مدل سازی با شبکه عصبی مصنوعی و نوع پرسپترون چند لایه به منظور ارزیابی استفاده از زئولیت و اسید سیتریک در کاهش تولید آفلاتوکسین در نان های خشک ضایعاتی در سطح شهر مشهد انجام شده است. نتایج نشان داده اند که مدل سازی با شبکه عصبی مصنوعی، روش مناسبی خصوصا در صنایع غذایی است و می توان با در نظر گرفتن تعدادی متغیر مستقل(ورودی) و با پارامتر های مشخص، متغیرهای خروجی(خروجی)را تخمین زد.

زعفران یکی از مهم ترین محصولات کشاورزی ایران به ویژه در استان های خراسان رضوی و جنوبی می باشد. پیش بینی عملکرد محصولات با استفاده از داده های موجود تأثیرات مهمی در مسایل اجتماعی- اقتصادی و تصمیم گیری های سیاسی در مقیاس منطقه ای دارد. اخیراً کاربرد شبکه های عصبی مصنوعی به عنوان ابزاری قوی که قادر به محاسبه معادلات پیچیده و تحلیل عددی با مناسب ترین تقریب می باشد در کشاورزی مرسوم شده است. این پژوهش...

هدف مطالعه حاضر، پیش‌بینی و ارایه مدل ریسک اعتباری جهت سرمایه‌پذیران تأمین ‌مالی جمعی مبتنی بر بدهی است. با توجه به پیچیدگی ارزیابی ریسک، بهترین معماری شبکه عصبی الگوریتم پرسپترون چند لایه برای شبیه‌سازی انتخاب شد. جامعه آماری این پژوهش، اطلاعات مالی پرونده‌ اعتباری/تسهیلاتی کلیه مشتریان (506 مورد) یکی از بانک‌های کشور مربوط به سال 98-97 است. به منظور معناداری رابطه شاخص‌های استخراج شده از نمون...

بهره‌گیری از روشهای مبتنی بر هوش مصنوعی برای کاهش نقش تفاسیر انسانی در تحلیل دا‌ده‌ها و اخذ نتایج مناسب، همراستا با افزایش سرعت، کاهش خطا و تعدیل هزینه-ها در فرآیندهای ارزیابی غیرمخرب و پایش سلامت سازه‌ها مورد توجه جدی محققان قرار گرفته است. در این پژوهش، طراحی و اجرای یک سامانه پایش سلامت سازه‌ای مبتنی بر پردازش هوشمند سیگنال امواج فراصوت هدایت شده به منظور شناسایی و دسته‌بندی سه نوع خرابی متد...

روش مگنتوتلوریک یکی از روشهای الکترومغناطیس با چشمه طبیعی است که برای کسب اطلاعات الکتریکی از ساختارهای زیرزمینی استفاده می‌شود. کاربرد این روش، بیشتر برای اکتشاف منابع زمین‌گرمایی، نفت و ذخایر معدنی است. با توجه به اینکه داده‌های اندازه‌گیری شده در  روش مذکور حجیم و دارای ساختاری پیچیده هستند، از این رو مدل‌سازی وارون داده‌های حاصل نسبت به دیگر روشهای الکتریکی مشکل‌تر و در بعضی از موارد ناممکن...

پیش بینی سود هر سهم و ارزیابی سودمندی سودهای گذشته برای پیش¬بینی، از دیرباز مورد توجه پژوهشگران بوده و بدین منظورازروش¬هاومدل¬های متفاوت به منظورپیش¬بینی سودهای آتی شرکت¬هااستفاده شده است. در این راستا، در پژوهش حاضر، مدل¬های سری زمانی توضیحی جمعی میانگین متحرک ARIMAوشبکه¬های عصبی مصنوعی از نوع پرسپترون چند لایه (MLP) مورداستفاده قرارگرفتند وپیش بینی¬هابرای سودهای فصلی شرکتهای پذیرفته شده درباز...

کاهش انتشارات ناشی از جنگلزدایی و تخریب جنگل ( ،)REDDراهکاری برای تعدیل تغییرات اقلیمی است که بهمنظور کاهش شدتجنگلزدایی و انتشار گازهای گلخانهای در کشورهای در حال توسعه بهکار گرفته میشود. در چند دهه اخیر، تغییرات شدید کاربری اراضیسبب کاهش میزان چشمگیری از جنگلهای هیرکانی واقع در استان مازندران شده است. تحقیق حاضر، با آگاهی از اهداف پروژههایREDDانجام شده است. بر همین اساس، تغیی...

در سال های اخیر، پژوهشگران از شاخه های مختلف علوم و مهندسی روش جدیدی تحت عنوان ((نظریه آشوب)) برای توصیف پیچیدگی در طبیعت تدوین کرده و گسترش داده اند. امروزه نظریه آشوب به عنوان یک ابزار پردازش قوی جهت بررسی سیستم های پیچیده در طبیعت مطرح است. سیستم های آشوبگونه دارای رفتاری کاملا معین است که به علت داشتن نمای لیاپانف مثبت با حساسیت نسبت به شرایط اولیه رفتار می کنند، به گونه ای که مسیرهای به ان...

سرمایه¬ فکری به عنوان سرمایه واقعی و یکی از مهمترین سرمایه¬های سازمانها و شرکتهای عصر حاضر مطرح است. هدف از اجرای این تحقیق بررسی عملکرد شبکه¬های عصبی مصنوعی در پیش¬بینی کارایی سرمایه فکری شرکت¬های پذیرفته شده در بورس اوراق بهادار می باشد. در این تحقیق ابتدا با استفاده از مدل تحلیل پوششی داده¬ها و با در نظر گرفتن متغیر ضریب ارزش افزوده سرمایه فکری به عنوان ورودی مدل و سه متغیر بازده سهام، نرخ ب...

در این پایان نامه کاربرد شبکه های عصبی پرسپترون چند لایه و تابع بنیادی شعاعی برای مدل کردن ترانزیستورهای توان بالا و فرکانس بالای ldmos ارائه شده است. اخیرا علاقه به ترانزیستور ldmos به خاطر کاربردهایش در تقویت کننده های توان rf در سیستم های ارتباطی بی سیم افزایش یافته است. اما غیر خطی بودن قطعه مسئله مهمی در این تقویت کننده هاست چون به هنگام اعمال سیگنال های با فرکانس نزدیک به هم در ورودی منجر...