نتایج جستجو برای: سیستم استنتاج فازی شبکه عصبی مصنوعی
تعداد نتایج: 119587 فیلتر نتایج به سال:
مدل سازی و پیش بینی سری های زمانی یک مسئله بسیار مهم در چند دهه اخیر بوده و کاربرد وسیعی در زمینه های مختلف علوم و مهندسی از جمله هیدرولوژی دارد. در این راستا تخمین پارامترهای مدل های مختلف سری های زمانی یکی از مراحل اساسی در مدل سازی سری های زمانی است. روش های ارائه شده در این زمینه از جمله روش گشتاورها، دارای روابطی پیچیده و تقریبی به خصوص در مدل های چندمتغیره زمانی و مکانی می باشندکه مستلزم ...
چکیده هدف از این پژوهش، بررسی تاثیر پارامتر های زمان، نوع عصاره، غلظت عصاره و دمای محیط بر دینامیک جمعیت باکتری اشرشیا کلی در یک سیستم کمپکلس غذایی (سوسیس فرانکفورتر) و مدل سازی آن به وسیله ژنتیک الگوریتم- شبکه عصبی مصنوعی و سیستم های نورو فازی ((canfis می باشد. در این پژوهش، از روش رقت سازی در چاهک برای تعیین حداقل غلظت مهار کنندگی (mic) و حداقل غلظت کشندگی (mbc) عصاره های آبی و اتانولی قره قا...
پیش بینی جریان روزانه رودخانه با استفاده از سیستم استنتاج فازی (مطالعه موردی: حوضه آبریز لیقوان چای)
رودخانه ها، بخش عمده و قابل توجهی از منابع آب کشورمان را تشکیل می دهند. رشد میزان مصرف آب از یک سو و محدودیت این منابع حیاتی از سویی دیگر، نیاز به مدیریت بهره برداری از این منابع را بیش از پیش، آشکار می سازد. در سال های اخیر استفاده از تئوری مجموعه های فازی جهت مدل سازی پدیده های هیدرولوژیکی که دارای پیچیدگی و عدم قطعیت بالایی هستند، مورد توجه محققین قرار گرفته است. به همین دلیل، در این پژوهش ا...
ارزیابی ظرفیت نوآوری شرکتهای دانش بنیان و پیشبینی میزان ظرفیت نوآوری آنها برای این شرکتها بسیار حائز اهمیت است و تصمیم در خصوص انتقال یا بسط فناوری شرکت تابع میزان ظرفیت نوآوری است. هدف اصلی این تحقیق، طراحی مدل ارزیابی ظرفیت نوآوری شرکتهای دانش بنیان با رویکرد استنتاج فازی عصبی- تطبیقی است. سیستم استنتاج فازی عصبی - تطبیقی ([1]ANFIS) روش مناسبی برای حل مسائل غیرخطی است. ANFIS ترکیبی...
پیش بینی زبری سطح یک پیش نیاز اساسی برای ایجاد یک مرکز ماشین کاری خودکار می باشد. بهینه سازی فرآیند ماشین کاری در این راستا از اهمیت خاصی برخوردار است. در این مقاله از رهیافت ترکیبی فازی- عصبی (سیستم استنتاج فازی- عصبی تطبیقی ANFIS) به منظور پیش بینی زبری سطح در تراش کاری خشک استفاده شده است. به طوری که داده های حاصل از آزمایش ها به منظور ایجاد قواعد فازی و ویرایش این قواعد به کمک شبکه های عصبی...
پیش بینی صحیح و مناسب فرآیندهای هیدرولوژیکی می تواند کمک شایانی در زمینه طراحی بهینه پروژه های آبی و مهندسی و نیز جلوگیری از خطرات ناشی از آنها داشته باشد. در این راستا مدلسازی منطقی و مناسب فرآیند بارش-رواناب به عنوان اولین و مهمترین گام در راستای مبارزه و مقابله با سیلاب به عنوان یک بلای طبیعی می باشد. لیکن این فرآیند استوکاستیک به عوامل و پارامترهای مختلفی از جمله شرایط آب و هوا، رطوبت، نفوذ...
یکی از مشکلات مهم در پیش بینی با شبکه های عصبی مصنوعی، فراهم کردن داده های لازم برای پیش بینی است؛ چرا که شبکه های عصبی برای حصول نتایج دقیق نیاز به داده های زیادی دارند. اما باید توجه داشت که جمع آوری داده های مورد نیاز شبکه، نخست، بسیار هزینه بر است و دوم، مدت زمان طولانی را طلب می کند. بنابراین با توجه به تغییرات سریع در محیط های واقعی و به ویژه سیستم های اقتصادی و مالی، پیش بینی در این گونه...
روش های هوش محاسباتی، فرآیند تعیین یک مدل مناسب برای سیستم بر اساس داده ها و پارامترهای اندازه گیری شده می باشد. این روش ها از قابلیت انعطاف در تعریف و ارزیابی مدل نسبت به روش های معمول (مدل های تحلیلی) برخوردار است. انعطاف پذیری در فرآیندهای پیچیده بدلیل مشخص نبودن رفتار سیستم بطور دقیق، بسیار مهم می باشد. لذا بهره گیری از این روش ها در شناخت رفتار منسوج از طریق مطالعات مهندسی و با استفاده از ...
امروزه خشکسالی یک معضل جدّی و گریبانگیر دربسیاری از کشورهای جهان است؛بنابراین پیشبینیِ آن از اهمیت بهسزایی برخوردار میباشد. در این تحقیق، کارایی شبکة عصبی مصنوعی و سیستم استنتاج عصبی- فازیتطبیقی به عنوان روشهایی مؤثر برای پیشبینی شدت خشکسالی حوزة "مُند" استان فارس مورد بررسی قرار گرفت. برای این منظور از دادههای بارندگی ماهانة ایستگاه بارانسنجی تنگاب استان فارس با دورة آماری 32 ساله اس...
نمودار تعداد نتایج جستجو در هر سال
با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید