تقریب تابع ارزش عمل با استفاده از شبکه توابع پایه شعاعی برای یادگیری تقویتی

مدل‏سازی جریان سیال با استفاده از روش بدون شبکه محلی پترو-گلرگین بر پایه تابع شعاعی

در این مطالعه ابتدا به معرفی کامل روش بدون شبکه محلی پترو-گلرکین بر پایه تابع شعاعی پرداخته می‌شود. در این راستا با استخراج انواع معادلات جریان سیال شامل حرکت آب در خاک، کانال جریان و شکست سد سعی شده است با استفاده از مبانی ریاضی روش بدون شبکه، معادلات جریان رابطه‏سازی شود. نتایج نشان می‏دهد روش باقی‌مانده وزنی به عنوان یک روش‌ دقیق و به‏روز برای دست‏یابی به پاسخ‌های تقریبی معادله‌های‌ دیفرانسی...

پیش بینی تراز آب زیرزمینی دشت شاهرود استفاده از شبکه عصبی مصنوعی تابع پایه شعاعی

     Groundwater level prediction is an important issue in scheduling and managing water resources. A number of approaches such as stochastic, fuzzy networks and artificial neural network have been used for such prediction. A neural network model has been employed in this research for Shahrood plain groundwater level prediction. For this reason, statistical parameters of groundwater level fluct...

تخمین نرخ نفوذ حفاری با استفاده از ماشین یادگیری افراطی و شبکه های عصبی پایه شعاعی

ساختارعصبی تقریب تابع مبتنی بر dignet برای یادگیری تقویتی

یادگیری تقویتی عبارت است از قالب بندی یک مسئله به فرم یادگیری از طریق تعامل برای رسیدن به هدف. زمانی که فضای حالات و یا کنش ها پیوسته و یا خیلی بزرگ شود استفاده از عناصر حافظه برای نگه داری ارزش حالات بسیار زیاد خواهد شد. این مسئله در رابطه با زمانی که در طول یادگیری ارزش کنش ها به دست آورده می شود، بحرانی تر خواهد شد. علاوه بر حافظه مصرفی مسئله ، داده و زمان لازم برای پر کردن آنها نیز مهم است....

تخمین تبخیر روزانه از تشت تبخیر با استفاده از سه شبکه عصبی پرسپترون چندلایه، تابع پایه شعاعی و المانی

پیش بینی حجم کوفتگی سیب با استفاده از شبکه عصبی تابع پایه شعاعی RBF ( و مقایسه آن با مدل رگرسیونی)