نتایج جستجو برای: مدل شبکه عصبی پرسپترون

تعداد نتایج: 147735  

ژورنال: :مجله دانشکده پزشکی دانشگاه علوم پزشکی تهران 0
محمود اکبریان mahmoud akbarian rheumatology research center, tehran university of medical sciences, tehran, iran.مرکز تحقیقات روماتولوژی، دانشگاه علوم پزشکی تهران خدیجه پایدار khadijeh paydar department of health information management, school of allied medical sciences, tehran university of medical sciences, tehran, iran.گروه مدیریت اطلاعات سلامت، دانشکده پیراپزشکی، دانشگاه علوم پزشکی تهرانن شراره رستم نیاکان کلهری sharareh r ostam niakan kalhori department of public health, school of public health, ahvaz jundishapur university of medical sciences, ahvaz, iran.گروه بهداشت عمومی، دانشکده بهداشت، دانشگاه علوم پزشکی جندی شاپور اهواز عباس شیخ طاهری abbas sheikhtaheri yasmi st., valiasr ave., tehran, iran. tel: +98- 21- 88794302تهران، خیابان ولیعصر، بالاتر از ونک، خیابان شهید یاسمی، دانشکده مدیریت و اطلاع رسانی پزشکی تلفن: 88794302 -021

زمینه و هدف: لوپوس اریتماتوی سیستمیک (sle) بیماری خودایمنی چند سیستمی با تظاهرات متنوع و رفتار متغیر می باشد. بارداری برای زنان با sle به عنوان چالش مطرح است. مشاوره پیش از بارداری به دلیل برآورد ریسک نتایج نامطلوب در مادر و جنین با استفاده از داده های مناسب ضروری است. هدف این مطالعه، طراحی شبکه عصبی مصنوعی برای پیش بینی نتایج حاملگی در زنان باردار لوپوسی بود. روش بررسی: در این بررسی گذشته نگر،...

ژورنال: :مجله تحقیقات سلامت 0
حجت اله حمیدی hojatollah hamidi information technology engineering departmentگروه فنآوری اطلاعات، دانشگاه صنعتی خواجه نصیرالدین طوسی عاطفه دارایی atefeh daraie information technology engineering departmentگروه فنآوری اطلاعات، دانشگاه صنعتی خواجه نصیرالدین طوسی

چکیده مقدمه و هدف: سکته قلبی یکی از علل اصلی مرگ و میر در کشورهای در حال توسعه می باشد. هدف این مطالعه، ارزیابی عملکرد مدل های دسته بندی برای پیش بینی سکته قلبی است که از یک مدل انتخاب ویژگیِ مبتنی بر وزن دهی به وسیله svm و الگوریتم ژنتیک، بهره می برد. مواد و روش ها: داده های این مطالعه از اطلاعات مراجعه کنندگان به بیمارستان تخصصی قلب شهید مدنی خرم آباد به دست آمده است که شامل 519 بیمار و 52 ویژ...

پژوهش حاضر با هدف پیش‌بینی تراکم کنه تارتن دولکه‌ای با روش‌های زمین‌آمار و شبکه‌ی عصبی مصنوعی در مرزعه خیار استان خوزستان شهرستان رامهرمز انجام شد. بدین منظور مختصات طول و عرض ۱۰۰ نقطه با فاصله ۱۰متر، در سطح مزرعه مشخص و به عنوان ورودی‌های هر دو روش تعریف شد. خروجی هر روش نیز تعداد این آفت در آن نقاط بود. در بخش زمین‌آمار از روش کریجینگ معمولی و در بخش شبکه عصبی مصنوعی، ساختار پرسپترون سه لایه ...

ژورنال: :مهندسی عمران مدرس 2015
حامد کمک پناه سید شهاب الدین یثربی علی اکبر گلشنی

در این پژوهش از قابلیت شبکه عصبی مصنوعی برای پیش بینی رفتار خاک های متورم شونده رسی استفاده شده است. در این روش   -   داده ها با استفاده از انواع آرایش شبکه های چند لایه پرسپترون، که از پرکاربردترین نوع شبکه های عصبی است مدل شده اند. نتایج حاصل از این شبکه ها بر اساس شاخص های ارزیابی معرفی شد و با یکدیگر مقایسه شده اند که منجر به انتخاب بهترین آرایش شبکه از لحاظ دقت و کاربرد شده است. لازم...

ژورنال: :بوم شناسی کاربردی 0
سجاد عالی محمودی سراب s. aleemahmoodi sarab dept. of forestry, college of natur. resour., the univ. of tehran, tehran, iran.گروه جنگل داری، دانشکده منابع طبیعی، دانشگاه تهران جهانگیر فقهی j. feghhi dept. of forestry, college of natur. resour., the univ. of tehran, tehran, iran.گروه جنگل داری، دانشکده منابع طبیعی، دانشگاه تهران بهمن جباریان امیری b. jabarian amiri dept. of environ. sci., college of natur. resour., the univ. of tehran, tehran, iran.گروه محیط زیست، دانشکده کشاورزی، دانشگاه تهران

بدون شک یکی از عوامل مؤثر بر وقوع و گسترش آتش سوزی در جنگل ها و مراتع، عوامل آب وهوایی می باشد. هدف از این تحقیق پیش بینی خطر آتش سوزی جنگل ها و مراتع شهرستان ایذه با استفاده از شبکه های عصبی مصنوعی و داده های آب وهوایی شهرستان ایذه به صورت ماهانه بود. شهرستان ایذه در شمال غربی استان خوزستان واقع شده و دارای آب وهوایی نسبتاً نیمه خشک است. داده های آتش سوزی شامل سطح سوخته شده و تعداد وقوع آتش سوز...

ژورنال: :پژوهش ها و سیاست های اقتصادی 0
منصور خلیلی عراقی mansour khalili araghi professor, university of tehranاستاد دانشکده اقتصاد دانشگاه تهران الهام نوبهار elham nobahar m.a in economicsکارشناس ارشد علوم اقتصادی

هدف اصلی این مطالعه مقایسه قدرت پیش بینی دو مدل رگرسیون هدانیک و شبکه عصبی مصنوعی (ann) و تعیین یک مدل بهینه برای پیش بینی قیمت هدانیک مسکن درکلان شهر تبریز می باشد. نتایج تخمین تابع قیمت هدانیک بیانگر آن است که اکثر متغیرها معنا دار بوده و دارای علامت مورد انتظار می باشند. عوامل فیزیکی بیشتر از عوامل مکانی(محیطی و دسترسی) قیمت واحدهای مسکونی را تحت تأثیر قرار می دهند. همچنین، از بین ویژگی های ...

ژورنال: مهندسی حمل و نقل 2018

در این مقاله با در نظر گرفتن 23 پارامتر مؤثر بر تصادفات جرحی عابر پیاده شهر مشهد (در چهار گروه) در سال‌های 1391 تا 1393 و آماده­سازی لایه­های رستری لازم در محیط GIS، تأثیر هر یک از آن­ها در قالب ارزیابی عملکرد شبکه عصبی پرسپترون چندلایه، اولویت­بندی گردید. در اغلب تحقیقات انجام‌شده، مدل‌سازی بردار مبنا مدنظر قرار گرفته و به انعطاف‌پذیری و دقت پیش‌بینی رستر مبنای تصادفات در راستای تعیین تأثیر مک...

قطر و ارتفاع درختان، متغیرهایی اساسی برای بررسی زی‌‌توده، ذخیره کربن و تکامل توده‌‌های جنگلی هستند. با‌توجه‌به کم‌هزینه بودن و سهولت اندازه‌‌گیری قطر و زیاد بودن خطای اندازه‌‌گیری ارتفاع درخت، در این پژوهش برای برآورد ارتفاع درختان نمدار (Tilia begonifolia Stev.) در جنگل‌‌های شفارود گیلان از مدل‌‌های غیرخطی استفاده شد. نمدار در شفارود از ارتفاعات پایین تا 1800 متر از سطح دریا پراکنش دا...

ژورنال: مهندسی منابع آب 2010
حسین فتحیان, محمد نیکو مهدی نیکو

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 (...

ژورنال: :مجله دانش علف های هرز ایران 2014
سحر منصوریان ابراهیم ایزدی دربندی محمدحسن راشد محصل مهدی راستگو همایون کانونی

به منظور مقایسه توانایی مدل های شبکه عصبی مصنوعی با رگرسیون لجستیک در پیش بینی حضور علف های هرز، آزمایشی در 33 مزرعه نخود دیم استان کردستان در سال زراعی 92-1391 انجام شد. برای این منظور، اطلاعات اقلیمی و خاکی به عنوان متغیرهای مستقل و حضور و عدم حضور علف های هرز غالب به عنوان متغیرهای وابسته در مدل های رگرسیون لجستیک و شبکه عصبی مصنوعی استفاده شدند. در این تحقیق از شبکه پرسپترون چندلایه با نه ن...

نمودار تعداد نتایج جستجو در هر سال

با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید