تعیین بهترین تابع فعالسازی لایه خروجی در شبکه عصبی برای پیش‌بینی دبی اوج

Authors

  • سلاجقه , علی دانشگاه تهران
  • محسنی ساروی, محسن دانشگاه تهران
  • مهدوی, محمد دانشگاه تهران
Abstract:

  یکی از روش­های پیش­بینی دبی اوج استفاده از مدل جعبه سیاه از جمله شبکه عصبی مصنوعی است. نقطه ضعف شبکه­های عصبی در جعبه سیاه عدم وجود قانون تایید شده برای معماری شبکه آنها است، معیار مناسبی برای تعیین تعداد لایه­ و تعداد نرون در لایه پنهان، نوع تابع فعالسازی برای لایه پنهان و لایه خروجی وجود نداشته و تنها راه­ حل استفاده از روش سعی و خطا می­باشد. در این تحقیق با استفاده از شبکه عصبی پرسپترون و با ثابت نگه داشتن نوع تابع فعالسازی برای لایه پنهان نوع تابع فعالسازی در لایه خروجی برای دو زیرحوزه گته­ده و گلینک واقع در حوزه آبخیز طالقان بررسی گردید. 20 درصد داده­ها برای مرحله آزمایش، 65 درصد برای مرحله آموزش و 15 درصد برای مرحله اعتبارسنجی وارد نرم­افزار مطلب شدند و دو تابع فعالسازی خطی و سیگموئیدی برای لایه خروجی انتخاب گردید. در هر دو ایستگاه تابع خطی با داشتن کمترین RMSE برای لایه خروجی مناسب تشخیص داده شد و تعداد نرون مناسب در ایستگاه گته­ده پنج و در ایستگاه گلینک شش انتخاب شد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

مهندسی شبکه های عصبی توسط اتوماتانهای یادگیر: تعیین اندازه مطلوب برای شبکه های عصبی سه لایه

هدف از مهندسی شبکه های عصبی بررسی معایب و مزایای شبکه های عصبی مصنوعی و ارایه روشهایی برای بهبود کارایی آنهاست. یکی از موضوعات مورد بحث در مهندسی شبکه های عصبی چند لایه، یافتن ساختار مناسب(نزدیک به بهینه) برای حل مسئله می باشد. معیار و نحوه انتخاب اندازه شبکه عصبی برای یک مسئله خاص هنوز شناخته شده نیست. در روشهای کلاسیک،طراح شبکه در ابتدای آموزش ساختاری را برای شبکه تعیین و سپس شبکه را آموزش می...

full text

شبیه‌سازی شبکه عصبی مصنوعی در برآورد ماکزیمم دبی خروجی شکست سدهای خاکی و زمان شکست

تاکنون مدل‌های زیادی جهت تشریح فرآیند پیچیدة شکست سدهای خاکی و سیل ناشی ازآن پیشنهاد شده است. این مدل ها شامل مدل های فیزیکی، ریاضی ویا کامپیوتری می باشند. از جملة این مدل‌ها، مدل BREACH می‌باشد که بطور وسیع درقرن اخیر مورد استفاده قرارگرفته است. این مدل بر مبنای روابط فرسایش، قوانیـن هیـدرولیـک، انتقـال رسوب و مکـانیـک خاک پایـه‌گـذاری شده است و توانایی محاسبه ابعاد نهایی مقطع شکست و هیدروگراف...

full text

مهندسی شبکه های عصبی توسط اتوماتانهای یادگیر: تعیین اندازه مطلوب برای شبکه های عصبی سه لایه

هدف از مهندسی شبکه های عصبی بررسی معایب و مزایای شبکه های عصبی مصنوعی و ارایه روشهایی برای بهبود کارایی آنهاست. یکی از موضوعات مورد بحث در مهندسی شبکه های عصبی چند لایه، یافتن ساختار مناسب(نزدیک به بهینه) برای حل مسئله می باشد. معیار و نحوه انتخاب اندازه شبکه عصبی برای یک مسئله خاص هنوز شناخته شده نیست. در روشهای کلاسیک،طراح شبکه در ابتدای آموزش ساختاری را برای شبکه تعیین و سپس شبکه را آموزش می...

full text

تخمین دبی اوج سیلاب و حجم رواناب رگبار با استفاده از شبکه عصبی- فازی تطبیقی (مطالعه موردی: حوزه آبخیز کسیلیان)

     Prediction of flood peak discharge and runoff volume is one of the major challenges in the management of watersheds. The present study was carried out to estimate event flood peak discharge and runoff volume using artificial neural network (ANN) and adaptive neuro-fuzzy inference system (ANFIS) in Kasilian watershed, Iran. For this purpose, 15 rainfall characteristics were considered for 6...

full text

شبیه سازی شبکه عصبی مصنوعی در برآورد ماکزیمم دبی خروجی شکست سدهای خاکی و زمان شکست

تاکنون مدل های زیادی جهت تشریح فرآیند پیچیدة شکست سدهای خاکی و سیل ناشی ازآن پیشنهاد شده است. این مدل ها شامل مدل های فیزیکی، ریاضی ویا کامپیوتری می باشند. از جملة این مدل ها، مدل breach می باشد که بطور وسیع درقرن اخیر مورد استفاده قرارگرفته است. این مدل بر مبنای روابط فرسایش، قوانیـن هیـدرولیـک، انتقـال رسوب و مکـانیـک خاک پایـه گـذاری شده است و توانایی محاسبه ابعاد نهایی مقطع شکست و هیدروگراف...

full text

بررسی تجربی و مدلسازی شبکه عصبی برای پیشبینی ضریب شکست الکلهای خالص و مخلوط دوتایی

در این پژوهش ضریب شکست نمونه های خالص الکلهای نوع اول و مخلوط‌های دوتایی آنها به دو روش تجربی و مدلسازی مورد بررسی قرار گرفت. در روش تجربی از دستگاه رفرکتومتر برای اندازه گیری ضریب شکست استفاده شد و در روش مدلسازی، با به کارگیری شبکه عصبی مصنوعی پرسپترون چندلایه مدلسازی شد. به همین منظور ورودی های شبکه مربوط به مواد خالص، دما، جرم مولکولی و گروه های عاملی CH3، CH2 و OH و برای مخلوط ها کسر مولی،...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 4  issue 12

pages  61- 64

publication date 2010-10

By following a journal you will be notified via email when a new issue of this journal is published.

Keywords

No Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023