در این مقاله، یک رویکرد جدید مدل­سازی برای مدل های 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. ...

در این مقاله ابتدا برخی از روش های پیش بینی نرخ نفوذ tbm مرور شده و سپس نرخ نفوذ با منظور کردن پارامترهای نوع سنگ، درصد کوارتز، مقاومت فشاری تک محوره، قطر دیسک، نیروی نفوذ هر دیسک و rqd با استفاده از شبکه عصبی پیش بینی شده است. با حذف rqd و درصد کوارتز از پارامترهای ورودی، حساسیت شبکه نسبت به حذف این پارامترها مورد بررسی قرار گرفته است. مقایسة نتایج شبکه عصبی با مدل تجربی گراهام، توانایی شبکه ع...

این پژوهش به پیش بینی فعالیت دارویی 38 مشتق آمینواسید به عنوان بازدارنده های هیستون دی استیلاز (hdac) جهت درمان سرطان و برخی از بیماری ها اختصاص دارد. آنزیم های hdac موجب تسریع روند حذف گروه های استیل از باقیمانده های لیزین از پروتیین های شامل هیستون (histone) می شوند. پس از محاسبه ی توصیف کننده های مولکولی مستقل، با استفاده از روش مرحله ای انتخاب متغیر و گزینش 4 توصیف کننده، جهت مدل سازی از رگ...

زمینه و هدف: شناسایی آبهای زیرزمینی آلوده به آرسنیک با استفاده از پارامترهای سطحی خاک و مدلسازی این رابطه در دو مدل شبکه عصبی مصنوعی و رگرسیون خطی چندگانه میتواند در مدیریت منابع آبی منطقه مفید باشد. مواد و روشها: در این مطالعه برآورد پتانسیل آلودگی آرسنیک آب های زیرزمینی سنندج با استفاده از مدل های رگرسیون خطی چندگانه و شبکه عصبی مصنوعی مورد آزمون قرار گرفت. در این راستا از بین چاه ها ی مجو...

در این مقاله به منظور کنترل زاویه فراز یک ماهواره‌بر انعطاف‌پذیر، روش کنترل  مدل پیش‌بین که مبتنی بر شبکه عصبی است، ارائه میَشود. بدین منظور ابتدا معادلات حرکت ماهوارهبر با در نظر گرفتن اثرات انعطاف‌پذیری در صفحه فراز بدست میآید. اثرات آیروالاستیسیته با اضافه کردن ترم های الاستیک سازه به معادلات حالت کنترل، در نظر گرفته میشود و مدلسازی سیستم ماهوارهبر تکمیل می گردد. برای سامانه کنترل ماهوارهبر ک...

امروزه روش های کمی، به یکی از مهم ترین ابزارهای پیش بینی برای اخذ تصمیمات و سرمایه گذاری های کلان در بازار ها تبدیل شده اند. دقت پیش بینی، یکی از مهم ترین فاکتورهای انتخاب روش پیش بینی است؛ شبکه های عصبی مصنوعی، برنامه های کامپیوتری منعطفی هستند که در سطح گسترده ای برای پیش بینی با درجه بالایی از دقت به کار برده می شوند. در این مقاله با استفاده از ترکیب منطق فازی و شبکه عصبی پس از انتشار مدلی ب...

برآورد رسوب یکی از ارکان مدیریت حوزه‌های آبخیز می‌باشد. به‌همین جهت تاکنون تلاش‌های زیادی برای طراحی مدل‌های پیش‌بینی کننده آن و از جمله مدل-های شبکه ‌عصبی مصنوعی و مدل‌های رگرسیونی اشاره کرد. حال آن‌‌ که مقایسه عملکرد آن‌ها کم‌تر مورد توجه قرار گرفته است. بر این اساس پژوهش حاضر با هدف مدل‌سازی تلفات خاک ناشی از هفده رگبار به‌وقوع پیوسته در پلات‌های مستقر در جنگل تخریب‌شده و نشده در سه تکرار) د...

خشکسالی یک رویداد طبیعی است که می تواند خسارات قابل توجهی را به زندگی بشر وارد سازد. پیش بینی خشکسالی نقش موثری را در مدیریت منابع آب ایفا می کند. در این تحقیق به منظور پیش بینی خشکسالی سه مدل ترکیبی از انواع شبکه های عصبی و تبدیل موجک ارائه شده است و سپس با استفاده از این مدل ها، شاخص بارش استاندارد (spi) برای 12 ماه آینده در ایستگاه سینوپتیک یزد پیش بینی گردیده است. شبکه های عصبی مصنوعی توانا...

پژوهش حاضر به مقایسه مدلهای شبکه عصبی و سری­زمانی در پیش­بینی قیمت شاخص سهام   می­پردازد. بدین جهت سه مدل از شبکه­های عصبی(پروسپترونی چند لایه ،پایه­ای شعاعی و رگرسیونی) و یک مدل از مدل­های سری­زمانی (باکس- جنکینز) مورد بررسی قرار گرفته‌اند. شاخص کل قیمت سهام بازار بورس تهران در بازه زمانی ابتدای فروردین 1384 تا انتهای اسفند 1388 به عنوان جامعه ­آماری انتخاب شده است. به منظور داشتن معیاری برای ...

موضوع شناخت و بررسی رفتار قیمت سهام، همواره یکی از موضوع های مهم و مورد توجه محافل علمی و سرمایه گذاری بوده است. اخیراً تعداد زیادی از پژوهشگران در پژوهش های خود بازار سهام را به عنوان یک سیستم پویای غیرخطی در نظر گرفته اند. در این پژوهش، تلاش شده است با استفاده از تبدیل موجک و شبکه عصبی مدلی ارایه شود که پیش بینی دقیق تر و با خطای کمتری از بازده شاخص بورس اوراق بهادار داشته باشد. در این مدل ترک...