مدل طراحی بهینه معماری برای شبکه های عصبی مصنوعی و به کارگیری آن در پیش بینی مصرف ماهانه نفت گاز کل کشور

Similar items

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

  Articleفصلنامه 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

• آزمون مدل های لاجیت و شبکه عصبی مصنوعی جهت پیش بینی دستکاری قیمت در بورس اوراق بهادار تهران

  Article2011مهندسی مالی و مدیریت اوراق بهادارمیرفیض فلاح شمس، حمیدرضا کردلوئی

  هدف این مقاله بسط و توسعه روش هایی مبتنی بر ساختار های شبکه ای و اقتصاد سنجی است که توانایی تشخیص قیمت های دستکاری شده در بورس اوراق بهادار تهران را داشته باشد. در این مطالعه هدف ارائه مدلی برای تخمین دستکاری قیمت در بورس اوراق بهادار تهران است. به همین منظور به روش غربالگری نمون

• مقایسه مدل های لاجیت و شبکه عصبی مصنوعی در پیش بینی میزان مراجعه کنندگان بیماری آسم در ارتباط با پارامترهای اقلیمی شهر سنندج

  Article2020جغرافیا و برنامه ریزیعلی محمد خورشیددوست، کاوه محمدپور، سید اسعد حسینی

  یشبینی تعداد افراد مراجعهکننده به بیمارستانها در ارتباط با پارامترهای اقلیمی از موضوعات قابل بحت و تأمل است که با تغییرات اقلیمی و گسترش شهرنشینی و آلودگی هوا در دهههای اخیر دامنگیر بسیاری از جوامع بشری شده است. استفاده از مدلهای پیشبینی میتواند بعنوان ابزاری کارآمد در مدیریت و ک

• کاربرد مدل شبکه عصبی مصنوعی در پیش بینی پاسخ های آمیخته بیماری قلبی

  Articleمجله علوم پزشکی رازیمهین عادلی، mahin adeli university of social welfare and rehabilitation sciencesدانشگاه علوم بهزیستی و توان بخشی تهران اکبر بیگلریان، akbar biglarian university of social welfare and rehabilitation sciencesدانشگاه علوم بهزیستی و توان بخشی تهران عنایت اله بخشی، enayatollah bakhshi university of social welfare and rehabilitation sciencesدانشگاه علوم بهزیستی و توان بخشی تهران امیدعلی عادلی

  زمینه و هدف: در مطالعات اپیدمیولوژی و پزشکی، گاهی پژوهشگر با مواردی مواجه می­شود که لازم است دو متغیر پاسخ را به صورت توام (همزمان) از روی تعدادی متغیر کمکی پیش­بینی نماید. زمانی که متغیر پاسخ آمیخته باشد، با توجه به محدودیت­ها و برقرار نبودن برخی پیش فرض­ها، روش­های کلاسیک آماری

• شبیه سازی یک مدل ترکیبی به کمک الگوریتم ژنتیک و شبکه عصبی مصنوعی برای پیش بینی التهاب ریه در رادیوتراپی پستان

  Articleمجله دانشگاه علوم پزشکی بابلعلی اسماعیلی دافچاهی m‏sc، a esmaeeli آدرس: بابل، دانشگاه علوم پزشکی، گروه بیوشیمی و بیوفیزیک، تلفن: 2190593-0111 e-mail:monfared_ali@yahoo.com مجید پولادیانphd ،، m pouladian علی شبستانی منفردphd، a monfared سیدربیع مهدوی p‏hd

  سابقه و هدف: سمیت ریه مرتبط با رادیوتراپی قفسه سینه، تقریبا در 15-5% بیمارانی که رادیوتراپی قفسه سینه انجام می دهند اتفاق می افتد، برای حداقل رساندن آن لازم است تا ارتباط بین خطر التهاب ریه القا تابشی و پارامتر های درمان همانند فاکتور دزیمتری، فاکتورهای بیولوژیکی، و آزمایشهای عمل

• کاربرد و مقایسه مدل سری زمانی تجمعی و مدل شبکه عصبی مصنوعی در پیش بینی تغییرات سطح آب زیرزمینی (مطالعه موردی: دشت مروست)

  Article2013علوم و مهندسی آبیاریحسین ملکی نژاد، ربابه پورشرعیانی

  پیش­بینی نوسانات سطح آب زیرزمینی، برای برنامه­ریزی مناسب­تر به­ویژه در مناطق خشک و نیمه خشک امری ضروری است. در این تحقیق برای پیش­بینی نوسانات سطح آب زیرزمینی در دشت مروست از مدل­های سری زمانی و شبکه عصبی استفاده شد. برای مدل­سازی، اطلاعات سطح آب زیرزمینی در طی سال­های 88-1366 اس