نتایج جستجو برای: مدل mlp
تعداد نتایج: 124664 فیلتر نتایج به سال:
In this paper, a channel estimator based on an adaptive neuro fuzzy inference system (ANFIS) is proposed for the purpose of estimating channel frequency responses in orthogonal frequency division multiplexing-interleave division multiple access (OFDM-IDMA) systems. To see the performance of our proposed channel estimation method, five different techniques including well-known pilot-based estima...
In this paper, it is shown that Multilayer perceptron Neural Network can elegantly perform nonlinear regression of transfer characteristic of electronic devices. After rigorous computer simulations authors develop the optimal MLP NN models, which elegantly perform such a nonlinear regression. Results show that the proposed optimal MLP NN models have optimal values of MSE (mean square error), r ...
هدف از این تحقیق بررسی توانایی سناریوهای مختلف شبکه های عصبی شامل شبکه های عصبی پرسپترون چند لایه(mlp) وشبکه های عصبی با پایه شعاعی(rbf) در مدل سازی فرآیند بارش- رواناب در مقیاس روزانه، که بطور عمده برای درک کنترل و مدیریت منابع آب مورد نیاز هستند، می باشد. تبدیل بارش- رواناب به علت تغییرات شدید زمانی و مکانی آن،یکی از پیچیده ترین مسائل در طبیعت می باشند، و وجود روابط قوی و غیرخطی میان متغیرها ...
در سال های اخیر استفاده از روش های غیرمستقیم برای برآورد خصوصیات خاک مورد توجه قرار گرفته است. در روش های معمول، اندازه گیری نفوذپذیری نیاز به وقت و هزینه زیادی دارد از طرفی وجود عبارات غیرخطی در روابط نفوذپذیری، مدل سازی آنها را با مشکل همراه کرده است. امروزه روش شبکه عصبی مصنوعی با کارایی بالا در مدل سازی مسایل غیرخطی کاربرد روزافزون آن را سبب شده است. در این پژوهش 200 نمونه خاک جمع آوری شده ...
BACKGROUND Emergency department (ED) visits in the US have risen dramatically over the past 2 decades. In order to meet the growing demand, mid-level providers (MLPs) - both physician assistants (PAs) and nurse practitioners (NPs) - were introduced into emergency care. Our objective was to test the hypothesis that MLP usage in US EDs continues to rise. FINDINGS We analyzed ED data from the Na...
Threads experiencing long-latency loads on a simultaneous multithreading (SMT) processor may clog shared processor resources without making forward progress, thereby starving other threads and reducing overall system throughput. An elegant solution to the long-latency load problem in SMT processors is to employ runahead execution. Runahead threads do not block commit on a longlatency load but i...
The prediction and estimation of suspended sediment concentration are investigated by using multi-layer perceptrons (MLP). The fastest MLP training algorithm, that is the Levenberg-Marquardt algorithm, is used for optimization of the network weights for data from two stations on the Tongue River in Montana, USA. The first part of the study deals with prediction and estimation of upstream and do...
Network in network (NiN) is an effective instance and an important extension of deep convolutional neural network consisting of alternating convolutional layers and pooling layers. Instead of using a linear filter for convolution, NiN utilizes shallow multilayer perceptron (MLP), a nonlinear function, to replace the linear filter. Because of the powerfulness of MLP and 1 x 1 convolutions in spa...
در سال های اخیر، سطح ایستابی آبخوان کاشان به دلیل خشکسالی های اخیر و برداشت بیش از حد مجاز آب زیرزمینی، در حال کاهش است. مجاورت آبخوان با جبهه ی آب شور دریاچه ی نمک نیز، باعث ایجاد شیب هیدرولیکی و در نتیجه پیشروی آب شور به داخل آبخوان شده است. در این پژوهش با توجه به وضعیت موجود، شبیه سازی کمی و کیفی آب زیرزمینی دشت کاشان با استفاده از شبکه ی عصبی مصنوعی انجام شد. به منظور شبیه سازی کمی آبخوان،...
پیشبینی در هیدرولوژی به معنی تخمین شرایط هیدرولوژیکی و هواشناسی در یک بازه زمانی خاص میباشد. در همین راستا، فهم رابطه بین بارش و رواناب یکی از ضروریترین مسائل برای مدیریت منابع آب میباشد. پژوهش حاضر با هدف مقایسه بین مدلهای مختلف شبکه عصبی مصنوعی (MLP وRBF) و سریهای زمانی آرما (ARMA) در برآورد دبی ماهانه در حوزه آبخیز طالقان برای یک دوره 30ساله بین سالهای 1356 تا 1386 پیریزی شد. در روش ...
نمودار تعداد نتایج جستجو در هر سال
با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید