مقدمه: در دهه ی اخیر الگوریتم های یادگیری ماشین به ابزار مفیدی جهت داده کاوی در داده های پزشکی، برای تولید مدل های پیش بینی تبدیل شده اند. سوختگی از جمله بیماری هایی است که پیش بینی پیامد آن از اهمیت زیادی برخوردار است. هدف این مطالعه بررسی عملکرد دو الگوریتم پراستفاده ی یادگیری ماشین یعنی شبکه ی عصبی و درخت تصمیم و مقایسه با روش آماری رگرسیون لجستیک در پیش بینی پیامد بیماران سوختگی بوده است. ر...

پیش‏بینی دقیق جریان در رودخانه‏ها یکی از ارکان مهم در مدیریت منابع آب‏های سطحی به‌ویژه اتخاذ تدابیر مناسب در مواقع سیلاب و بروز خشکسالی‏ها‌ست. در‌حقیقت، حصول روش‏های مناسب و دقیق در پیش‏بینی جریان رودخانه‏ها را می‏توان به‌عنوان یکی از چالش‏های مهم در فرایند مدیریت و مهندسی منابع آب دانست؛ اگر‌چه تحقیقات وسیعی در خصوص کاربرد روش‏های متکی بر شبکه‏های عصبی مصنوعی دقت این روش‏ها بر روش‏های متداول آ...

در این پایان نامه یک شبکه عصبی‎ltrfootnote{‎neura‎l network}‎ تک لایه بازگشتی برای ماشین بردار پشتیبانی‎ltrfootnote{support vector machine} (svm)‎ در الگوی یادگیری طبقه بندی و رگرسیون را ارائه می کنیم. اولین مساله یادگیری ‎svm‎ تبدیل به فرمول معادل آن، و پس از آن یک لایه شبکه های عصبی بازگشتی برای یادگیری ‎svm‎ پیشنهاد شده است. شبکه عصبی پیشنهادی برای به دست آوردن راه حل بهینه از طبقه بندی بردا...

در این مقاله یک شبکه عصبی سازنده جدید برای حل مساله فروشنده دوره گرد TSP ارائه شده است ساختار فیدبکی رقابتی این شبکه از مفاهیم شبکه های عصبی هایفیلد و کوهونن الهام گرفته شده است شبکه کوهونن با شیوه یادگیری رقابتی اش پاسخ های قابل قبولی به TSP ارائه می دهد اما سرعت همگرایی آن بسیار کم است در مقابل شبکه عصبی هایفیلد با ساختار فیدبکی خود دارای سرعت همگرایی مناسبی است اما پاسخ های آن از دقت کمی برخ...

در این تحقیق فیلتر جدیدی برای حذف نویزهای لکه ای از تصاویر سونوگرافی طراحی شده است. فیلتر طراحی شده فیلتری با قابلیت های یادگیری شبکه های عصبی، تطبیق اطلاعات با قالب فازی و بهینه شدن متغیرها بر اساس الگوریتم ژنتیک تک عضوی است. شبکه عصبی به کار رفته یک شبکه چهار لایه رو به جلو با وزن های باینری است. ورودی در پنجره ای از همسایگی های پیکسل مورد پردازش فازی شده و به کمک قواعد ساده فازی مناسب آن اصل...

در این پژوهش رفتار مکانیکی مصالح درشت دانه شنی با استفاده از شبکه عصبی چند لایه پرسپترون، که از پرکاربردترین شبکه های عصبی مصنوعی در مسائل ژئوتکنیکی است، شبیه سازی شده است. ابتدا اطلاعات دقیقی از آزمون های منابع مختلف در سراسر کشور تهیه و عوامل مؤثر بر مقاومت برشی خاک های درشت دانه بررسی شده است. پس از حذف اطلاعات نادرست، روند یادگیری، آزمایش و پیش بینی شبکه طی شده است. در آموزش شبکه از الگو...

هدف اصلی این تحقیق دستیابی به یک سبد سرمایه مناسب‌تر برای سرمایه‌گذاران ریسک‌پذیر است. در این تحقیق مدل مارکوتیز در تئوری سبد سرمایه به عنوان مدل مقایسه‌ای استفاده شده است و مدل شبکه عصبی با آن مقایسه شده است. الگوی یادگیری شبکه عصبی، الگوی «پس انتشار خطا» می‌باشد. سبد انتخابی شامل بیست سهم از بازار بورس اوراق بهادار تهران است که برای یک دوره سیزده ماهه مورد مطالعه قرار گرفته است. در هر دو مدل ...

ساختمان­ها یکی از مهمترین سازه­های شهری هستند که در کاربردهای مختلف و در نقشه­برداری شهری مورد استفاده قرار می­گیرند. در سال­های اخیر، با توسعه تکنولوژی اخذ داده­ها با توان تفکیک بالا، روش­ها و الگوریتم­های مختلفی به منظور استخراج مدل­های دقیق و بهنگام ساختمان­ها ارائه شده است. در این مقاله، روشی نوین و مدل­مبنا به منظور استخراج ساختمان­ها و شناسایی اتوماتیک مدل سقف آنها از قبیل سقف مسطح، شیرو...

به دلیل عدم وجود ایستگاه های سنجش میزان رسوب در فرایند فرسایش بادی، تخمین میزان بار رسوب در زمینه این فرایند امری ضروری و مهم تلقی می شود. شبکه های عصبی مصنوعی می توانند به عنوان ابزاری کارآمد جهت برآورد و شبیه سازی رسوبات موثر واقع شوند. در این تحقیق از دو نوع شبکه عصبی مصنوعی پرسپترون چند لایه و شبکه عصبی شعاعی برای  برآورد و برازش مقدار رسوبات بادی در منطقه کرسیا شهرستان داراب استفاده گردید....

یادگیری الکترونیکی با از بین بردن محدودیت زمان و مکان کلاس حضوری، کاربرد گسترده­ای در ارتباط بین دانشجو و آموزگار پیدا کرده است. از سوی دیگر مؤلفه­های هوشمندی مانند فراهم ساختن بازخورد و راهنمایی برای دانشجو کیفیت آموزش را افزایش می‏دهد، اما روش­های کنونی هوشمندسازی هزینه پیاده­سازی بالایی دارند. این پژوهش روشی جدید برای هوشمندی یادگیری الکترونیکی با هزینه پایین معرفی می‏نماید. هوشمندی در دو مؤ...