مقایسه مدل های شبکه عصبی مصنوعی و رگرسیونی در تخمین وزن خشک و جذب فسفرگیاه ذرت

اسناد مشابه

• مقایسه مدل شبکه عصبی مصنوعی با مدل منطق فازی در ارزیابی خطر زمین‌لغزش(مطالعه موردی حوضه آبریز سیمره چنار)

  مقاله۲۰۱۸پژوهش های ژئومورفولوژی کمیصیاد اصغری سراسکانرود، ایمانعلی بلواسی

  زمین‌لغزش به عنوان یکی از مخاطرات طبیعی در مناطق کوهستانی هر ساله منجر به خسارات زیادی می‌شود. حوضه آبریز سیمره چنار، با داشتن ویژگی های کوهستانی و شرایط طبیعی مختلف دارای استعداد بالقوه زمین‌لغزش است. هدف از این پژوهش، مقایسه مدل شبکه عصبی مصنوعی با مدل منطق فازی، جهت ارزیابی خط

• مقایسه مدل شبکه عصبی مصنوعی و درخت تصمیم برای شناسایی و پیش بینی عوامل مرتبط با دیابت نوع2

  مقاله۲۰۱۸علوم پیراپزشکی و توانبخشیفرزاد میرزاخانی، آذر کاظمی، مرجان رسولیان کسرینه، سید یوسف جواد موسوی

  هدف: یکی از اهداف تحقیقات پزشکی تعیین عوامل مرتبط در پیش بینی بیماری می باشد. یکی از شایع ترین بیماری های متابولیک در ایران، دیابت میباشد. هدف از این مطالعه شناسایی عوامل موثر در پیش بینی دیابت با استفاده از مدل های شبکه عصبی مصنوعی و درخت تصمیم می باشد. روش بررسی: برای انجام مطا

• مقایسه مدل شبکه عصبی مصنوعی و رگرسیون کاکس در پیش بینی بقای بیماران مبتلا به سرطان پستان

  مقالهمجله دانشگاه علوم پزشکی ایلاممسعود صالحی، m salehi محمودرضا گوهری، mr gohari نسیم وهابی، n vahabi فرید زایری

  مقدمه: امروزه انواع سرطان یکی از مهم ترین عوامل مرگ و میر در دنیا و سرطان پستان از شایع ترین آن ها در زنان میان سال می باشد. میزان بقای پس از تشخیص و درمان در این بیماران یکی از شاخص های مهم در کنترل بیماری است. در این مطالعه دو مدل رگرسیون کاکس و شبکه عصبی مصنوعی در پیش بینی بقا

• پیش‏بینی رضامندی زناشویی برمبنای ویژگی‏های شخصیتی: مقایسه مدل شبکه عصبی مصنوعی و روش رگرسیون

  مقالهعلوم رفتاریروح ا... عباسی، abbasi r. department of psychology, faculty of human sciences, tarbiat modares university, tehran, iranگروه روان‏شناسی، دانشکده علوم انسانی، دانشگاه تربیت مدرس، تهران، ایران کاظم رسول زاده طباطبایی، rasoulzade tabatabaei k. department of psychology, faculty of human sciences, tarbiat modares university, tehran, iranگروه روان‏شناسی، دانشکده علوم انسانی، دانشگاه تربیت مدرس، تهران، ایران احسان ا... کبیر، kabir e. department of electronics, technical school, tarbiat modares university, tehran, iranگروه الکترونیک، دانشکده فنی، دانشگاه تربیت مدرس، تهران، ایران رضا ابراهیم پور

  مقدمه: ضرور ی است که با بررسی دقیق مدل‏ها‏ی پیش‏بینی‏‏کننده جدید و دارای قابلیت‏ها‏ی مضاعف، ضمن مقایسه با روش‏های‏ آماری‏ متداول و یافتن نقاط قوت و ضعف هر یک از آنها، بتوان در پژوهش‏ها‏ی آتی مدلی که محققان را به بهترین پیش‏بینی رهنمون ‏سازد، پیشنهاد نمود. هدف از پی­ریزی این پژوهش

• ارائه یک مدل شبکه عصبی مصنوعی برای تخمین نفوذ آب در خاک بر اساس پارامتر‌های مدل‌های‌SCS و کوستیاکوف

  مقاله۲۰۲۲مهندسی اکوسیستم بیابانعلیرضا مقدم نیا، علیرضا سپه وند، مهران لشنی زند، محمد رستمی خلج

  نفوذ آب به داخل خاک یکی از فرایند‌های است که امروزه بیشتر مد نظر محققان است و نقشی بسیار اساسی در چرخۀ آبی طبیعت ایفا می‌کند. به‌دلیل تغییرپذیری‌های زمانی و مکانی این ویژگی، اندازه‌گیری مستقیم آن نیاز به نمونه‌برداری‌های فراوان دارد. بنابراین، استفاده از روش غیرمستقیم به‌جای اندا

• مقایسه مدل شبکه عصبی مصنوعی (ANN) و SDSM در کوچک مقیاس سازی دما

  مقاله۲۰۱۷علوم و مهندسی آبیاریرامین فضل اولی، مجید شیدائیان، میرخالق ضیاءتبار احمدی

  در این پژوهش کوچک مقیاس سازی دما در دشت تجن واقع در استان مازندران انجام گرفت. نتایج مدل­های گردش عمومی جو با مدل اقلیمیHadCM3تحت سناریوی A2به دست آمد. از آنجایی که خروجی مدل­های گردش عمومی جو دارای وضوح مکانی پایینی است می­بایست در سطح منطقه یا حوزه کوچک مقیاس شوند که این کار به