هدف از این پژوهش ارائه روشی هوشمند مبتنی بر شبکه‏های عصبی مصنوعی برای مدل‌سازی قابلیت منطقه حفاظت‏شده ارسباران برای عبور جاده برای طراحی و اصلاح و توسعه مناسب شبکه جاده و راه‏های ارتباطی موجود در منطقه است. ابتدا با استفاده از فرایند تحلیل سلسله مراتبی (AHP) و روش ترکیب وزن‏دهی خطی (WLC) و به‌کارگیری لایه‌های اطلاعاتی مؤثر بر مسیریابی، نقشه شایستگی جاده‏سازی برای تهیه نمونه‌های آموزشی در محیط A...

تکنیک های داده کاوی جدید می تواند حسابرسان را در ارائه اظهارنظر حسابرسی یاری رساند. در این تحقیق برای اولین بار در ایران چهار تکنیک داده کاوی به منظور توسعه مدل هایی که قادر به شناسایی انواع اظهارنظر حسابرسان باشند، مورد استفاده قرار گرفت. دوره زمانی این تحقیق از ابتدای سال 1379 تا پایان سال 1386 می باشد. جامعه آماری تحقیق کلیه شرکت های پذیرفته شده در بورس اوراق بهادار تهران می باشد که داده های...

با پدید آمدن تکنیک‌های آماری قوی و شبکه‌های عصبی، مدل‌های پیش بینی کننده پراکنش موجودات به سرعت در اکولوژی توسعه پیدا کرده است. با توجه به دشواری نمونه برداری معمولا در این گونه مطالعات تعداد نمونه کافی وجود ندارد لذا برای رفع این مشکل در این پژوهش به منظور پیش بینی و ترسیم نقشه توزیع کفشدوزک هفت‌نقطه‌ایاز ترکیب روش کریجینگ با شبکه‌های عصبی پرسپترون چندلایه (MLP) ترکیب شده با الگوریتم ژنتیک در ...

هدف از این تحقیق پیش بینی روند مصرف کاغذ چاپ و تحریر در ایران طی یک دوره زمانی 5 ساله با استفاده از روشهای کلاسیک و نوین پیش بینی است. به منظور انجام این پیش بینی، در ابتدا پیش بینی پذیر بودن سری زمانی با استفاده از آزمون های دوربین- واتسون و گردش مورد بررسی قرار گرفت. سپس به مقایسه مدل شبکه عصبی مصنوعی (پرسپترون چندلایه (mlp)) و مدل های کلاسیک تک متغیره و چندمتغیره از قبیل مدل های تک متغیره هم...

در این نوشتار الگوریتم کنترل پیش بین غیرخطی (nmpc) مبتنی بر مدل شبکه عصبی برای سیستمهای غیرخطی چندمتغیره پیشنهاد شده است. ابتدا یک مدل چند ورودی – چند خروجی (mimo) با استفاده از شبکه عصبی پرسپترون چندلایه (mlp) بدست می آید که با الگوریتم levenberg-marquardt و سیگنالهای آموزش باینری شبه تصادفی دامنه دار (aprbs) همراه با نویز آموزش می بیند. این مدل به عنوان یک مدل کلی برای تمام نقاط کاری مورد نظر...

در این تحقیق، با استفاده از تصاویر TM و OLI لندست تغییرات روی‌داده در جنگل‌های اطراف شهر خرم‌آباد بین سال‌های 1365 تا 1397 موردبررسی قرار گرفت. بدین منظور پس از انجام تصحیحات هندسی و اتمسفری، تصاویر با استفاده از الگوریتم حداکثر احتمال در پنج کلاس با دقت کلی 95 درصد و ضریب کاپا 0.94 طبقه‌بندی شدند. با روی هم‌گذاری تصاویر مقدار جنگل‌های از بین رفته (34 کیلومترمربع) مشخص و به‌عنوان متغیر وابسته ب...

کاربرد روزافزون شبکه های عصبی پرسپترون چندلایه (mlp) در حلِّ مسائل مهندسی و سیستم های هوشمند، سبب گرایش محقّقین به سمت ابداع روش های آموزش و طرّاحی معماری کارامدتر شبکه های عصبی شده است. معماری شبکه ی عصبی شامل تعداد لایه های مخفی، تعداد نرون ها در لایه های مخفی و نوع تابع تحریک است و هر یک از این پارامترها بر روی عمل کرد شبکه ی عصبی تأثیر مستقیم و بسزایی دارد. از سوی دیگر، کارایی شبکه های عصبی به ...

در این پروژه، پارامترهای ذاتی مدار معادل سیگنال کوچک یک gaas hemt، در برابر بایاس (vds و vgs)، فرکانس (f) و دما(t) ، با استفاده از شبکه های عصبی پرسپترون چند لایه ای (mlp) و تابع پایه شعاعی (rbf) مدل شده اند. شبکه های عصبی پیاده سازی شده، شامل ساختارهایی با چهار ورودی (بایاس (vds و vgs)، دما و فرکانس) و هشت خروجی (مقدار پارمترهای ذاتی gaas hemt و نیز فرکانس قطع آن) می باشند، که در پایان از نظر ...

     تبخیر-تعرق یکیازمؤلفه­هایمهمدرمصرفمنابعآب در بخش کشاورزیمی­باشد. لذا ارائه روشی که پیش­بینی مناسب و دقیقی از میزان تبخیر-تعرق مرجع را بدهد، می­تواند در اخذتصمیم­ بهینهبرایبرنامه­ریزی منابع آب کمککند. دراینتحقیق،روش­های سری زمانی و شبکه­های عصبی مصنوعی درپیش­بینیتبخیر-تعرق مرجع ماهانهدرایستگاهسینوپتیک ارومیهموردمقایسه قرار گرفتند. بدین منظور در گام نخست بهترین مدل سری زمانی از بین مدل­های A...

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 ...