در این مقاله اثر صحیح کوانتومی هال با اعمال ناخالصی, به دو صورت تابع دلتای دیراک و تابع گوسی به روش تبدیل پیمانه ای بررسی شده است. در حضور این ناخالصیها, ترازهای لاندائو به دو دسته ترازهای گسترده و جایگزیده تبدیل شده و پله هال ایجاد می گردد. در ادامه یک ناخالصی به صورت نقطه کوانتومی به سیستم دارای ناخالصی, اضافه می شود و مشاهده می گردد که افزایش پهنا و ارتفاع نقطه کوانتومی در جهت از بین بردن پل...

هدف از این مقاله، تعیین فرکانس زاویه‌ای طبیعی ورق‏ها با توجه به شرایط مختلف تکیه‌گاهی به کمک شبکه عصبی مصنوعی است. یکی از مشهورترین روش‏های آموزش شبکه عصبی، استفاده از الگوریتم انتشار برگشتی است. این الگوریتم برای آموزش شبکه‌های چند لایه قابل کاربرد است. الگوریتم انتشار برگشتی بر مبنای کاهش گرادیان بوده و در آن شیب خطا به تدریج کم شده و وزن‏های شبکه برای رسیدن به حداقل خطا، تعدیل می‌شود. در این...

پیش‌بینی مؤلفه‌های باد از جمله سرعت باد یکی از عوامل مهم به خصوص در بحث تبخیر در یک حوزه آبخیز محسوب می‌گردد. در این مقاله سعی گردید، جهت افزایش کارایی مدل‌های هوش مصنوعی، در پیش‌بینی سرعت باد، دو مدل شبکه عصبی و فازی-عصبی با تئوری موجک ترکیب شده و دو مدل هیبرید جدید ارائه گردید. در این تحقیق با استفاده از برخی پارامتر‌های اقلیمی ایستگاه همدیدی یزد از جمله سرعت باد، دمای متوسط، دمای بیشینه، رطو...

بخش عمده ای از منابع درآمدی دولت، از طریق مالیات تامین می شود. فرار مالیاتی و گریز از مالیات در کشورها باعث شده است تا درآمدهای مالیاتی کشورها، همواره از آنچه که برآورد می شود، کمتر باشد و تمامی کشورها تلاش خود را برای کاهش این دو پدیده به کار می گیرند یا از طریق اصلاح نظام مالیاتی، به چاره جویی برمی خیزند. در این مقاله با استفاده از تکنیک شبکه عصبی مصنوعی به بررسی و مدل سازی حجم اقتصاد پن...

  چکید ه   سابقه و هدف   مدل رگرسیون کاکس، یکی از روش‏های رایج تحلیل داده‏های بقا می‏باشد که قبل از به ‏کارگیری آن لازم است فرض متناسب بودن خطرات برقرار باشد. اخیراً مدل‏های شبکه عصبی بدون نیاز به فرض خاص، جایگزینی مناسب در پیش‏بینی بقا می‏باشند. هدف از این مطالعه، مقایسه‏ توانایی مدل رگرسیون کاکس و شبکه عصبی مصنوعی در پیش‏بینی بقای بیماران لوسمی حاد بود.   مواد و روش‌ها   در یک مطالعه گذشته‏نگر...

در دهه ‏های اخیر شبکه ‏های عصبی مصنوعی به عنوان ابزاری موفق در تخمین و پیش ‏بینی پدیده‏ های هیدرولوژیکی به کار گرفته شده ‏اند. اگرچه استفاده از شبکه ­های عصبی مصنوعی امکان برآورد بار معلق رسوب رودخانه ­ها را با دقت و سرعت مناسب فراهم کرده است، اما دقت پیش­ بینی این مدل­ ها، به میزان زیادی تحت­ تاثیر دانش و درک کاربر از شبکه عصبی مصنوعی قرار دارد. در مطالعات منابع طبیعی و به ویژه مطالعات هیدرولو...

برآورد سیلاب و مدیریت آن از دیرباز مورد توجه کارشناسان و مدیران علوم محیطی بوده است. برای این امر روش‌‌های بسیاری وجود دارد که یکی از چشم‌گیرترین آن‌‌ها استفاده از شبکه‌‌های عصبی مصنوعی است. در این تحقیق، مدل بارش- رواناب حوضه آبریز رودخانه هلیل رود در جنوب‌شرق ایران ارائه شده است. ظهور تئوری‌های توانمند مانند منطق فازی و شبکه‌‌های عصبی مصنوعی(ANN)، الگوریتم ژنتیک و موجک تحولی عظیم در تحلیل رفت...

آسکوربات کلسیم نمک بافر اسید آسکوربیک حاوی کلسیم می باشد و در حفظ کیفیت و کاهش ضایعات محصولات کشاورزی در پس از برداشت مؤثر می باشد. در این مطالعه از مدل سازی شبکه عصبی مصنوعی جهت پیش بینی اثر آسکوربات کلسیم بر زمان ماندگاری قارچ دکمه ای استفاده گردید. پس از اعمال تیمار آسکوربات کلسیم در سه سطح 0، 4/0 و 8/0 درصد، قارچ ها در دمای 5/0±1 درجه سلسیوس و رطوبت نسبی 90% نگه داری و سپس صفات کیفی طی روزه...

در این پروژه، پارامترهای ذاتی مدار معادل سیگنال کوچک یک gaas hemt، در برابر بایاس (vds و vgs)، فرکانس (f) و دما(t) ، با استفاده از شبکه های عصبی پرسپترون چند لایه ای (mlp) و تابع پایه شعاعی (rbf) مدل شده اند. شبکه های عصبی پیاده سازی شده، شامل ساختارهایی با چهار ورودی (بایاس (vds و vgs)، دما و فرکانس) و هشت خروجی (مقدار پارمترهای ذاتی gaas hemt و نیز فرکانس قطع آن) می باشند، که در پایان از نظر ...

روشهای متداول طبقه بندی داده های سنجش از دور مانند روشهای آماری عمدتا وابسته به خصوصیات طیفی پدیده های زمینی هستند.از آنجائیکه اغلب این پدیده ها از ویژگیهای طیفی پیچیده ای برخوردار بوده و دارای مناطق همپوشانی با یکدیگر هستند، بنابراین زمانیکه این ویژگیهای طیفی به تنهایی بکار برده می شوند، نتایج رضایتبخشی بدست نمی آید.تجربیات نشان داده است که استفاده از داده های کمکی از قبیل :ارتفاع ، شیب و جهت ...