نتایج جستجو برای: شبکة عصبی مصنوعی
تعداد نتایج: 22264 فیلتر نتایج به سال:
استان مازندران به دلیل واقع شدن در خط ساحلی دریای خزر و دارا بودن شرایط منحصر به فرد همواره در معرض توسعه و تغییرات بوده است. با استفاده از سامانة اطلاعات جغرافیایی و سنجش از دور میتوان پایش و مدلسازی تغییرات کاربری اراضی را بهمنظور مدیریت این استان حساس انجام داد. بنابراین این مطالعه با هدف مدلسازی تغییرات کاربری اراضی مناطق ساحلی استان مازندران با استفاده از LCM انجام شد. آشکارسازی تغییرا...
سابقه و هدف: یکی از روشهای آماری تحلیل دادههای بقا، مدل رگرسیونی کاکس است که نیازمند پذیرههایی مانند متناسب بودن مخاطرات است. در چند دهه اخیر بهکارگیری مدل شبکه عصبی مصنوعی برای پیشبینی دادههای بقا، افزایش یافته است. این مطالعه به منظور پیشبینی بقای بیماران مبتلا به سرطان معده به کمک دو مدل رگرسیونی کاکس و شبکه عصبی مصنوعی انجام شده است. مواد و روشها: طی سالهای 1381 لغایت 1385، تعداد ...
زمینه و هدف: پیش بینی اختلالات تکاملی بعدی در هنگام تولد بسیار با اهمیت است. این مطالعه با هدف پیشبینی اختلالات حرکتی کودکان با استفاده از شبکه عصبی مصنوعی artificial neuronal network -ann)) در دوره نوزادی طرحریزی شده است. روش کار: در این مطالعهی گذشتهنگر، 600 شیرخوار با معاینه عصبی طبیعی و 120 شیرخوار با معاینه عصبی غیر طبیعی بررسی شدند. برای انجام تحلیل، دادهها به صورت تصادفی به دو قسمت ...
در سال های اخیر آلودگی هوا به عنوان یکی از بزرگ ترین مشکلات زیست محیطی در سطح جهانی مطرح شده است. ازن تروپوسفری یک آلاینده ثانویه است و سبب بروز مشکلات تنفسی و تاثیر حاد بر گیاهان می شود. در این مطالعه به دلیل غیر خطی بودن و پیچیدگی این پدیده هابه مقایسه برآورد غلظت آلاینده ازن با استفاده از شبکه عصبی مصنوعی و شبکه عصبی فازی-تطبیقی پرداخته شد. در پژوهش حاضر از متغیرهای هواشناسی در ایستگاه های پ...
توانایی کمنظیر شبکههای عصبی مصنوعی به عنوان ابزاری قدرتمند برای تحلیل و برآورد در حوزه علوم تجربی و مهندسی موجب شد تا مورد توجه اقتصاددانان قرار گیرد. در این پژوهش، پس از مرور پژوهشهای انجامشده در مورد توانایی پیشبینی مدلهای خود توضیح جمعی میانگین متحرک (ARIMA)[1]و شبکههای عصبی مصنوعی(ANN)[2] به مقایسه این دو روش برای پیشبینی قیمت روزانه نفت در دوره آوریل 1983 تا ژوئن 2005 پرداختهایم. ...
هدف پژوهش حاضر مدلسازی خطر زمینلغزش با استفاده از شبکههای عصبی مصنوعی در بخشی از حوضۀ آبخیز کجور و سپس طراحی جادۀ جنگلی براساس پهنهبندی طبقات این خطر بود. در این تحقیق، پس از پیمایش میدانی و برداشت 95 نقطة لغزشی، شش عامل شیب، جهت، شکل دامنه، فاصله از رودخانه، فاصله از گسل و سازندهای زمینشناسی بهعنوان عوامل مؤثر بر زمینلغزش در نظر گرفته شدند. لایههای رقومی هر یک از عوامل در محیط سامانة اط...
مقایسه روشهای مختلف طبقهبندی کاربری اراضی با رویکرد بهرهگیری از باند حرارتی در استان خراسان جنوبی
در پژوهش حاضر چهار خوارزمیک (الگوریتم) طبقهبندی نظارتشده حداکثر احتمال، فاصلة ماهالانویس، حداقل فاصله و شبکة عصبی مصنوعی با و بدون بهرهگیری از باند مادون قرمز حرارتی TIR1<span style="font-family: 'B Nazanin'; font-size: 11pt; mso-ansi-font-size: 9.0pt;" lang="AR-SA"...
یکی از روشهای پیشبینی سیل در رودخانهها به منظور مدیریت و کنترل سیل در آن، روندیابی سیل میباشد. امروزه تکنیک جدید استفاده از مدل شبکههای عصبی مصنوعی تکاملی(EANN) که مبتنی بر هوش مصنوعی میباشد، کاربرد گستردهای در زمینههای مختلف علمی بهویژه مهندسی آب پیدا کرده است. در این تحقیق به روندیابی سیل در رودخانه کارون، بازه اهواز- فارسیات، با استفاده از مدلهای شبکه عصبی مصنوعی تکاملی پیش رونده (...
چکیده بیشک اولین قدم برای مدیریت منابع آب پیشبینی و برآورد جریان رودخانهها است. در این مطالعه به منظور پیشبینی سری زمانی جریان روزانه و ماهانه ایستگاههای کاکارضا و سراب صیدعلی، مدلهای شبکه عصبی مصنوعی و سیستم استتتاج فازی عصبی تطبیقی استفاده شده است. به منظور بهبود نتایج شبیهسازی از آنالیز موجک به عنوان مدل ترکیبی استفاده شد. برای این هدف، سری زمانی جریان و بارش به...
مدلسازی و پیشبینی سطح ایستابی چاهها یکی از کارهای اساسی برایرسیدن به مدیریت بهینه منابع آب میباشد. یکی از راههای پیشبینی سطح آب زیرزمینی استفاده از تکنیکهای هوش مصنوعی نظیر شبکه عصبی مصنوعی و برنامهریزی بیان ژن میباشد. هدف از این پژوهش بررسی کارایی روش شبکه عصبی مصنوعی و برنامهریزی بیان ژن در پیشبینی سطح ایستابی آب زیرزمینی آبخوان دشت جیرفت میباشد. به این منظور از دادههای سطح ایست...
نمودار تعداد نتایج جستجو در هر سال
با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید