ارائه یک شبکـه عصبی mlp به منظور پیش بینی یخبندان در استـان کرمانشـاه

اسناد مشابه

• کاربرد شبکة عصبی مصنوعی در پیش بینی و شبیه سازی شاخص اقلیمی خشک سالی هواشناسی دهک بارش (مطالعة موردی: استان سیستان و بلوچستان)

  مقاله۲۰۱۴مرتع و آبخیزداریآرش ملکیان، مه رو ده بزرگی، امیر هوشنگ احسانی، امیر رضا کشتکار

  محدودیت منابع آب ناشی از خشک سالی های متوالی، از مهم ترین معضلات استان سیستان و بلوچستان است.در این پژوهش برای پیش بینی سیکل خشک سالی در 9 ایستگاه هواشناسی استان سیستان و بلوچستان از شبکة عصبی مصنوعی استفاده شد. داده های مورد استفادة ورودی شبکه شامل بارش سالانه و شاخص دهک بارش (d

• مدلسازی با استفاده از شبکه عصبی مصنوعی جهت پیش بینی هدایت حرارتی نانوسیال نانولوله کربنی چند جداره عامل دار – آب و ارائه رابطه تجربی جدید

  مقاله۲۰۱۸مدلسازی در مهندسیمحمد همت اسفه، مسعود افرند

  در این مقاله ، بر اساس نتایج آزمایشگاهی، و با استفاده از روش برازش منحنی و شبکه عصبی مصنوعی اثر دما و کسر حجمی نانولوله‌ها بر ضریب هدایت حرارتی نانوسیال نانولوله کربنی چند جداره عامل دار-آب بررسی شد. یک رابطه دقیق به صورت تابعی از کسر حجمی و دما برای پیش بینی ضریب هدایت حرارتی نا

• ارائه یک مدل شبکه عصبی مصنوعی در پیش­بینی کیفیت خدمات کتابخانه­های دانشگاهی

  مقالهمدیریت سلامتزینب محبی، z mohebbi تهران، خیابان ولی عصر (عج)، بالاتر از ونک، خیابان شهید یاسمی، روبروی بیمارستان خاتم النبیاء، پلاک 6، دانشکده مدیریت و اطلاع رسانی پزشکی- گروه کتابداری و اطلاع رسانی شهرام صدقی، sh sedghi تهران، خیابان ولی عصر (عج)، بالاتر از ونک، خیابان شهید یاسمی، روبروی بیمارستان خاتم النبیاء، پلاک 6، دانشکده مدیریت و اطلاع رسانی پزشکی- گروه کتابداری و اطلاع رسانی مسعود رودباری، m roudbari یزد، دانشگاه یزد، دانشکده فنی مهندسی، گروه استخراج معدن جواد غلام نژاد

  مقدمه : کتابخانه­ها و مراکز اطلاع­رسانی معمولاً با استفاده از ابزار لیب­کوآل به بررسی کیفیت خدمات می‏پردازند. در تجزیه و تحلیل لیب­کوآل می­توان از شبکه عصبی مصنوعی استفاده نمودکه با درجه خطای پایین به بررسی سطح خدمات می­پردازد. پژوهش حاضر در پی آن است که به معرفی شبکه عصبی مصنوعی

• ارائه روشی مبتنی بر یک الگوریتم تکاملی برای دستیابی به مدلی کارآمد از شبکه عصبی مصنوعی جهت پیش بینی وضعیت تومورهای پستان

  مقالهمجله دانشگاه علوم پزشکی مازندرانمهیار دارائی، mahyaar daaraaee msc in computer engineering, department of computer engineering, ayatollah amoli branch, islamic azad university, amol, iranآمل: کیلومتر 5 جاده قدیم آمل به بابل، فرعی دانشگاه، دانشگاه آزاد اسلامی واحد آیت الله آملی جواد وحیدی، javad vahidi assistant professor, department of applied mathematics, faculty of mathematics, iran university of science and technology, nour, iran. استادیار، گروه ریاضی کاربردی، دانشکده ریاضی، دانشگاه علم و صنعت ایران، نور، ایران عباس علی پور، abbas alipour assistant professor, department of community medicine, faculty of medicine, mazandaran university of medical sciences, sari, iranاستادیار، گروه پزشکی اجتماعی، دانشکده پزشکی، دانشگاه علوم پزشکی مازندران، ساری، ایران

  سابقه و هدف: اخیراً روش های هوشمند نظیر شبکه های عصبی مصنوعی به عنوان یک مدل کارآمد جهت پیش بینی و طبقه بندی تومورها مورد استفاده قرار گرفته اند. تشخیص خوش خیمی و یا بدخیمی توده های پستانی بر اساس خصوصیات مورفولوژیک، بالینی و دموگرافیک و بدون استفاده از روش های تهاجمی پاراکلینیکی

• مقایسه مدل رگرسیون کاکس و شبکه عصبی مصنوعی در پیش بینی بقای بیماران لوسمی حاد

  مقالهفصلنامه پژوهشی خونسعید حسینی تشنیزی، s. hosseini teshnizi دانشگاه علوم پزشکی هرمزگان مهدی تذهیبی، m. tazhibi دانشگاه علوم پزشکی اصفهانسازمان اصلی تایید شده: دانشگاه علوم پزشکی هرمزگان (hormozgan university of medical sciences) مینا توسلی فرحی، m. tavasoli farahi دانشگاه علوم پزشکی هرمزگانسازمان اصلی تایید شده: دانشگاه علوم پزشکی اصفهان (isfahan university of medical sciences)

  چکید ه سابقه و هدف مدل رگرسیون کاکس، یکی از روش‏های رایج تحلیل داده‏های بقا می‏باشد که قبل از به ‏کارگیری آن لازم است فرض متناسب بودن خطرات برقرار باشد. اخیراً مدل‏های شبکه عصبی بدون نیاز به فرض خاص، جایگزینی مناسب در پیش‏بینی بقا می‏باشند. هدف از این مطالعه، مقایسه‏ توانایی مدل

• مقایسه قدرت مدل های شبکه عصبی مصنوعی و شبکه عصبی پویا در پیش بینی نرخ ارز: کاربردی از تبدیل موجک

  مقاله۲۰۱۵آینده پژوهی مدیریترکسانا خشوعی، محمدعلی خطیب سمنانی، منیژه هادی نژاد

  این مطالعه تلاشی است در جهت به­کارگیری ترکیب مدل شبکه­ی عصبی پویا و تجزیه­ی موجک جهت میسر نمودن امکان انتخاب یک الگوی بهینه جهت پیش­بینی متغیر مذکور می­باشد. جهت تحقق این مهم، از داده­های سری­زمانی ماهانه­ی نرخ ارز طی بازه­ی زمانی فروردین 1377 الی آذر 1391، که مشتمل بر 177 مشاهده