نتایج جستجو برای: شبکه عصبی پرسپترون چندلایه
تعداد نتایج: 43300 فیلتر نتایج به سال:
بدون شک یکی از عوامل مؤثر بر وقوع و گسترش آتش سوزی در جنگل ها و مراتع، عوامل آب وهوایی می باشد. هدف از این تحقیق پیش بینی خطر آتش سوزی جنگل ها و مراتع شهرستان ایذه با استفاده از شبکه های عصبی مصنوعی و داده های آب وهوایی شهرستان ایذه به صورت ماهانه بود. شهرستان ایذه در شمال غربی استان خوزستان واقع شده و دارای آب وهوایی نسبتاً نیمه خشک است. داده های آتش سوزی شامل سطح سوخته شده و تعداد وقوع آتش سوز...
خشک کردن مواد غذایی به عنوان روشی جهت بهبود ماندگاری، ارائه شده است. به منظور پایش این فرایند از مدل های مختلف شبکه ی عصبی نظیر شبکه ی عصبی پرسپترون، تابع پایه ی شعاعی و مدل ترکیبی شبکه ی عصبی و روش شناسی سطح پاسخ به همراه توابع فعال سازی مختلف به عنوان یک ابزار پیش بینی کننده ی پارامترهای خشک کردن کدوی سبز استفاده گردید. پارامترهای زمان خشک کردن، دمای هوای خشک کردن و ضخامت نمونه به عنوان ورودی...
در این تحقیق، سایز و موقعیت نسبی ترک، با استفاده از فرکانس¬های طبیعی لوله¬ی محتوی مایع تحت فشار به کمک شبکه عصبی تشخیص داده می¬شود. شبکه¬ی عصبی به کار رفته از نوع پرسپترون چندلایه (mlp) می¬باشد. با مقایسه ی بین ورودی¬های مختلف، ورودی¬های مطلوب انتخاب شدند. سیال داخل لوله آب می¬باشد. لوله¬های مورد استفاده از دو جنس آلومینیوم و فولاد هستند. لوله در چهار وضعیت: خالی از سیال، حاوی سیال با فشار صفر،...
از اساسیترین موارد در مدیریت کمی منابع آب زیرزمینی تخمین سطح آب با استفاده از دادههای برداشت شده از شبکه چاههای مشاهدهای میباشد. هدف این تحقیق میانیابی سطح آبزیرزمینی با استفاده از الگوریتم ترکیبی زمین آمار و شبکههای عصبی مصنوعی میباشد و دشت شهرکرد به عنوان نمونه انتخاب شده است. بعد ازانتخاب دو ماه اسفند 1385 و شهریور 1388 به عنوان ماههای دارای به ترتیب حداکثر و حداقل سطح آب (طی دوره ...
به منظور مقایسه توانایی مدل های شبکه عصبی مصنوعی با رگرسیون لجستیک در پیش بینی حضور علف های هرز، آزمایشی در 33 مزرعه نخود دیم استان کردستان در سال زراعی 92-1391 انجام شد. برای این منظور، اطلاعات اقلیمی و خاکی به عنوان متغیرهای مستقل و حضور و عدم حضور علف های هرز غالب به عنوان متغیرهای وابسته در مدل های رگرسیون لجستیک و شبکه عصبی مصنوعی استفاده شدند. در این تحقیق از شبکه پرسپترون چندلایه با نه ن...
تا کنون برای پیش بینی بازده سهام و بازده شاخص از روش های متعددی استفاده شده است در این میان هوش مصنوعی و شبکه های عصبی مصنوعی یکی از روش های پیش بینی بازده شاخص بوده است. در حال حاضر به دنبال بررسی عملکرد شبکه عصبی شعاع پایه برای پیش بینی بازده شاخص هستیم. بدین منظور از شاخص بورس اوراق بهادار تهران استفاده شده است و عملکرد شبکه عصبی شعاع پایه و شبکه عصبی پرسپترون مقایسه شده اند. نوع آزمون عملکر...
در سالهای اخیر، شبکههای عصبی مصنوعی (Artificial Neural Networks - ANNs) بهعنوان جایگزین روشهای انطباق منحنیتیپ (Type curve matching techniques) برای تعیین متغیرهای آبخوان استفاده میشوند. در این پژوهش دو شبکه عصبی مصنوعی از نوع پرسپترون چندلایه (Multilayer Perceptron Network - MLPN) برای تعیین متغیرهای آبخوان محبوس نشتی (leaky confined aquifer) طراحی شده است. نشت آب به آبخوان یا از لایه ن...
مقدار دبی یا رواناب خروجی از یک حوضة آبخیز از اهمیت زیادی برخوردار است؛ زیرا کمبود آن ممکن است موجب خسارات مالی و مازاد آن به صورت سیلاب ممکن است موجب خسارات جانی و مالی شود. در این پژوهش با استفاده از شبکة عصبی مصنوعی پرسپترون چندلایه (mlp) و مدل فازی عصبی تطبیقی (anfis) و روش رگرسیون چندمتغیره، فرایند بارش- رواناب به صورت روزانه در حوضة آبخیز خرم آباد شبیه سازی شد. برای ورودی ها از ترکیب های ...
آزمایش پرسیومتری، یکی از مهم ترین آزمایشهای برجای مهندسی ژئوتکنیک است. این آزمایش قادر به تخمین بسیار مناسبی از پارامترهای تغییرشکلی خاک است. در این تحقیق از سه نوع شبکه عصبی مصنوعی (ann) به منظور پیش بینی و تفسیر آزمایش پرسیومتری استفاده شده است. در ابتدا از شبکه عصبی چند لایه پرسپترون ، یکی از پرکاربردترین شبکه های عصبی، استفاده شده است. در ادامه از شبکه نروفازی، ترکیبی از شبکه های عصبی- فازی...
هدف تحقیق حاضر شناسایی و ارزیابی الگویی برای پیشبینی موفقیت یا شکست طرحهای پیشنهادی سرمایهگذاری کشاورزی در مناطق روستایی است. متغیرهای پیشبینیکننده، عبارتاند از مؤلفههای محیط سرمایهگذاری و ویژگیهای پروژه. براساس نوشتارهای تخصصی در این زمینه، شبکه عصبی چندلایه پرسپترون با الگوریتم یادگیری پس انتشار خطا، تکنیک و الگوی نسبتاً مناسبی برای تبیین مسئله به شمار میآید. برای ارزیابی کارایی الگو...
نمودار تعداد نتایج جستجو در هر سال
با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید