نتایج جستجو برای: شبکه عصبی مصنوعی تابع پایه شعاعی
تعداد نتایج: 114181 فیلتر نتایج به سال:
در این مقاله روش جدیدی برای مدل سازی خطی سیستم های غیر خطی ارائه می گردد . اساس روش پیشنهادی طراحی یک شبکه عصبی مصنوعی دو لایه و آموزش آن بر مبنای داده های ورودی- خروجی است . وزن های اتصالات این شبکه ضرایب تابع تبدیل هستند . در سیستم هایی که رفتار آنها خطی باشد ، روش حداقل کردن مربعات خطا (lse) بهترین نتایج مدل سازی را ارائه می نماید . در سیستم هایی که رفتار غیر خطی دارند ، نظیر بعضی قسمت های ب...
روش مونت کارلو از قدرتمندترین روشهای تحلیل احتمال خرابی در سازه هاست که برای توابع شرایط حدی دارای هرگونه پیچیدگی و برای متغیرهای تصادفی با هر نوع توزیع احتمالاتی استفاده گردد. اما افزایش تعداد تحلیلها برای شبیه سازی مسایلی که دارای احتمال خرابی بسیار کمی هستند، مانند اغلب سازه های اجرایی، سبب گشته که کاربرد آن در مسایل پیچیده نیازمند حجم محاسباتی بسیار بالایی شود. در این تحقیق، ابتدا با استفاد...
در این پایان نامه یک ترکیب جدید از شبکه عصبی پایه شعاعی گوسی به عنوان جبران ساز رو به جلو به همراه استراتژی کنترل انتگرال مقاوم از علامت خطا (rise) ارائه شده است. کنترل کننده پیشنهادی به منظور ردیابی مسیر حالت متغیر با زمان برای سیستم های غیرخطی در حضور نامعینی پارامتری و اغتشاشات خارجی استفاده می شود. از آنجایی که کنترل کننده بر مبنای شبکه عصبی، عموما دارای نتایج پایداری کراندار نهایی یکنواخت ...
آزمایش پرسیومتری(فشارسنجی)، یکی از مهم ترین آزمایش های برجای مهندسی ژئوتکنیک است. این آزمایش قادر به تخمین بسیار مناسبی از پارامترهای تغییر شکلی خاک است. در این تحقیق از سه نوع شبکه ی عصبی مصنوعی(a n n) به منظور مدل سازی آزمایش پرسیومتری(فشارسنجی) استفاده شده است. برای این منظور ابتدا از پرسپترون چندلایه ــ یکی از پرکاربردترین شبکه های عصبی ــ استفاده شد و در ادامه، با استفاده از شبکه ی نوروفاز...
هدف اصلی این مقاله، مدلسازی و پیش بینی میزان صادرات آبزیان دریایی در ایران است. برای این منظور، از روش های سری زمانی خود توضیح جمعی میانگین متحرک(ARIMA) و شبکه عصبی مصنوعی استفاده می شود. به منظور انجام بررسی، از داده های ماهانه دوره 1374:03 تا 1387:12 برای برآورد و آموزش مدل و از داده های دوره از 1388:01 تا 1390:12 به منظور بررسی قدرت پیش بینی مدل های مختلف استفاده می شود. در این مطالعه، معیار...
افزایش حجم ترافیک و ایجاد گرههای ترافیکی در راههای بینشهری و همچنین شبکه ترافیک شهری سبب کاهش کارایی شبکه ترافیکی و راههای مورد نظر میشود. پیشبینی و کشف هرچه سریعتر این گرههای ترافیکی میتواند کمک شایانی به حل مشکل و روانسازی جریان ترافیک نماید. شبکههای عصبی مصنوعی نشان دادهاند که با تکیه بر قابلیت یادگیری خود میتوانند عملکرد بسیار مناسبی در این زمینه از خود نشان دهند. هدف اصلی این...
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...
تخمین تبخیر-تعرق گیاه مرجع یکی از مهمترین مؤلفهها در بهینهسازی مصرف آب کشاورزی و مدیریت منابع آب است. پیشبینی تبخیر-تعرق مرجع روزانه و هفتگی میتواند در پیشبینی نیاز آبی گیاهان و برنامهریزی کوتاهمدت آبیاری مورداستفاده قرار گیرد. هدف از این تحقیق، ارزیابی عملکرد سه نوع شبکه عصبی مصنوعی MLP(پرسپترون چندلایه)، RBF (شبکه تابع پایهای شعاعی)، SVM (ماشین بردار پشتیبان) در پیشبینی تبخیر-تعرق م...
خشکسالی یکی از پدیدههای آب و هوایی است که در همه شرایط اقلیمی و در همه مناطق کره زمین به وقوع میپیوندد. پیشبینی خشکسالی نقش مهمی در طراحی و مدیریت منابع طبیعی، سیستمهای منابع آب، تعیین نیاز آبی گیاه و... ایفا مینماید. در طی دهههای اخیر شبکههای عصبی تواناییهای زیادی را در مدلسازی و پیشبینی سریهای زمانی غیرخطی و غیرایستا نشان دادهاند. از اینرو، در این تحقیق بهمنظور پیشبینی خشکسا...
در دهه های اخیر شبکه های عصبی مصنوعی به عنوان ابزاری موفق در تخمین و پیش بینی پدیده های هیدرولوژیکی به کار گرفته شده اند. اگرچه استفاده از شبکه های عصبی مصنوعی امکان برآورد بار معلق رسوب رودخانه ها را با دقت و سرعت مناسب فراهم کرده است، اما دقت پیش بینی این مدل ها، به میزان زیادی تحت تاثیر دانش و درک کاربر از شبکه عصبی مصنوعی قرار دارد. در مطالعات منابع طبیعی و به ویژه مطالعات هیدرولو...
نمودار تعداد نتایج جستجو در هر سال
با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید