دمای بحرانی، دمایی است که در بالای آن دما هر چه فشار وارد بر یک گاز را افزایش دهیم تبدیل به مایع نمی شود. در این پروژه از سیستم استنتاج فازی- عصبی تطبیقی (anfis) برای پیشگویی دمای بحرانی 165 ترکیب آلی استفاده شد. ابتدا ساختار ترکیبات در نرم افزار hyper chem رسم و با روش نیمه تجربی am1 بهینه شدند، سپس با استفاده از نرم افزار dragon، 1497 توصیف کننده محاسبه شد. از روش مرحله ای به عنوان روش انتخاب...

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 ...

    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. ...

در این تحقیق از روش های مبتنی بر هوش مصنوعی شامل شبکه عصبی مصنوعی (ann)، عصبی-فازی در قالب دو روش anfis و canfis و روش ترکیبی عصبی با الگوریتم ژنتیک (annga) برای مدل سازی تبخیر تعرق گیاه مرجع (et0) و گیاه سیر (etc) استفاده شد. نتایج به دست آمده از مدل های هوشمند با داده های سال های 1376 و 1377 لایسیمتر زهکش دار برای گیاه مرجع چمن و سال های 1387 و 1388 برای گیاه سیر واسنجی شد. داده های هواشناسی ...

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...

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...

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. ...