نتایج جستجو برای: کنترلکننده فازی عصبی

تعداد نتایج: 27545  

در سال‌های اخیر آلودگی هوا به عنوان یکی از بزرگ ترین مشکلات زیست محیطی در سطح جهانی مطرح شده است. ازن تروپوسفری یک آلاینده ثانویه است و سبب بروز مشکلات تنفسی و تاثیر حاد بر گیاهان می‌شود. در این مطالعه به دلیل غیر خطی بودن و پیچیدگی این پدیده‌هابه مقایسه برآورد غلظت آلاینده ازن با استفاده از شبکه عصبی مصنوعی و شبکه عصبی فازی-تطبیقی پرداخته شد. در پژوهش حاضر از متغیرهای هواشناسی در ...

ژورنال: فیزیک زمین و فضا 2020

در این مقاله از سیستم استنتاج فازی (FIS) جهت مدل‌سازی میدان جابه‌جایی سطحی پوسته زمین در منطقه ایران استفاده شده است. سیستم استنتاج فازی سیستمی است که از پایگاه قواعد اگر-آنگاه فازی برای شناخت ویژگی‌های پدیده مورد نظر استفاده می‌کند. با توجه به اینکه این سیستم قابلیت مدل‌سازی پدیده‌های غیرخطی را داراست، در نتیجه در این مقاله از این روش جهت مدل‌سازی تغییرات سطحی پوسته زمین در فلات ایران استفاده ...

ژورنال: اقتصاد مقداری 2009
سید امیر حسین منجمی, علیرضا رعیتی شوازی مهدی ابزری

    سرمایه گذاری در سهام عرضه شده در بورس اوراق بهادار یکی از گزینه ­های پرسود در بازار سرمایه است.  بازار سهام دارای سیستمی غیرخطی و آشوب گونه است که تحت تأثیر شرایط سیاسی، اقتصادی و روانشناسی می ­باشد و می­ توان از سیستم ­های هوشمند غیرخطی همچون شبکه ­های عصبی مصنوعی، شبکه­ های عصبی فازی و الگوریتم ­های ژنتیک برای پیش ­بینی قیمت سهام استفاده نمود. در این مقاله به طراحی و ارائه ­ی یک مدل پیش ب...

در تحقیق حاضر، هدف مقایسه تخمین بار رسوب معلق در سدهای مخزنی با استفاده از شبکه عصبی مصنوعی و سیستم استنتاج فازی- عصبی می باشد. بررسیها توسط برنامه  MATLAB انجام شده است و ورودی ها شامل دبی رودخانه سفید رود و خروجی، غلظت رسوب در گام زمانی بوده است.ورودی و خروجی رسوب دارای روند مثبت بوده و 80 درصد داده ها جهت آموزش و 20 درصد داده ها جهت آزمون شبکه مورد استفاده قرار گرفت. از تعداد 229 داده موجود ...

اندازه­گیری مستقیم ویژگی‌های هیدرولیکی خاک وقت­گیر و پر هزینه است اما می‌توان این ویژگی‌هارا با بهره­گیری از داده­ های زودیاف مثل بافت خاک، جرم مخصوص ظاهری و با استفاده از روش‌هایی چون توابع انتقالی و سیستم استنتاج فازی- عصبی نیز به دست آورد. در این تحقیق برای برآورد هدایت هیدرولیکی اشباع خاک، ازمدلشبکۀ عصبی مصنوعی و سیستم­استنتاجفازی-عصبیاستفاده شد. ورودی­های مدل، شامل درصد رس، سیلت و شن بود. ...

ژورنال: :پژوهشهای حسابداری مالی وحسابرسی 2014
علی اصغر انواری رستمی عادل آذر محمد نوروزی

پیش بینی سود هر سهم و تغییرات آن به عنوان یک رویداد اقتصادی از دیرباز موردعلاقه سرمایه گذاران، مدیران، تحلیل گران مالی و اعتباردهندگان بوده است. این توجه ناشی از استفاده سود در مدل های ارزیابی سهام، کمک به کارکرد کارای بازار سرمایه، ارزیابی توان پرداخت و ارزیابی عملکرد واحد اقتصادی می باشد. هدف این تحقیق پیش بینی سود هر سهم با استفاده از شبکه عصبی – فازی و شبکه عصبی درک چندلایه(mlp) و gmdh و تع...

ژورنال: :علوم تغذیه و صنایع غذایی ایران 0
محمد گنجه m ganjeh سید مهدی جعفری m jafari فرید قنبری f ghanbari مسعود دزیانی m dezyani رقیه عزتی r ezzati مریم سلیمانی m soleimani

سابقه و هدف: مدل سازی سینتیک خشک شدن با استفاده از روشهای جدید مدل سازی از جمله منطق فازی و شبکه های عصبی مصنوعی می تواند به بهینه سازی فرایند و کاهش انرژی مصرفی کمک کند. در این پژوهش علاوه بر مدل سازی رگرسیونی، در رویکردی جدید اصول منطق فازی و شبکه های عصبی مصنوعی به صورت ترکیبی و مکمل هم به کار برده شده و مدلی فازی – عصبی ارائه ودر نهایت توپولوژی بهینه شبکه های عصبی مصنوعی برای خشک کردن پیاز ...

در این پژوهش دانه‌های انار به روش اسمزی، با محلول‌های40، 50 و 60 درصد ساکارز در دماهای 45، 55 و 65 درجه سلسیوس فرایند شدند و مقدار جذب موادجامد، کاهش آب و کاهش وزن نمونه‌ها در زمان‌های 60، 120، 180 دقیقه اندازه‌گیری گردید. فرایند آبزدایی اسمزی با ترکیب تکنیک­های منطق فازی و شبکه‌های‌ عصبی‌مصنوعی (مدل‌سازی فازی- عصبی) و روش سطح پاسخ مدل‌سازی شد. برای مدل‌سازی، درون‌یابی و افزایش داده‌ها، از منطق...

ژورنال: مهندسی صنایع 2013

در این مقاله، یک رویکرد جدید مدل­سازی برای مدل‌های شبکه عصبی مصنوعی بر مبنای مفاهیم شبکه­های عصبی و رگرسیون فازی ارائه شده است. به این منظور، مدل شبکه عصبی مصنوعی در قالب یک مدل رگرسیون غیرخطی فازی فرموله شده است، به نحوی که این مدل، مزایای هر دو مدل رگرسیون فازی و شبکه عصبی مصنوعی را دارد. بنابراین، این مدل به دلیل انعطاف­پذیری بالا، قابلیت استفاده در شرایط نبود قطعیت، مبهم یا پیجیده را دارد. ...

ژورنال: :نشریه مهندسی صنایع 2013
سیدعلی ترابی شیما پاشاپورنظری نجمه نشاط

در این مقاله، یک رویکرد جدید مدل­سازی برای مدل های شبکه عصبی مصنوعی بر مبنای مفاهیم شبکه­های عصبی و رگرسیون فازی ارائه شده است. به این منظور، مدل شبکه عصبی مصنوعی در قالب یک مدل رگرسیون غیرخطی فازی فرموله شده است، به نحوی که این مدل، مزایای هر دو مدل رگرسیون فازی و شبکه عصبی مصنوعی را دارد. بنابراین، این مدل به دلیل انعطاف­پذیری بالا، قابلیت استفاده در شرایط نبود قطعیت، مبهم یا پیجیده را دارد. ...

نمودار تعداد نتایج جستجو در هر سال

با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید