نتایج جستجو برای: مدل عصبی فیتزهاگ ناگومو

تعداد نتایج: 129194  

ژورنال: :مدیریت بهره وری 0

هدف این تحقیق توسعه یک مدل از شبکه های عصبی برای شناسایی مشتریان راضی برای بازاریابی ارایه سرویس های تعمیراتی خودروها بود. داده ها از بررسی ده سرویس دهنده خدمات خودرویی در ایران بدست آمدند. شبکه های عصبی چند لایه با تابع آموزش تانژانت هایپربولیک با الگوریتم آموزشی پیش خور برای ساخت مدل شناسایی به کار گرفته شد. نتایج مشخص ساخت که دقت مدل شناسایی آزمایش روی مدل بزرگتر از آن است که اتفاقی به نظر ب...

ژورنال: :علمی پژوهشی زراعت و فناوری زعفران 2015
عظیم شیردلی ابوالفضل توسلی

با پدید آمدن تکنیک­های آماری قوی و شبکه­های عصبی، مدل­های پیش بینی کننده عملکرد محصولات زراعی به سرعت رو به توسعه است. بدین منظور آزمایشی در منطقه تربت حیدریه با هدف پیش بینی عملکرد و کارآیی مصرف آب زعفران با استفاده از مدل شبکه عصبی مصنوعی انجام گرفت. واسنجی و اعتباریابی مدل­ها نیز با استفاده از آمار عملکرد محصول و پارامترهای اقلیمی سال 91-1390 صورت پذیرفت. ارزیابی مدل­ها نیز با شاخص­های آماری...

ژورنال: اکو هیدرولوژی 2018

شناخت دقیق پارامترهای هیدروژئولوژیکی مانند قابلیت انتقال، هدایت هیدرولیکی و ضریب ذخیره یا آبدهی ویژه از جمله پارامترهای مهم برای پیش‏بینی شرایط آبخوان هستند که عموماً تعیین آنها برای نقاط مختلف آبخوان با هزینه‏های فراوانی انجام می‏‌شود. در سال‏های اخیر، از مدل‏های هوش مصنوعی به عنوان جایگزین روش‏های انطباق منحنی تیپ برای تعیین پارامترهای هیدرودینامیکی آبخوان‏ها استفاده شده است. بنابراین، در مطال...

ژورنال: :جغرافیا و برنامه ریزی 0
عطاالله ندیری استادیار گروه علوم زمین ، دانشگاه تبریز. کیوان نادری دانشجوی کارشناسی ارشد هیدروژئولوژی اصغر اصغری مقدم استاد گروه زمین شناسی، دانشگاه تبریز محمدحسن حبیبی دانشجوی کارشناسی ارشد هیدروژئولوژی

نبود منابع آب سطحی دائمی در بسیاری از نقاط کشور باعث اضافه برداشت آب از منابع محدود زیرزمینی شده است. در دشت دوزدوزان که در حوضه آبریز دریاچه ارومیه قرار دارد، به­دلیل عدم جریان سطحی دائمی برداشت بی­رویه از منابع آب زیرزمینی باعث ایجاد متوسط افت 76 سانتی­متر در سال شده است. هدف از این تحقیق پیش­بینی سطح آب زیرزمینی در این دشت با استفاده از روش­های هوش مصنوعی و زمین آمار می­باشد. در ابتدا با است...

ژورنال: مرتع و آبخیزداری 2012
علی سلاجقه, محسن محسنی ساروی, محمد مهدوی مریم خسروی

با توجه به کمبود ایستگاه‌های اندازه‌گیری در کشور، لزوم استفاده از مدل‌های تجربی برآورد دبی‌ حداکثر لحظه‌ای بسیار ضروری است. در این پژوهش از دو مدل شبکه عصبی و رگرسیون چندمتغیره غیرخطی برای پیش‌بینی دبی اوج در حوزة آبخیز طالقان استفاده گردید. با استفاده از آمار دبی‌های متوسط حداکثر روزانه و بارش‌های متناظر، یک روز قبل و پنج روز قبل و مجموع بارندگی پنج روزه و همچنین دمای میانگین ماهانه در واحدهای...

موضوع شناخت و بررسی رفتار قیمت سهام، همواره یکی از موضوع­های مهم و موردتوجه محافل علمی و سرمایه‌گذاری بوده است. در سالیان گذشته مدل­های گوناگونی برای پیش‌بینی با استفاده از شبکه عصبی و مدل­های ترکیبی پیشنهاد شده‌اند که از مدل­های سنتی عملکرد بهتری داشتند. در این پژوهش یک مدل ترکیبی از شبکه عصبی و تبدیل موجک پیشنهادشده است که از الگوریتم ژنتیک برای بهینه­سازی تابع پایه تبدیل موجک با هدف حداکثر ن...

پرش هیدرولیکی نوع B پرشی است که روی سطح شیبدار با شیب مثبت یک شوت تحت شرایط خاص اتفاق می­افتد، به گونه­ای که تعیین عمق ثانویه و طول غلتاب در آن برای حفاظت از سازه­های ساخته شده و جلوگیری از آبشستگی ضروری است. دراین پژوهش کاربرد دو روش هوشمند سامانه استنتاج فازی و فازی - عصبی بحث و بررسی شده است. برای مد­­ل­سازی از داده­های آزمایشگاهی استفاده و کد نویسی در محیط نرم افزار متلب انجام شد. از الگو...

دمای هوا که در ایستگاه‌های هواشناسی استاندارد اندازه‌گیری می‌شود یکی از توصیف‌کننده‌های اصلی وضعیت محیط زمین است. بنابراین برآورد و تخمین دقیق دمای متوسط روزانه در هر منطقه یکی از پیش­نیازهای مهم برای برنامه‌ریزی کشاورزی و نیز مدیریت منابع آب می‌باشد که به روش‌های مختلفی همچون مدل‌های تجربی، نیمه تجربی و هوشمند قابل انجام است. در این پژوهش کاربرد شبکه عصبی موجک به منظور بر...

ژورنال: دانش آب و خاک 2017
حامد عباسی, حمید میرهاشمی, سعید جهانبخش اصل سعید فرزین, علی محمد خورشیددوست

تبخیر پتانسیل از جمله مؤلفه‌های چرخه آب در طبیعت است که پیش‌بینی آن یک کار پیچیده و غیرخطی است. بنابراین، برای تخمین آن بایستی از مدل‌های پیشرفته ریاضی استفاده نمود. مطالعه حاضر، با هدف ارائه مدل پیش‌بینی سری زمانی پتانسیل تبخیر روزانه ایستگاه تبریز با استفاده از دو رویکرد شبکه عصبی و شبکه عصبی ـ موجکی همراه با نویززدایی داده‌ها انجام گرفت. سری زمانی روزانه مقدار تبخیر تشتک تبخیرسنج ایستگاه تبر...

جواد بهمنش, مجتبی منتصری نسرین آزاد طلاتپه وحیدرضا وردی نژاد

     تبخیر-تعرق یکیازمؤلفه­هایمهمدرمصرفمنابعآب در بخش کشاورزیمی­باشد. لذا ارائه روشی که پیش­بینی مناسب و دقیقی از میزان تبخیر-تعرق مرجع را بدهد، می­تواند در اخذتصمیم­ بهینهبرایبرنامه­ریزی منابع آب کمککند. دراینتحقیق،روش­های سری زمانی و شبکه­های عصبی مصنوعی درپیش­بینیتبخیر-تعرق مرجع ماهانهدرایستگاهسینوپتیک ارومیهموردمقایسه قرار گرفتند. بدین منظور در گام نخست بهترین مدل سری زمانی از بین مدل­های A...

نمودار تعداد نتایج جستجو در هر سال

با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید