فصل یکم)مقدمه و کلیات    
1-1) مقدمه    2
1-2) سیستم‌های فتوولتائیک    
1-2-1) سیستم‌های فتوولتائیک متصل به شبکه    
1-3) چالش‌های موجود و ضرورت تحقیق    
1-4) اهمیت و ضرورت سیستم‎های فتوولتائیک    
1-5) اهداف سمینار    
1-6) ساختار سمینار    
1-7) خلاصه و نتیجه‎گیری    
فصل دوم) مفاهیم اولیه در سیستم‎های فتوولتائیک    
2-1) مقدمه    
2-2) اجزای سیستم‌های فتوولتائیک    
2-2-1) آرایه فتوولتائیک    
2-2-2) سیستم‌های دنبال کننده تابشی    
2-2-3) اینورتر یا مبدل الکترونیک توان    
2-2-4) ذخیره‌ساز توان به دست آمده    
2-2-5) ردیابی توان بیشینه    
2-3) روند کلی طراحی و نصب سیستم‌های فتوولتائیک    
فصل سوم) ارزیابی شبکه‎های عصبی مصنوعی و کاربردآن در حل مسائل بهینه‌سازی غیرخطی    
3-1) مقدمه    
3-2) ساختار شبکه عصبی مصنوعی و کاربرد آن    
3-2-1) پرسپترون    
3-2-2) یادگیری در شبکه عصبی مصنوعی    
3-2-3) کلاس‌بندی در شبکه‌های عصبی مصنوعی    
3-2-4) کلاس‌بندی با پرسپترون یک لایه و یک نرون    
3-2-5) الگوریتم محاسبه ضرایب پرسپترون تک لایه برای کلاس‌بندی دو کلاسه    
3-2-6) مسائل مناسب برای یادگیری شبکه‌های عصبی    
3-2-7) کاربردهای شبکه عصبی    
3-3) نتیجه‎گیری    
فصل چهارم) بهبود سیستم‌های فتوولتائیک به کمک شبکه‎های عصبی و الگوریتم‎های هوشمند    
4-1) مقدمه    
4-2) بهبود عملکرد سیستم‌های فتوولتائیک به کمک شبکه‎های عصبی    
4-2-1) مدل مبتنی بر حساسیت شبکه‌های عصبی برای ارزیابی عملکرد واقعی سیستم‌های فتوولتائیک    
4-2-2) برآورد سیکل وظیفه مبتنی بر شبکه عصبی ردیابی حداکثر توان نقطه‌ای در سیستم‌های فتوولتائیک    
4-2-3) ارزیابی و ردیابی نقطه توان بیشینه برای ماژول‌های فتوولتائیک    
4-2-4) مقایسه عملکرد رگرسیون خطی چندگانه، جنگل تصادفی و شبکه عصبی در داده‌های فتوولتائیک و جوی    
4-2-5) ارزیابی عملکرد شبکه‌های عصبی مصنوعی ترکیب شده با رویکرد PERTURB & OBSERVE در بیشینه سازی توان سیستم فتوولتائیک    
4-2-6) رویکرد شبکه عصبی مصنوعی برای مدل سازی ماژول فتوولتائیک    
4-2-7) تخمین عملکرد سیستم تولید فتوولتائیک توزیع شده با شبکه‌های عصبی مصنوعی و شبکه‌های مش    
4-2-8) مدل سازی عملکرد تولید فتوولتائیك با استفاده از داده‌های سطح اینورتربا استفاده از شبکه‌های عصبی مصنوعی    
4-2-9) تحلیل حساسیت با شبکه‌های عصبی مصنوعی برای عملیات سیستم‌های فتوولتائیک    
4-2-10) تخمین عملکرد انرژی‎زایی برای یک ساختمان با سیستم فتوولتائیک با استفاده آر شبکه عصبی مصنوعی و مدل‌های بهینه‌سازی ازدحام ذرات    
4-2-11) مدل سازی شبکه عصبی مصنوعی و تحلیل سیستم‌های فتوولتائیک بر اساس مطالعات آزمایشگاهی    
4-2-12) تخمین نرخ عملکرد سیستم فتوولتائیک بر اساس خوشه بندی خاکستری و شبکه عصبی CURVELET    
4-3) نتیجه‌گیری    
فصل پنجم) نتیجه‎گیری و پیشنهاد کارآتی    
5-1) نتیجه‌گیری    
5-2) پیشنهاد کار آتی    
منابع و مراجع