌آل‌های اول (اولیه) ناهموار در حلقه‌ی جابجایی     47
4-5- ایده‌آل‌های فازی اول (اولیه) از یک حلقه‌ی جابجایی     54
4-6- ایده‌آل‌های فازی اول ناهموار     56
4-7- ایده‌آل‌های ناهموار فازی    60
پیوست A     79
پیوست B     83
منابع     87

چکیده:
در این پایان‌نامه، هدف مطالعه‌ی مجموعه‌های ناهموار ( فازی ) و ارتباط آن با گروه‌ها و حلقه‌ها است. ابتدا فضای تقریب و مجموعه‌های ناهموار را تعریف می‌کنیم و کاربرد آن را در گروه‌ها و حلقه‌ها بیان می‌کنیم. زیرگروه‌ها و زیرحلقه‌ها و ایده‌آل‌های Tـ  فازی ناهموار را معرفی کرده و نشان می‌دهیم چهارچوب کلی‌تری نسبت به زیرگروه‌ها و زیرحلقه‌ها و ایده‌‌آل‌های Tـ  فازی برای t- نرم دلخواه دارند. تأثیر همریختی بر آن‌ها را بیان کرده و برخی از مفاهیم را در مورد مجموعه‌های ناهموار فازی را نیز بیان  می‌کنیم.

 
پیشگفتار
نظریه مجموعه‌های ناهموار به عنوان تعمیمی از نظریه مجموعه‌های کلاسیک، برای کار با داده‌های نادقیق است که برای اولین بار توسط زادیسلاو پاولاک  [14] در سال 1982 مطرح شد. اساس این نظریه یک رابطه هم‌ارزی روی مجموعه مرجع می‌باشد که توسط آن برای هر زیرمجموعه یک تقریب ناهموار پایینی و یک تقریب ناهموار بالایی معرفی می‌گردد. این نظریه و رابطه آن با ساختارهای جبری بعدها توسط دانشمندان بسیاری از جمله بونیکفسکی  ([1])، بیسواس ، ناندا  ([1])، کوروکی ، موردسون ، لئورینو  و ... مورد مطالعه قرار گرفت.
دابویس  و پرد  ([6]) و ([7]) اولین کسانی بودند که مفاهیم مجموعه‌های فازی ناهموار و ناهموار فازی را معرفی کردند. یک مجموعه فازی ناهموار زوجی از مجموعه‌های فازی است که ناشی از تقریب زدن یک مجموعه فازی در یک فضای تقریب فازی و یک مجموعه ناهموار فازی زوجی از مجموعه‌های فازی است که ناشی از اجرای نظریه فازی بر یک فضای تقریب معمولی است.
در ایرن نیز دکتر بیژن دواز  ([3]) اولین کسی بود مطالعات خود را روی مجموعه‌های ناهموار آغاز کرد. ایشان مطالعات خود را در مورد ساختارهای جبری ناهموار و ساختارهای فازی ناهموار سوق  داد.
هدف این پایان‌نامه مطالعه مجموعه‌های فازی ناهموار و برخی از ساختارهای ناهموار جبری نظیر زیر گروه‌های فازی ناهموار و زیرحلقه فازی ناهموار و ایده‌آل فازی ناهموار است. همچنین در این پایان‌نامه نشان داده می‌شود که طی چه شرایطی یک ساختار ناهموار جبری تحت یک همریختی پایا است. و همچنین عمده‌ترین کارها انجام گرفته روی مجموعه‌های فازی ناهموار را روی مجموعه‌های ناهموار فازی بررسی می‌کنیم.
این پایان‌نامه در چهار فصل تهیه گردیده است. در فصل 1 تعاریف و پیش‌نیازها، در فصل 2 مجموعه‌های T- فازی ناهموار برای t-  نرم دلخواه و در فصل 3 زیرگروه‌های T –  فازی ناهموار و تأثیر همریختی‌ها بر آن‌ها را بیان کرده و در فصل 4 ابتدا ایده‌آل‌های T-  فازی اول (اولیه) ناهموار را بیان کرده و برخی از مطالب گفته شده را روی مجموعه‌های ناهموار فازی بیان می‌کنیم.

مبدل ماتریسی و کاربردهای آن matrix converters and applications

اختصاصی از حامی فایل مبدل ماتریسی و کاربردهای آن matrix converters and applications دانلود با لینک مستقیم و پر سرعت .

