نتایج جستجو برای: شبکه عصبی تابع پایه شعاعی
تعداد نتایج: 109057 فیلتر نتایج به سال:
Groundwater level prediction is an important issue in scheduling and managing water resources. A number of approaches such as stochastic, fuzzy networks and artificial neural network have been used for such prediction. A neural network model has been employed in this research for Shahrood plain groundwater level prediction. For this reason, statistical parameters of groundwater level fluct...
خشک کردن مواد غذایی به عنوان روشی جهت بهبود ماندگاری، ارائه شده است. به منظور پایش این فرایند از مدلهای مختلف شبکهی عصبی نظیر شبکهی عصبی پرسپترون، تابع پایهی شعاعی و مدل ترکیبی شبکهی عصبی و روش شناسی سطح پاسخ به همراه توابع فعال سازی مختلف به عنوان یک ابزار پیش بینی کنندهی پارامترهای خشک کردن کدوی سبز استفاده گردید. پارامترهای زمان خشک کردن، دمای هوای خشک کردن و ضخامت نمونه به عنوان ورودی...
قطع درخت در بین مؤلفه های بهره برداری، اهمیت زیادی دارد. برآورد تولید تجهیزات جنگلی، بخش مهمی از مدیریت هزینه ها در یک واحد جنگلداری است که با کاهش هزینه های عملیات همراه است. به عبارت دیگر، هزینه های بالای سرمایه گذاری در بهره برداری جنگل، دلیل خوبی برای تحقیقات مهندسی جنگل و همچنین مدل سازی زمان می باشد. روشهای زیادی مانند انواع رگرسیون ها، منطق فازی، شبکه های عصبی و غیره برای پیش بینی زمان ق...
الگوریتم حداقل میانگین مربعات کرنلی یکی از روش های هوشمند می باشد که در این پایان نامه برای کنترل سیستم هدایت هواپیما مورد توجه قرار گرفته است. استفاده از تئوری کرنل در الگوریتم حداقل میانگین مربعات، فهم این الگوریتم را با دیدگاه آموزش ماشین بهبود می بخشد. این الگوریتم می تواند تحولی در آموزش شبکه عصبی پایه شعاعی ایجاد کند. تاکنون برای آموزش شبکه عصبی با تابع پایه شعاعی، مراکز کرنل و اعداد آن ه...
در مقاله حاضر قابلیت مدل خود همبسته شبکه عصبی مصنوعی دینامیک برای پیشبینی جریان ماهانه ورودی مخزن سد دز ارزیابی شده و نتایج به دست آمده با مدل خودهمبسته شبکه عصبی مصنوعی استاتیک مقایسه شده است. در تحقیقات قبل مقایسه مدل های استاتیک و دینامیک در شبکه های عصبی مصنوعی صورت نگرفته است. ضمناً تحقیق حاضر از حیث خودهمبستگی مدل شبکه عصبی مصنوعی، دارای نوآوری می باشد. در این تحقیق آبدهی های ماهانه بین ...
(صحت مطالب مقاله بر عهده نویسنده است و بیانگر دیدگاه مجمع تشخیص مصلحت نظام نیست) هدف این مقاله پیش بینی روند تورم و شاخص قیمت ها در اقتصاد ایران است. دادههای این مقاله شامل تورم سالانه و دادههای ماهانه شاخص قیمت مصرفکننده در ایران از سال 1340 تا 1392 می باشد. در این تحقیق برای پیش بینی تورم از شبکه عصبی مصنوعی استفاده شده است. برای پیشبینی تورم ماهانه از یک شبکه پسانتشار خطا(BP) با 15 نر...
چکیده خیار یک میوه پر مصرف در ایران است که مصرف زیادی در تمام فصول دارد؛ لذا بررسی پارامترهای موثر در میزان کیفیت آن امری اجتناب ناپذیر به نظر می رسد. با توجه به صرف هزینه و زمان زیاد برای اندازه گیری پارامتر ها، پیش-بینی آن ها با توجه به عوامل تاثیرگذار بسیار مفیدتر خواهد بود. در تحقیق حاضر ارتباط بین دو ویژگی مکانیکی (شاخص تردی و سفتی) و فشار صدای حاصل از شکستن (پاسخ آکوستیک) میوه خیار با زما...
سیلاب را می توان یکی از مخرب ترین بلایای طبیعی دانست که علاوه بر جان انسانها سرمایه آنها را نیز تهدید می کند. برای مهار سیلاب آنچه در درجه نخست دارای اهمیت است پیش-بینی مقدار سیلاب می¬باشد. لذا برای تحقق این امر، از مدل های جعبه سیاه از جمله مدل سری های زمانی و یا اخیراً از مدل شبکه های عصبی مصنوعی (ann) بطور گسترده استفاده می شود که قابلیت پیش بینی و مدلسازی غیرخطی را نیز دارا می باشد. هدف از ا...
در این تحقیق سعی گردید، ترکیب ورودی و مدل مناسب برای تخمین بارشهای شهرستان شاهرود تعیین گردد. برای رسیدن به این هدف از دادههای ماهانه هواشناسی شامل تبخیر، دما، رطوبت نسبی هوا، تابشهای خورشیدی، سرعت باد در دوره آماری 1342 تا 1394 و مدلهای شبکه عصبی مصنوعی و ماشین بردار پشتیبان استفاده شده است. 75 درصد از دادهها برای واسنجی و 25 درصد دیگر جهت اعتبارسنجی مدلها استفاده شده است. در این تحقیق ...
تخمین تبخیر-تعرق گیاه مرجع یکی از مهم ترین مؤلفه ها در بهینه سازی مصرف آب کشاورزی و مدیریت منابع آب است. پیش بینی تبخیر-تعرق مرجع روزانه و هفتگی می تواند در پیش بینی نیاز آبی گیاهان و برنامه ریزی کوتاه مدت آبیاری مورداستفاده قرار گیرد. هدف از این تحقیق، ارزیابی عملکرد سه نوع شبکه عصبی مصنوعی mlp(پرسپترون چندلایه)، rbf (شبکه تابع پایه ای شعاعی)، svm (ماشین بردار پشتیبان) در پیش بینی تبخیر-تعرق م...
نمودار تعداد نتایج جستجو در هر سال
با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید