نتایج جستجو برای: مدل شبکهی عصبی مصنوعی

تعداد نتایج: 134063  

در این مقاله، توانایی روش شبکه عصبی مصنوعی در پیش‌بینی رفتار دینامیکی سیال در مخازن هوایی آب مورد بررسی قرار گرفته است. برای این منظور، یک مدل شبکه عصبی برای تخمین دو پارامتر فشار هیدرودینامیک کف مخزن و نوسان سطح سیال ارائه شده است. مدل مورد نظر با استفاده از الگوریتم پس انتشار خطا در برنامه MATLAB نگارش و مورد آموزش و آزمون قرار گرفته است. داده‌های مورد نیاز برای آموزش شبکه از نتایج تحلیل دینا...

ژورنال: :جغرافیا و برنامه ریزی 0
عطاالله ندیری استادیار گروه علوم زمین ، دانشگاه تبریز. کیوان نادری دانشجوی کارشناسی ارشد هیدروژئولوژی اصغر اصغری مقدم استاد گروه زمین شناسی، دانشگاه تبریز محمدحسن حبیبی دانشجوی کارشناسی ارشد هیدروژئولوژی

نبود منابع آب سطحی دائمی در بسیاری از نقاط کشور باعث اضافه برداشت آب از منابع محدود زیرزمینی شده است. در دشت دوزدوزان که در حوضه آبریز دریاچه ارومیه قرار دارد، به­دلیل عدم جریان سطحی دائمی برداشت بی­رویه از منابع آب زیرزمینی باعث ایجاد متوسط افت 76 سانتی­متر در سال شده است. هدف از این تحقیق پیش­بینی سطح آب زیرزمینی در این دشت با استفاده از روش­های هوش مصنوعی و زمین آمار می­باشد. در ابتدا با است...

مهدی ر پنام زرفام

پس از وقوع یک زلزله ، تصمیم گیری سریع در مورد ایمنی ساختمان،امکان ادامه بهره برداری از یکساختمان و تعیین موقعیت و میزان خرابی مورد نظر،بسیار مهم و حیاتی می باشد. امروزه تکنیک جدیداستفاده از مدل شبکه های عصبی مصنوعی تکاملی که مبتنی بر هوش مصنوعی می باشد کاربردگسترده ای در زمینه های مختلف علمی به ویژه مهندسی سازه و زلزله پیدا کرده است. در این مقاله یک1/5 تحلیل دینامیکی غیرخطی شده g 0/1 تا g قاب خ...

ژورنال: :دانش آب و خاک 2015
محمدرضا مقصودی عادل ریحانی تبار نصرت اله نصرت اله نجفی

در این تحقیق مقایسه­ای بین شبکه عصبی مصنوعی (ann) و مدل­های رگرسیونی خطی در تخمین وزن خشک و جذب فسفر گیاه ذرت از روی فسفر خاک استخراج شده توسط عصاره­گیرهای مختلف انجام یافت.  برای این منظور 25 نمونه مرکب خاک سطحی (cm30-0) از نقاط مختلف استان آذربایجان شرقی جمع آوری و در آن خاک­ها گیاه ذرت (سینگل کراس 704) در سه تکرار در گلخانه کشت شد. بعد از 60 روز گیاهان برداشت و وزن خشک بخش هوایی و غلظت فسفر ...

ژورنال: :نشریه علمی-پژوهشی تحقیقات مالی 2004
دکتر رضا راعی سعید فلاح پور

درماندگی مالی،ورشکستگی، هزینه های زیادی به همراه دارد که به اقتصاد یک کشور صدمه وارد می کند. یکی از راه هایی که می تواند به جلوگیری از درماندگی مالی کمک شایان توجهی کند، پیش بینی درماندثی مالی الست. در این پژوهش، با استفاده از شبکه های عصبی مصنوعی (ann)، به پیش بینی درماندگی مالی شرکت های تولیدی پرداخته شده است. مرور جامعی از مدل های پیش بینی درماندگی مالی، شبکه های عصبی مصنوعی نیز ارایه شده ا...

برآورد تولید تجهیزات جنگلی بخش مهمی از مدیریت هزینه‌ها در یک واحد جنگلداری است که با کاهش هزینه‌های عملیات همراه است. به عبارت دیگر، هزینه‌‌های بالای سرمایه‌گذاری در بهره‌برداری از جنگل دلیل خوبی برای تحقیقات مهندسی جنگل و همچنین مدل‌سازی زمان است. در این مطالعه از یکی از زیرمجموعه‌‌های هوش مصنوعی، که شبکه‌های عصبی مصنوعی نامیده می‌شود، به منظور مدل‌سازی زمان وینچینگ Timber Jack 450C، در جنگل‌ه...

  آگاهی از میزان تقاضای انرژی برق در هر دوره، به منظور برنامه ریزی دقیق، برای اعمال سیاست گذاری های لازم، امری ضروری است. از این رو پیش بینی تقاضای آن برای بخش های مختلف اقتصادی حائز اهمیت است. امروزه از بین روش های پیش بینی، شبکه های عصبی مصنوعی، در زمینه تجزیه و تحلیل و مدل سازی روابط غیرخطی یکی از ابزار قدرتمند به حساب می آید که استفاده از آن در سال های اخیر در اقتصاد کلان گسترش یافته است...

فرآیند نورد در کانال همسان زاویه‌دار از فرآیندهای تغییر فرم شدید پلاستیک جهت دستیابی به ساختار فوق‌ریز دانه می‌باشد. در این مقاله به بررسی این فرآیند و تأثیر پارامترهای آن به کمک مدل‌سازی شبکه‌ی عصبی مصنوعی و رگرسیون غیرخطی پرداخته‌شده است. به‌منظور پیش‌بینی خواص مکانیکی نمونه آلومینیم 6061 حاصل از فرآیند نورد در کانال همسان زاویه‌دار از شبکه عصبی پس انتشار پیش‌خور استفاده‌شده است. پارامترهای ز...

ژورنال: مدیریت صنعتی 2009
نجمه نشاط ‌هاشم محلوجی

در این مقاله با ارایه نمونه عملی فرآیند اسپری درایینگ، متدولوژی مدل‌سازی فرآیندها با استفاده سلسله مراتبی از تحلیل رگرسیونی و الگوریتم شبکه عصبی مصنوعی، با هدف کنترل پیش‌بینانه کیفیت، برای نخستین‌بار تشریح و پیاده‌سازی شده است. استفاده ازANNs در این مقاله، به منظور معماری مدل عصبی فرآیند اسپری درایینگ با اتخاذ یک رویکرد عمومی و انتخاب الگوریتم پس انتشار خطا به کمک داده‌های مستقیم است. فرض تاثیر...

ژورنال: :دانش سرمایه گذاری 0
علیرضا مهرآذین استادیار گروه حسابداری، دانشگاه آزاد اسلامی، واحد نیشابور احمد زنده دل استادیار گروه آمار، دانشگاه آزاد اسلامی، واحد نیشابور محمد تقی پور کارشناس ارشد حسابداری، دانشگاه آزاد اسلامی، واحد نیشابور (مسئول مکاتبات) امید فروتن کارشناس ارشد حسابداری، دانشگاه آزاد اسلامی، واحد نیشابور

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 دقیق تر 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...

نمودار تعداد نتایج جستجو در هر سال

با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید