نتایج جستجو برای: مهندسی شبکه های عصبی

تعداد نتایج: 491064  

مراتع به دلایل متعدد از جمله تولید علوفه، دامداری، ارزش تفرجگاهی و حفاظت آب و خاک مهم می باشند. از طرفی، برای حفاظت و مدیریت بهینه از این منابع طبیعی، مطالعات در مورد آنها ضروری است. از آنجا که مطالعات میدانی هزینه بر و زمان بر می باشد، استفاده از مدل ها در کنار مطالعات صحرایی، برای  برآورد ویژگیهای پوشش گیاهی متداول شده است. در تحقیق حاضر شبکه عصبی مصنوعی و مدلسازی آماری، جهت شبیه سازی درصد تا...

پیش بینی قیمت نفت خام از مهم ترین موضوعات فرا روی اقتصاد انرژی است. پیش بینی مناسب قیمت نفت و آن هم قیمت نفت خام اوپک، به دلیل درگیر بودن تعدادی از کشورهای در حال توسعه این سازمان با قیمت نفت، می تواند در برنامه ریزی های سازمان و کشورهای عضو آن، اهمیت ویژه ای داشته باشد. برآورد و پیش بینی روند قیمت نفت، به خاطر نبود داده های تاریخی مهم و محدودیت اطلاعات مرتبط با شاخص های موثر بر روند قیمت نفت، ...

ژورنال: :پژوهشهای جغرافیای طبیعی 2010
محمد حسین قلی زاده محمد دارند

گسترش سریع استفاده از شبکه های عصبی مصنوعی ( ann) به عنوان مدل تجربی و کارآمد در علوم مختلف از جمله هواشناسی و اقلیم شناسی نشان دهنده ضرورت ارزش بالای مطالعه این مدل هاست. پیش بینی بارش برای اهداف مختلفی نظیر برآورد سیلاب، خشکسالی، مدیریت حوضه آبریز، کشاورزی و ... دارای اهمیت بسیاری است. هدف این مقاله پیش بینی بارش ماهانه با استفاده از شبکه های عصبی مصنوعی در شهر تهران می باشد. در این تحقیق از ...

ژورنال: تحقیقات بتن 2017
محسن غفوری آشتیانی پنام زرفام, کمیل کریمی مریدانی,

هدف این مطالعه، ارائه منحنی های شکنندگی لرزه ای پل بزرگراهی بر مبنای پیش بینی های مبتنی بر شبکه عصبی است. در سال های اخیر، منحنی های شکنندگی، علاوه بر روشهای تجربی و کارشناسی، اغلب با استفاده از روش تحلیلی تهیه می شود. در این مطالعه،منحنی های شکنندگی لرزه ای پل خمیده افقی بر مبنای پیش بینی های شبکه عصبی و تمرکز بر روی شاخص شکل پذیری ستون بتنی با استفاده از 129رکورد زمین لرزه نشان داده می شود.رک...

الهام رجبی محمدرضا کاویانپور,

در این مقاله به بررسی هوادهی در مجاری بسته پرداخته شده است.  با توجه به عدم وجود روابط همخوان برای پیش‌بینی و محاسبه بهینه دبی هوای ورودی و به دلیل تاثیرگذاری پارامترهایی مختلف همچون آشفتگی،  هندسه مجرا قبل و بعد از دریچه و شرایط هیدرولیکی بر میزان هوا گیری، با استفاده از اطلاعات بدست آمده از مدل‌های فیزیکی موجود به آموزش شبکه عصبی مصنوعی به عنوان ابزاری مناسب در جهت محاسبه بهینه هوای ورودی پرد...

علی اکبر نیک نفس مهدی کاظمی, وحید رنجبر

ماهیت روابط تشریح کننده بسیاری از فرایندهای واقعی زندگی به ویژه در حوزه های تجاری و مدیریتی اغلب غیر خطی هستند. لذا پیش بینی رفتار چنین فرایندهایی نیازمند ابزارهای دقیق و اثر بخش است. شبکه های عصبی مصنوعی قادرند به عنوان یک ابزار مهم مدل سازی در پیش بینی مسائل کسب و کار، نقایص مدل های معمول را جبران نمایند. هدف مقاله حاضر نشان دادن برتری شبکه های عصبی در پیش بینی فرایند های غیر خطی در مقایسه با...

ژورنال: :روش های هوشمند در صنعت برق 2013
مهدی حاجیان اصغر اکبری فرود حسین نوروزیان

پایداری ولتاژ یک مسئله اساسی در سیستم قدرت می باشد. در این مقاله پایداری ولتاژ از حیث استاتیکی، و کاربرد شبکه عصبی و svm در تخمین حد پایداری و نیز پیش بینی پایداری ولتاﮊ بررسی شده است. پایداری ولتاژ در دو بخش مورد ارزیابی قرار گرفته است. در بخش اول، محاسبه حاشیه پایداری استاتیکی ولتاژ به وسیله شبکه عصبی rbf بیان می شود. مزیت روش استفاده شده، دقت بالای آن در تشخیص حاشیه پایداری ولتاژ به صورت بهن...

بار رسوب جریان، شاخص مفیدی در پیش‌بینی فرسایش خاک در حوزه‌های آبخیز است؛ بنابراین تدوین مدلی برای برآورد بار رسوب می‌تواند در مدیریت و اجرای پروژه‌های آبخیزداری و مهندسی رودخانه مفید باشد. در این پژوهش روش دسته‌بندی داده‌ها به‌عنوان راه‌کاری برای افزایش دقت شبکه عصبی مصنوعی در تدوین مدل برآورد رسوب معلق بررسی شد. بدین منظور، میزان آورد رسوبات معلق رودخانه‌های خلیفه‌ترخان و چهل‌گزی در حوضۀ قشلاق...

ندا پوستی زاده, نعیمه نجفی

یکی از روشهای نو ظهور در حل مسایل مهندسی جهت مدل‌سازی سیستم‌هایی که دارای پیچیدگی زیاد یا عدم‌صراحت بوده و یا داده‌های کافی از آنها موجود نیست، استفاده از تئوری مجموعه‌های فازی و شبکه عصبی مصنوعی می‌باشد. مزیت اصلی این تکنیک‌ها نسبت به روش‌های رایج این است که در مدت زمان نسبتاً کوتاهی قادر به بررسی تأثیر انواع پارامترهای در دسترس، بر فرآیند مورد بررسی می‌باشند بدون آنکه در هر مرتبه نیاز به یافتن...

ژورنال: :پژوهش های مدیریت در ایران 2010
محمدرضا امین ناصری احمد کوچک زاده

یکی از گامهای مهم در توسعه شبکه های عصبی مصنوعی طراحی معماری شبکه است که تأثیر زیادی بر عملکرد شبکه دارد. در طراحی معماری شبکه های عصبی مصنوعی، عواملی از قبیل تعداد لایه های پنهان، تعداد نرون ها در هر لایه، توابع تبدیل و الگوریتم آموزش باید تعیین شوند. محققان در طراحی معماری شبکه به طور عمده از طریق سعی و خطا عمل می کنند و یا اینکه اثر متقابل بین عوامل مختلف در طراحی معماری شبکه را در نظر نمی گ...

نمودار تعداد نتایج جستجو در هر سال

با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید