نتایج جستجو برای: شبکه های عصبی نوع gmdh
تعداد نتایج: 530949 فیلتر نتایج به سال:
در این مقاله از شبکة عصبی gmdh، بهعنوان ابزاری با قابلیت بالا در مسیریابی و تشخیص روندهای غیرخطی پیچیده، بهویژه با تعداد مشاهدات محدود، برای الگوسازی و پیشبینی رشد تولید ناخالص داخلی به قیمت ثابت در ایران استفاده شده است. ابتدا الگویی بنیادی شامل 7 متغیر همراه با وقفة اول رشد تولید ناخالص داخلی طراحی و سپس با استفاده از فرآیند قیاسی و نیز کنارگذاشتن هر متغیر از الگوی بنیادی، در مجموع 18 مدل...
An improved neuro-fuzzy based group method of data handling using the particle swarm optimization (NF-GMDH-PSO) is developed as an adaptive learning network to predict the localized scour downstream of a sluice gate with an apron. The input characteristic parameters affecting the scour depth are the sediment size and its gradation, apron length, sluice gate opening, and the flow conditions upst...
In this paper, we propose new computational intelligence sequential hybrid architectures involving Genetic Programming (GP) and Group Method of Data Handling (GMDH) viz. GP-GMDH, GMDH-GP and recurrent architecture for Genetic Programming (GP) for software cost estimation. Three linear ensembles based on (i) arithmetic mean (ii) geometric mean and (iii) harmonic mean are also developed. We also ...
The rest of this paper is organized as follows. Section 2 describes traditional System Identification and introduces the use of Particle Swarm Optimization (PSO) for determining the coefficients of a simple autoregressive moving average model (SwARMA). Section 3 explains Particle Swarm Optimization. Section 4 describes the results of using PSO for determining the ARMA model parameter (SwARMA) f...
امروزه شبکه های عصبی مصنوعی جایگاه ویژه ای در حیطه مالی پیدا کرده است. پژوهش حاضر به دنبال یافتن روش بهتر برای ساخت و آموزش شبکه های عصبی مصنوعی است که منجر به پیش بینی دقیقتر در موضوع ورشکستگی شود. در این میان سه شبکه عصبی از نوع توابع شعاع مدار ساخته شد که به صورت جداگانه توسط متغیرهای مدل آلتمن (1983)، اسمایوسکی (1984) و ترکیبی آموزش داده شدند. پس از سنجش توانایی سه مدل در پیش بینی ورشکستگی...
در این مقاله یک شبکه عصبی راف بهبود یافته به منظور شناسایی سیستم های غیرخطی آشوبی ارائه شده است. شبکه های عصبی راف نوعی از ساختارهای عصبی هستند که براساس نرون های راف طراحی می شوند. یک نرون راف را می توان بصورت زوجی از نرون ها در نظر گرفت، که به نرون های کرانه بالا و کرانه پایین موسوم هستند. رویکرد نرون راف استفاده از محاسبات بازه ای در شبکه عصبی را امکان پذیر می سازد، بنابراین می توا...
هدف از مهندسی شبکه های عصبی بررسی معایب و مزایای شبکه های عصبی مصنوعی و ارایه روشهایی برای بهبود کارایی آنهاست. یکی از موضوعات مورد بحث در مهندسی شبکه های عصبی چند لایه، یافتن ساختار مناسب(نزدیک به بهینه) برای حل مسئله می باشد. معیار و نحوه انتخاب اندازه شبکه عصبی برای یک مسئله خاص هنوز شناخته شده نیست. در روشهای کلاسیک،طراح شبکه در ابتدای آموزش ساختاری را برای شبکه تعیین و سپس شبکه را آموزش می...
شبکه های عصبی ابزارهای نسبتاً جدیدی هستند که در فرآیندهای مدل سازی رشد در سیستم های پرورش حیوانات مورد استفاده قرار می گیرند. در این پژوهش شبکه عصبی gmdh robust ، به عنوان یک مدل خود سازمانده، جهت پیش-بینی تولید وزنی تخم مرغ قابل جوجه کشی در مراحل مختلف تولیدی (25 تا 29 هفتگی، 30 تا 35 هفتگی، 36 تا 60 هفتگی و 25 تا 60 هفتگی) در مرغان مادر مورد استفاده قرار گرفت. متغیرهای ورودی موثر در این پژوهش ...
در این مقاله الگوریتمی هوشمند برای خوشهبندی، تشخیص مدولاسیون بین پالسی و جداسازی و شناسایی رشته پالسهای متداخل رادارها ارائه میگردد. در الگوریتم پیشنهادی برای خوشهبندی پالسهای متداخل دریافتی از شبکه عصبی خودسازمانده SOFM (بدلیل دقت بالای آن در مقایسه با شبکههای عصبی دیگر مانند شبکه عصبی CLNN و شبکه عصبی Fuzzy ART) و تشخیص نوع مدولاسیون بین پالسی از روش ضرب ماتریسی و برای شناسایی نوع رادار...
در این مقاله یک مدل عددی در نرمافزار ABAQUS برای محور محرک نانوکامپوزیتی یک خودرو باربری توسعه داده شده است. اهداف مهم در طراحی محور محرک، افزایش سرعت بحرانی به صورتی است که از دامنه سرعت عملکرد محور خارج شود، افزایش گشتاور بحرانی کمانش به منظور جلوگیری از کمانش محور در بارهای پایین و همچنین کاهش وزن آن میباشد. در این مقاله از الگوریتم بهینهسازی چند هدفی NSGAII برای تعیین نقاط بهینه طراحی به...
نمودار تعداد نتایج جستجو در هر سال
با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید