نتایج جستجو برای: شبکه عصبی نوع gmdh

تعداد نتایج: 173807  

Journal: :Poultry science 2010
M Mottaghitalab A Faridi H Darmani-Kuhi J France H Ahmadi

Neural networks (NN) are a relatively new option to model growth in animal production systems. One self-organizing submodel of artificial NN is the group method of data handling (GMDH)-type NN. The use of such self-organizing networks has led to successful application of the GMDH algorithm over a broad range of areas in engineering, science, and economics. The present study aimed to apply the G...

Journal: :JCIT 2010
Chen Hong

Traffic flow forecasting, the core element of intelligent transportation system, plays an important role in traffic information services and traffic guidance. Since neural network prediction needs plenty of training samples, it cannot guarantee the real-timeness of traffic flow forecasting. In this paper, a GMDH network was constructed by self-organization, and the network was applied to traffi...

Journal: :Proceedings of the National Academy of Sciences of the United States of America 1990
C Gietl

The isolation and sequence of a cDNA clone encoding the complete glyoxysomal malate dehydrogenase [gMDH; (S)-malate:NAD+ oxidoreductase, EC 1.1.1.37] of watermelon cotyledons are presented. Partial cDNA clones were synthesized in a three part strategy, taking advantage of the polymerase chain reaction technology with oligonucleotides based on directly determined amino acid sequences. Subsequent...

Journal: :Proceedings of the National Academy of Sciences of the United States of America 1994
C Gietl K N Faber I J van der Klei M Veenhuis

We have studied the significance of the N-terminal presequence of watermelon (Citrullus vulgaris) glyoxysomal malate dehydrogenase [gMDH; (S)-malate:NAD+ oxidoreductase; EC 1.1.1.37] in microbody targeting. The yeast Hansenula polymorpha was used as heterologous host for the in vivo expression of various genetically altered watermelon MDH genes, whose protein products were localized by immunocy...

ژورنال: کنترل 2011

شبکه‌های عصبی فازی نوع-2 توانایی بالایی در شناسایی و کنترل سیستم‌های غیرخطی، سیستم‌های تغییرپذیر با زمان و نیز سیستم‌های دارای نامعینی دارند. در این مقاله روش طراحی کنترل‌کننده معکوس تطبیقی عصبی فازی نوع-2 جهت کنترل برخط سیستم‌های دینامیکی غیرخطی مورد بررسی قرار گرفته است. ابتدا ساختار کلاسی از شبکه‌های عصبی فازی نوع-2 بازه‌ای مدل T-S نمایش داده می‌شود. این شبکه هفت لایه دارد که عملیات فازی‌ساز...

ژورنال: :نشریه دانشکده فنی 2006
مهدی یاوری سعید مهدوری

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...

ژورنال: :جغرافیا و برنامه ریزی محیطی 0
عبداله سیف عباسعلی ولی محمدحسین رامشت محمدحسین رامشت عباسعلی ولی رضا قضاوی رضا قضاوی

یک سیستم رودخانه­ای یک سیستم بازاست که از درگیر شدن ارتباطات مختلف و پیچیده شکل می گیرد. خصوصیات ذاتی حوضه ها از یک سو و عوامل خارجی از سوی دیگر رفتارهای رودخانه را متاثر می سازد.وجود ارتباطات متقابل متعدد از جمله ارتباطات جریان ورسوب حمل شده وتاثیر عوامل ژئومورفولوژی حوضه و مدل سازی آن از اهمیت ویژه ای برخوردار است.در این مطالعه دونوع شبکه عصبی مصنوعی ژئومورفولوژیکی و غیر ژئومورفولوژیکی برای پ...

2002
Mark S. Voss Xin Feng

A new methodology for Emergent System Identification is proposed in this paper. The new method applies the self-organizing Group Method of Data Handling (GMDH) functional networks, Particle Swarm Optimization (PSO), and Genetic Programming (GP) that is effective in identifying complex dynamic systems. The focus of the paper will be on how Particle Swarm Optimization (PSO) is applied within Grou...

ژورنال: مهندسی منابع آب 2017

فرایند تبخیر- تعرق به عنوان یکی از مؤلفه‌های اصلی چرخه‌ی آب‌شناسی دارای اهمیت فراوانی در مدیریت و توسعه‌ی منابع آب، و نیز برنامه‌ریزی آبیاری می‌باشد. در تحقیق حاضر، به‌منظور براورد تبخیر-‌‌تعرق غرب و شمال غرب ایران، روش ترکیبی پنمن-مانتیث فائو-56 به‌عنوان مرجع در نظر گرفته‌شد، و دقـت چهار شبیه‌‌ مختلف داده مبنا شامل، شبکه‌ی ‌عصبی مصنوعی (ANN)، سامانه‌ی استنتاج تطبیقی فازی-عصبی (ANFIS) از دو نوع...

ژورنال: :مهندسی مالی و مدیریت اوراق بهادار 2012
رضا تهرانی سعید مرادپور

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...

نمودار تعداد نتایج جستجو در هر سال

با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید