جهت ارزیابی عملکرد پاشش یک سمپاش زراعی نرخ متغیر، از روش شبکه عصبی مصنوعی استفاده شد. داده های لازم برای مدل سازی، از آزمون های مزرعه ای به دست آمد. برای مدل سازی بده خروجی افشانک ها،727 شبکه با چهار نوع مدل عصبی مصنوعی خطی، پرسپترون چندلایه، تابع پایه شعاعی و رگرسیون تعمیم یافته آزمون شدند. برای هر افشانک 45، 22 و 23 داده به ترتیب برای آموزش، اعتبارسنجی و آزمایش استفاده شد. مدل تابع پایه شعاعی...

در این مقاله از مدل فازی عصبی برای برآورد خواص مخزن با استفاده از نشانگرهای لرزه ای استفاده شده است. الگوریتم "درخت مدل خطی‌محلی(LOLIMOT)" برای آموزش مدل به‌کار رفته است. این مدل از نگارهای چاه و نشانگرهای لرزه ای در محل چاه در مرحله آموزش استفاده می‌کند. شبکه فازی عصبی آموزش‌‌دیده برای برآورد خصوصیات مخزن با استفاده از نشانگرهای لرزه‌ای مورد استفاده قرار می‌گیرد. این روش در یک تاقدیس هیدروکربن...

در این مقاله، یک رویکرد جدید مدل­سازی برای مدل‌های شبکه عصبی مصنوعی بر مبنای مفاهیم شبکه­های عصبی و رگرسیون فازی ارائه شده است. به این منظور، مدل شبکه عصبی مصنوعی در قالب یک مدل رگرسیون غیرخطی فازی فرموله شده است، به نحوی که این مدل، مزایای هر دو مدل رگرسیون فازی و شبکه عصبی مصنوعی را دارد. بنابراین، این مدل به دلیل انعطاف­پذیری بالا، قابلیت استفاده در شرایط نبود قطعیت، مبهم یا پیجیده را دارد. ...

هدف اصلی این تحقیق دستیابی به یک سبد سرمایه مناسب تر برای سرمایه گذاران ریسک پذیر است. در این تحقیق مدل مارکوتیز در تئوری سبد سرمایه به عنوان مدل مقایسه ای استفاده شده است و مدل شبکه عصبی با آن مقایسه شده است. الگوی یادگیری شبکه عصبی، الگوی «پس انتشار خطا» می باشد. سبد انتخابی شامل بیست سهم از بازار بورس اوراق بهادار تهران است که برای یک دوره سیزده ماهه مورد مطالعه قرار گرفته است. در هر دو مدل ...

افزایش جمعیت و محدودیت اراضی قابلکشت در دهههای اخیر، موجب توجه زیاد به افزایش تولید در واحد سطح وارزیابی تناسب اراضی شده است. چندین روش از جمله روشهای محدودیت (بیشینه، تعداد و شدت)، پارامتریک (استوری وریشهدوم) و روش مبتنی بر منطق فازی برای ارزیابی تناسب اراضی ارائهشده است که این روشهای کلاسیک ارزیابیتناسب اراضی، برخلاف روش فازی، قادر به بیان ماهیت پیوسته ویژگیهای خاک نبوده و کلاسهای تناسب اراضی...

توانایی کم­نظیر شبکه­های عصبی مصنوعی به عنوان ابزاری قدرتمند برای تحلیل و برآورد در حوزه علوم تجربی و مهندسی موجب شد تا مورد توجه اقتصاددانان قرار گیرد. در این پژوهش، پس از مرور پژوهش­های انجام­شده در مورد توانایی پیش­بینی مدل­های خود توضیح جمعی میانگین متحرک (arima)[1]و شبکه­های عصبی مصنوعی(ann)[2] به مقایسه این دو روش برای پیش­بینی قیمت روزانه نفت در دوره آوریل 1983 تا ژوئن 2005 پرداخته­ایم. ...

تأثیر موقعیت مکانی نیروگاهها بر میزان و هزینه تولید و انتقال انرژی، محیط زیست و.... انتخاب مکان مناسب برای این تأسیسات را ضروری می‌سازد. استفاده از GIS امکان تلفیق اطلاعات مورد نیاز در مکان‌یابی را به گونه ای مؤثر فراهم می آورد. در این مقاله، ضمن شناسایی عوامل مهم در تعیین مکان مناسب برای احداث نیروگاههای گازی، نقش و میزان تأثیرگذاری هر یک از عوامل فوق در مکان‌یابی مشخص گردید. سپس با استفاده از...

درا?نپا?اننامهبهمعرف?سهمدلشبکهعصب?برایحلمسائلبرنامهر?زیغ?رخط?محدب می پرداز?م. ا?ده اصل? در مدل اول [1] و دوم [2] بر مبنای شرا?ط به?نگ? کاروش کان تاکر و مدل سوم[3] تبد?ل کردن مسأله،به ?ک مسأله م?ن?مم سازی نامق?د، به کمک تابع شا?ستگ?(fb)، است. پا?داری وهمگرا?? در انتهای هر مدل، به طور مفصل بررس? شده است. در فصل پنجم ن?ز، با ارائه چند مثال، سرعت و دقت همگرا?? شبکههای عصب? پا?ش شده است.

خشک سالی پدیده ای است که برای پیش بینی آن نمی توان از مدل مشخصی استفاده کرد. بر این اساس، محققان تلاش می کنند با استفاده از مدل های پیشرفته دقت پیش بینی ها را افزایش دهند. در این زمینه، مدل های استوکاستیک خطی، شبکة عصبی مصنوعی، و مدل های هیبرید می توانند در دقت پیش بینی مفید باشند. تحقیق حاضر به بررسی کارایی مدل های اتورگرسیو میانگین متحرک تجمعی (arima)، شبکة عصبی مصنوعی مستقیم (dmsnn)، شبکة عص...

خشک‌سالی پدیده‌ای است که برای پیش‌بینی آن نمی‌توان از مدل مشخصی استفاده کرد. بر این اساس، محققان تلاش می‌کنند با استفاده از مدل‌های پیشرفته دقت پیش‌بینی‌ها را افزایش دهند. در این زمینه، مدل‌های استوکاستیک خطی، شبکة عصبی مصنوعی، و مدل‌های هیبرید می‌توانند در دقت پیش‌بینی مفید باشند. تحقیق حاضر به بررسی کارایی مدل‌های اتورگرسیو میانگین متحرک تجمعی (ARIMA)، شبکة عصبی مصنوعی مستقیم (DMSNN)، شبکة عص...