چکیده:

مبدل های ماتریسی به علت مزایایی که نسبت به مبدل های AC/DC/AC رایج دارند در سال های اخیر مورد توجه خاص قرار گرفته اند در این سمینار مزایا و معایب مبدل های ماتریسی و ساختار آنها عنوان شده است. از جمله این مزایای می توان به اندازه کوچک و شکل موج های با کیفیت بالا و امکان کنترل ضریب قدرت ورودی تا عدد یک اشاره کرد. مبدل های رایج AC/DC/AC در باس DC خود دارای یک خازن الکترولیتی بزرگ می باشند که باعث افزایش هزینه و حجم این مبدل ها می باشد. همچنین استفاده از آنها در دماهای بالا را ممکن نمی سازد. در حالی که مبدل های ماتریسی این محدودیت را دارا نمی باشند. روش های مدولاسیون مبدل های ماتریسی عبارتند از دو روش زیر: 1) روش مدولاسیون پهنای پالس بردار فضایی که خود شامل روش متعارف و روش بهینه که تلفات کلیدزنی آن کمتر شده است، می باشد. 2) مدولاسیون مستقیم با محدودیت حداکثر نسبت تبدیل ولتاژ کمتر از 0/5 و مدولاسیون مستقیم بهبود یافته با محدودیت حداکثر نسبت تبدیل ولتاژ 0/866 می باشد. نتایج شبیه سازی هم نشان دهنده مزایا و معایب هر کدام از این روشها می باشد. همچنین این مبدل ها در درایو موتورهای القایی و سیستم های مخابراتی و صنایع هواپیمایی و سیستم های قدرت می توانند مورد استفاده قرار بگیرد.

مقدمه:

مبدل های ماتریسی، مبدل هایی هستند که قابلیت های بسیار بالایی را دارند و توانایی تبدیل یک ولتاژ با فاز و دامنه و فرکانس معین به یک ولتاژ با فاز و دامنه و فرکانس متفاوت از آن را دارند برتری های این مبدل ها نسبت به مبدل های رایج AC/DC/AC باعث شده تا در سال های اخیر مورد توجه ویژه قرار گیرد. مبدل های رایج AC/DC/AC در باس DC خود دارای یک خازن الکترولیتی بزرگ می باشند که باعث افزایش هزینه و حجم این مبدل ها می باشند. و همچنین استفاده از آنها در دماهای بالا را ممکن نمی سازد. همچنین وجود سلف های بزرگ در هر فاز ورودی که برای سینوسی کردن جریان ورودی به کار می رود باعث افزایش قابل ملاحظه حجم و هزینه می شوند. البته در بعضی مقالات برای حل این مشکل استفاده از خازن های پلی پروپیلن به جای خازن های الکترولیتی توصیه می شود. اما با این حال مشکل سلف های بزرگ همچنان باقی است. ساختارهای مبدل های ماتریسی برای اولین بار در سال 1980 معرفی شد. از جمله مزایای مبدل های ماتریسی عدم نیاز به عناصر ذخیره کننده انرژی در ساختار این مبدل ها بود که ساخت آنها را به صورت مدار مجتمع امکان پذیر می سازد. از دیگر مزایای مبدل های ماتریسی می توان به قابلیت تنظیم ضریب قدرت ورودی تا عدد یک، قابلیت انتقال توان در هر دو جهت، شکل موج های با کیفیت بسیار بالا در خروجی و ورودی اشاره کرد. علت اینکه این مبدل ها تا سالهای اخیر در صنعت استفاده نشده بودند مشکل کموتاسیون این مبدل ها بوده است.

فصل اول

کلیات

1-1) هدف

هدف کلی این سمینار تحقیق کردن در مورد ساختارهای مختلف مبدل های ماتریسی و شبیه سازی و مقایسه مزایا و معایب این مبدل ها در مقایسه با مبدل های رایج AC/DC/AC می باشد. همچنین تحلیل و شبیه سازی روش های مختلف کنترل این مبدل ها مدنظر است. این کار با استفاده از نرم افزار مطلب و در محیط سیمولینک انجام شد. در این سمینار ضمن شبیه سازی روش های کنترل مبدل ماتریسی، سعی شده که از لحاظ THD ولتاژ خروجی، قابلیت کنترل ضریب قدرت ورودی و برخی مشخصات دیگر مربوط به این مبدلها، مزایای آنها نشان داده شود.

2-1- پیشینه تحقیق

ساختار مبدل ماتریسی اولین بار توسط Gyugyi و Pelly در 1976 پیشنهاد شد. آنها قاعده کلی سیکلوکنورتر را برای به دست آوردن یک فرکانس خروجی نامحدود توسط کلیدهای دوطرفه، بسط دادند. عیب اصلی ساختار اولیه این بود که جریان ورودی آن نامطلوب بود و همچنین ولتاژ خروجی دارای هارمونیک هایی بود که به راحتی توسط فیلتر از بین نمی رفتند.

این عیب در (4-2) توسط Venturini حل شد. او یک الگوریتم PWM جدید پیشنهاد کرد که جریان های ورودی سینوسی و ولتاژ خروجی با فرکانس نامحدود تولید می کرد. همچنین این الگوریتم، قابلیت کنترل ضریب قدرت ورودی را نیز به دست می داد. اما متاسفانه در این الگوریتم نسبت ولتاژ خروجی به ورودی به 0.5 محدود می شد.

در (5)، MAytum و Colman الگوریتم  Velturini را بسط داده و توانستند نسبت ولتاژ خروجی به ورودی را به 0/866 برسانند.

تعداد صفحه : 73