استقرار نظام رتبه بندی اعتباری با توجه به حجم انبوه مطالبات معوق بانک ها، یکی از مهمترین ابزارهای کنترل ریسک اعتباری در بانک ها و موسسات مالی است. بر این اساس، هدف اصلی این مقاله رتبه بندی اعتباری مشتریان حقوقی یکی از بانک های دولتی داخل با استفاده از شبکه های عصبی است. شبکه های عصبی به دلیل دقت به مراتب بالاتر و حجم محاسبات پایین تر نسبت به سایر روش های کلاسیک در پیش بینی رفتار اعتباری افراد ح...

خشکسالی پدیده­ای طبیعی است که می­تواند در هر جایی رخ دهد و خسارات قابل توجهی به بشر و سازه­های طبیعی وارد آورد. در این تحقیق به منظور پیش­بینی شاخص خشکسالیبارش استاندارد، از دو نوع شبکه­های عصبی­مصنوعی، پرسپترون چند لایه و تابع پایه­ی شعاعی و مدل­های سری­زمانی استفاده شد. به این منظور، در ابتدا مقادیر شاخص بارش استاندارد در دوره­های سه، شش، نه و دوازده ماهه­ی ایستگاه­های منتخب استان خوزستان محا...

تبخیر مؤلفه‏ای اساسی در چرخه هیدرولوژی است و نقش مهمی در مدیریت منابع آب دارد. در این تحقیق عملکرد مدل‏های شبکه عصبی مصنوعی (ann) و ماشین بردار پشتیبان (svm) در تخمین تبخیر روزانه ارزیابی شده است. داده‏های روزانه هواشناسی میانگین دما، سرعت باد، فشار هوا، رطوبت نسبی، بارش، دمای نقطه شبنم، و ساعت آفتابی ایستگاه‏های سینوپتیک تبریز و مراغه، به منزله ورودی مدل‏های ann و svm، برای تخمین تبخیر روزانه ...

بررسی روش هم محلی توابع پایه ای شعاعی برای حل معادلات دیفرانسیل جزئی سهموی غیر موضعی

در این پایان¬نامه ما یک روش بدون شبکه از خطوط را به¬کار می¬بریم، که با استفاده از توابع پایه¬ای شعاعی معادلات دیفرانسیل با مشتقات جزئی غیرخطی تبدیل به معادلات دیفرانسیل معمولی می شود سپس با استفاده از روش¬ رانگ کوتا مرتبه چهارم جواب مساله را در گام¬های زمانی به¬دست می¬آوریم. دقت روش¬ها بر اساس نرم¬های خطا ارزیابی شده است.

مشکل تنگنای ابعاد، یکی از چالش هایی است که کاربرد الگوریتم های یادگیری تقویتی گسسته را در مورد مسائل کنترلی واقعی که دارای فضای حالت و عمل بزرگ و یا پیوسته می باشند محدود نموده است. ترکیب روش های آموزشی گسسته با تقریب زننده های تابعی برای حل این مشکل چندی است مورد توجه محققان قرارگرفته است. در همین راستا در این مقاله یک الگوریتم جدید یادگیری تقویتی عصبی (NRL) بر مبنای معماری نقاد- تنها معرف...

سرعت عملیات حفاری اثر مستقیمی بر روی هزینه‌های حفاری دارد و پارامترهای مختلفی ازجمله خواص سیال حفاری و هیدرولیک مته بر روی آن مؤثر است. بنابراین استفاده از مدل‌هایی با در نظر گرفتن پارامترهای مختلف که دقت بالا داشته باشند اهمیت فراوانی دارد. ازآنجاییکه ارتباط این پارامترها با یکدیگر پیچیده است نیاز به یک روش محاسباتی قابل اجرا دارد. شبکه عصبی مصنوعی یک روش محاسباتی نوین برای یادگیری است که برای...

پیش‌بینی صحیح تغییرات تراز سطح آب مخازن به عنوان یکی از مسائل مهم جهت مدیریت، طراحی، بهره‌برداری از سدها و تأمین نیازهای آبی مطرح می‌باشد. در این مطالعه بر پایه پنج مدل نرم رگرسیون بردار پشتیبان (SVR)، سیستم استنتاج عصبی-فازی تطبیقی (ANFIS)، شبکه عصبی (ANN)، شبکه عصبی شعاعی (RBFNN) و شبکه عصبی مبتنی بر رگرسیون عمومی (GRNN) و استفاده تلفیقی از نتایج آن‌ها به عنوان ورودی به یکی از این پنج مدل، سا...

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...

چکیده ندارد.