نتایج جستجو برای: مدل شبکه عصبی

تعداد نتایج: 147722  

ژورنال: ژئوفیزیک ایران 2010
حسین خوشدل مجید نبی بیدهندی, محمدرضا واشقانی فراهانی

در این مقاله از مدل فازی عصبی برای برآورد خواص مخزن با استفاده از نشانگرهای لرزه ای استفاده شده است. الگوریتم "درخت مدل خطی‌محلی(LOLIMOT)" برای آموزش مدل به‌کار رفته است. این مدل از نگارهای چاه و نشانگرهای لرزه ای در محل چاه در مرحله آموزش استفاده می‌کند. شبکه فازی عصبی آموزش‌‌دیده برای برآورد خصوصیات مخزن با استفاده از نشانگرهای لرزه‌ای مورد استفاده قرار می‌گیرد. این روش در یک تاقدیس هیدروکربن...

خسرو فغانی ماکرانی, سیدحسن صالح نژاد وحید امین

در سالهای اخیر مدیریت سود در پژوهش های دانشگاهی توجه زیادی را به خود جلب کرده است. هدف این پژوهش پیش بینی مدیریت سود از طریق اقلام تعهدی اختیاری مبتنی بر مدل جونز تعدیل شده است. در این پژوهش از دو مدل شبکه عصبی مصنوعی و مدل ترکیبی الگوریتم ژنتیک – شبکه عصبی به عنوان الگوی موفقجهت پیش بینی مدیریت سود مبتنی بر جونز تعدیل شده در بورس اوراق بهادار تهران استفاده شده است. نمونه مورد استفاده در این پژ...

ژورنال: :مهندسی زیست سامانه 0

جهت ارزیابی عملکرد پاشش یک سمپاش زراعی نرخ متغیر، از روش شبکه عصبی مصنوعی استفاده شد. داده های لازم برای مدل سازی، از آزمون های مزرعه ای به دست آمد. برای مدل سازی بده خروجی افشانک ها،727 شبکه با چهار نوع مدل عصبی مصنوعی خطی، پرسپترون چندلایه، تابع پایه شعاعی و رگرسیون تعمیم یافته آزمون شدند. برای هر افشانک 45، 22 و 23 داده به ترتیب برای آموزش، اعتبارسنجی و آزمایش استفاده شد. مدل تابع پایه شعاعی...

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: کومش 2010
بیگلریان, اکبر, حاجی‌زاده, ابراهیم, کاظم‌نژاد, انوشیروان,

سابقه و هدف: یکی از روش‌های آماری تحلیل داده‌های بقا، مدل رگرسیونی کاکس است که نیازمند پذیره‌هایی مانند متناسب بودن مخاطرات است. در چند دهه اخیر به‌کارگیری مدل شبکه عصبی مصنوعی برای پیش‌بینی داده‌های بقا، افزایش یافته است. این مطالعه به منظور پیش‌بینی بقای بیماران مبتلا به سرطان معده به کمک دو مدل رگرسیونی کاکس و شبکه عصبی مصنوعی انجام شده است. مواد و روش‌ها: طی سال‌های 1381 لغایت 1385، تعداد ...

ژورنال: :علوم و فنون نقشه برداری 0
محمد اصلانی m. aslani faculty of geodesy and geomatics eng. k.n.toosi university of technology no 1346, valiasr street, mirdamad cross, tehran, iran 19967-15433گروه مهندسی gis، دانشکده مهندسی نقشه برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی تهران، خیابان ولی عصر، تقاطع میرداماد، کد پستی 15433-19967 محمد طالعی m. taleai faculty of geodesy and geomatics eng. k.n.toosi university of technology no 1346, valiasr street, mirdamad cross, tehran, iran 19967-15433گروه مهندسی gis، دانشکده مهندسی نقشه برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی تهران، خیابان ولی عصر، تقاطع میرداماد، کدپستی 15433-19967

آنچه سامانه های اطلاعات مکانی (gis) با آن روبه رو هستند، اطلاعاتی است که در قالب لایه های مکانی مدون گشته اند. یکی از مهم ترین وظایف سامانه های اطلاعات مکانی تحلیل لایه ها به منظور مدل سازی پدیده های مکان مرجع است. عدم توجه کافی به چنین مدل سازی هایی می تواند منجر به نتایج غیرواقعی در تصمیم گیری های مکانی و در پی آن خسارات مالی زیادی شود. در بسیاری از مدل سازی های مکانی، راه حل تحلیلی خاصی برای...

ژورنال: :مجله دانشگاه علوم پزشکی مازندران 0
علیرضا افشاری صفوی alireza afshari safavi msc student in biostatistics, students research committee, kermanshah university of medical sciences, kermanshah, iranدانشجوی کارشناسی ارشد آمار زیستی، کمیته تحقیقات دانشجویی، دانشگاه علوم پزشکی کرمانشاه، کرمانشاه، ایران اقبال زند کریمی eghbal zand karimi msc student in biostatistics, students research committee, kermanshah university of medical sciences, kermanshah, iranکرمانشاه: دانشگاه علوم پزشکی کرمانشاه، کمیته تحقیقات دانشجویی منصور رضایی mansour rezaei assistant professor, medical biology research center, kermanshah university of medical sciences, kermanshah, iranاستادیار، گروه آمار زیستی، مرکز تحقیقات بیولوژی، دانشکده پزشکی، دانشگاه علوم پزشکی کرمانشاه، کرمانشاه، ایران حسنعلی محبی hassanali mohebi associate professor, department of thoracic surgery, baqiyatallah university of medical sciences, tehran, iranدانشیار، گروه جراحی قفسه سینه، دانشگاه علوم پزشکی بقیه الله (عج)، تهران، ایران شعبان مهرورز shaban mehrvarz associate professor, department of general surgery, baqiyatallah university of medical sciences, tehran, iranدانشیار، گروه جراحی عمومی، دانشگاه علوم پزشکی بقیه الله (عج)، تهران، ایران محمد رسول خرمی mohammad rasoul khorrami general practitioner, baqiyatallah university of medical sciences, tehran, iranپزشک عمومی، دانشگاه علوم پزشکی بقیه الله (عج)، تهران، ایران

سابقه و هدف: به علت تنوع علائم آپاندیسیت حاد و اشتراک آن با بسیاری از بیماری های شکم، تشخیص آپاندیسیت حاد مشکل است. تاخیر در تأیید تشخیص آپاندیسیت می تواند، نتیجه ای مهلک برای بیماران داشته باشد. این مطالعه با هدف مقایسه مدل شبکه عصبی مصنوعی با آزمایش های متداول در تشخیص آپاندیسیت حاد انجام گرفت. مواد و روش ها: 100 بیمار مشکوک به آپاندیسیت حاد وارد مطالعه شدند. تعداد گلبول های سفیدخون (wbc)، پر...

ژورنال: مرتع و آبخیزداری 2012
علی سلاجقه, محسن محسنی ساروی, محمد مهدوی مریم خسروی

با توجه به کمبود ایستگاه‌های اندازه‌گیری در کشور، لزوم استفاده از مدل‌های تجربی برآورد دبی‌ حداکثر لحظه‌ای بسیار ضروری است. در این پژوهش از دو مدل شبکه عصبی و رگرسیون چندمتغیره غیرخطی برای پیش‌بینی دبی اوج در حوزة آبخیز طالقان استفاده گردید. با استفاده از آمار دبی‌های متوسط حداکثر روزانه و بارش‌های متناظر، یک روز قبل و پنج روز قبل و مجموع بارندگی پنج روزه و همچنین دمای میانگین ماهانه در واحدهای...

ژورنال: محیط شناسی 2009
آلاله قائمی اشکان فرخ‌نیا روح‌اله نوری محمد علی عبدلی

پیش‌بینی کمیت تولید، نقشی اساسی در بهینه‌سازی و برنامه‌ریزی سیستم مدیریت مواد زاید جامد شهری دارد. اما به دلیل طبیعت ناهمگون و تأثیر عوامل متنوع و خارج از کنترل بر تولید، همواره با مشکلات زیادی همراه بوده است. شبکة عصبی مصنوعی اخیراً در بسیاری از کاربردهای مهندسی نظیر مهندسی محیط زیست به عنوان ابزاری قدرتمند در مدلسازی مورد توجه قرار گرفته است. در این تحقیق با توجه به دینامیک و پیچیده بودن سیستم...

ژورنال: :سنجش از دور و gis ایران 0
فرحناز تقوی استادیار مؤسسۀ ژئوفیزیک، دانشگاه تهران عباس احمدی استادیار دانشکده مهندسی صنایع و سیستم های مدیریت، دانشگاه صنعتی امیرکبیر، تهران زهرا زرگران دانشجوی کارشناسی ارشد مهندسی دانش و علوم تصمیم، دانشگاه علوم اقتصادی، تهران

در این مطالعه، مدلی ترکیبی از شبکه های عصبی ماژولار و پردازش تصاویر مادیس برای محاسبۀ دمای سطح زمین، در منطقه ای شامل شهر تهران، ارائه شده است. در این مدل، داده های تصاویر حرارتی با تکیه بر ویژگی های دمای درخشندگی در باندهای حرارتی 31 و 32 میکرومترسنجندۀ مادیس، به منزلۀ ورودی در شبکه‎های عصبی ماژولار به کار رفته و روش جدیدی براساس ترکیبی از شبکۀ عصبی نگاشت خودسازمانده و الگوریتم بهینه سازی تجمع...

نمودار تعداد نتایج جستجو در هر سال

با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید