سرمازدگی یکی از مهم­ترین مخاطرات جوی است که خسارات زیادی را به محصولات کشاورزی وارد می­کند. یکی از راه­های مدیریت و کاهش خسارت­های ناشی از سرمازدگی، پیش­بینی دمای کمینه است. به‌این‌منظور، با استفاده از آمار روزانه پارامترهای کمینه دما، بیشینه دما و دمای نقطه شبنم در دوره آماری 2009- 2005، کمینه دمای روز بعد در چهار ایستگاه با اقلیم­های متفاوت توسط مدل رگرسیونی لیناکر و شبکه عصبی مصنوعی پرسپترون...

در این مقاله با توسعه روش های موجود و بر مبنای کمینه سازی خطا و حفظ تمایز بیشینه مابین نمونه ها یک روش پیش تعلیم لایه به لایه سریع و کارا جهت مقداردهی اولیه مناسب وزن ها در شبکه های عصبی با ساختارهای عمیق ارائه شده است. تعلیم شبکه های عصبی عمیق به دلیل مواجه با تعداد بالای کمینه های موضعی اغلب همگرا نمی گردد. درحالیکه با مقداردهی اولیه مناسب وزن های شبکه به جای مقادیر تصادفی در ابتدای مسیر تعلی...

در این مقاله یک شبکه عصبی راف بهبود یافته به منظور شناسایی سیستم  های غیرخطی آشوبی ارائه شده است. شبکه  های عصبی راف نوعی از ساختارهای عصبی هستند که براساس نرون  های راف طراحی می  شوند. یک نرون راف را می  توان بصورت زوجی از نرون  ها در نظر گرفت، که به نرون  های کرانه بالا و کرانه پایین موسوم هستند. رویکرد نرون راف استفاده از محاسبات بازه  ای در شبکه عصبی را امکان پذیر می  سازد، بنابراین می  توا...

با توجه به تغییرات اقلیمی و گرمایش جهانی، پیش­بینی دمای بیشینه و کمینه که از مهم‌ترین پارمترهای اقلیمی است، فرصت مناسبی را برای برنامه­ریزی و ارائه تمهیدات لازم در اختیار برنامه­ریزان قرار می‌دهد. در این پژوهش با استفاده از مدل ریزگردانی آماری دینامیک (SDSM) و مدل ریزگردانی براساس شبکه عصبی مصنوعی (ANN) بیشینه و کمینۀ دمای ایستگاه اصفهان شبیه­سازی شد. در این راستا از داده­های مرکز ملی پیش‌بینی ...

در این پژوهش کوچک مقیاس سازی دما در دشت تجن واقع در استان مازندران انجام گرفت. نتایج مدل­های گردش عمومی جو با مدل اقلیمیHadCM3تحت سناریوی A2به دست آمد. از آنجایی که خروجی مدل­های گردش عمومی جو دارای وضوح مکانی پایینی است می­بایست در سطح منطقه یا حوزه کوچک مقیاس شوند که این کار به روش آماری انجام شد. روش­های آماری مورد استفاده شامل مدل کوچک مقیاس سازی SDSM5.5.1 و مدل شبکه عصبی مصنوعی است. در این...

در این مقاله، یک روش پیش تعلیم دوسویه برای همگرا نمودن تعلیم شبکه های عصبی عمیق با یادگیری دیگرانجمنی ارائه شده است. تعلیم این شبکه ها به دلیل مواجه بودن با تعداد بالای کمینه های موضعی اغلب همگرا نمی گردد. این در حالی است که با مقداردهی اولیه مناسب وزن های شبکه، می توان از بسیاری از کمینه های موضعی اجتناب نمود. روش پیش تعلیم لایه به لایه دوسویه روشی سریع و کارا می باشد که در یک مسیر دوسویه به ط...

در این مقاله، کنترل سرعت سیستم های سروهیدرولیک با استفاده از شبکه های عصبی مورد بررسی قرار گرفته است. ساختار کنترلی عصبی مورد استفاده ساختار آموزش خطای پس خور fel می باشد و اساس آن مبتنی بر یادگیری دینامیک معکوس سیستم تحت کنترل و کمینه کردن خروجی کنترلر کلاسیک به عنوان تابع هزینه شبکه است. در این مقاله، از شبکه های پیش خور سه لایه استفاده شده و در لایه میانی آن، توابع سیگمویید انعطاف پذیر به کا...

با توجه به گسترش روزافزون مباحث طراحی براساس عملکرد در ایران نیاز به رابطه یی جهت تخمین پاسخ غیرکشسان ازه هاست. در این مطالعه نیز سعی بر آن است که پاسخ غیرکشسان سازه ها با ایجاد یک مجموعه داده ی مرجع بدون انجام تحلیل بر روی سازه ها به دست آورده شود. برای این منظور از شبکه های عصبی مصنوعی استفاده شده است. در این نوشتار پاسخ سازه های یک درجه آزادی با ویژگی های مختلف و ۳ نوع رفتار کاهنده تحت انواع...