این تحقیق به پیش بینی پذیری رفتار بازده سهام در بورس اوراق بهادار بوسیله مدل خطی عاملی و شبکه های عصبی مصنوعی می پردازد. جهت آزمون این مساله، قیمت روزانه سهام شرکت توسعه صنایع بهشهر به عنوان نمونه انتخاب شده است. متغیرهای مستقل (ورودی های) تحقیق، پنج متغیر کلان اقتصادی، یعنی شاخص کل قیمت بورس تهران، نرخ ارز (دلار) در بازار آزاد، قیمت نفت، قیمت طلا می باشد. برای برازش مدل عاملی از رگرسیون خطی چن...

در این مقاله با استفاده از شبکه های عصبی مصنوعی و با در نظر گرفتن شاخص های اقتصادی و اجتماعی، تقاضای انرژی بخش حمل و نقل کشور در سال های 1386 تا 1400 پیش بینی شده است. از شبکه های عصبی رو به جلو با ناظر برای پیش بینی و از الگوریتم پس انتشار برای آموزش شبکه ها استفاده شده است. برای بررسی تأثیر شاخص های اقتصادی و اجتماعی بر تقاضای انرژی بخش حمل و نقل، داده های مربوط به تولید ناخالص داخلی، جمع...

در این تحقیق سیستم تعادلی پایپرزین-آب- دی اکسیدکربن با استفاده از مدل های شبکه عصبی مدل سازی شده است. در مدل از دو شبکه عصبی mlp, rbf استفاده شده است. در یادگیری شبکه ها الگوریتم پس انتشار خطا به کار رفته است. برای آموزش و تست شبکه های عصبی یک مرور کلی بر کارهای تجربی در زمینه حلالیت دی اکسیدکربن در محلول آبی پایپرزین انجام شده و داده های تجربی جمع آوری و طبقه بندی شده است. نتایج شبکه های عصبی ...

در این پروژه با توجه به قابلیت بالای شبکه های عصبی مصنوعی در مدلسازی سیستم های غیرخطی، سعی شده که عضله تحریک شده را توسط شبکه های عصبی بصورت جعبه سیاه و بدون توجه به کارکرد اجزای تشکیل دهنده آن مدلسازی کرد. در این کارتحقیقاتی، جهت مدلسازی عضله تحریک شده شبکه های عصبی پس از انتشار خطا و شبکه های عصبی مبتنی بر توابع پایه شعاعی پیاده سازی شده اند. برای یادگیری شبکه های مبتنی ب توابع پایه شعاعی (rb...

برآورد میزان رسوبات معلق در رودخانه‏ها از ابعاد مختلف کشاورزی، حفاظت خاک، سد سازی، حیات آبزیان، و همچنین جنبه‏های مختلف تحقیقاتی اهمیت فراوانی دارد. روش‏های مختلفی برای بررسی و برآورد رسوبات معلق رودخانه‏ها وجود دارد که البته توانایی این روش‏ها در برآورد رسوبات متفاوت است. هدف از این مطالعه برآورد رسوبات معلق رودخانه با استفاده از شبکة عصبی پیش خور پس انتشار خطا با الگوریتم آموزشی لونبرگ - مارک...

هدف اصلی از این تحقیق ، بهبود توانایی پاسخ شبکه عصبی انتشار متقابل در تحلیل و بهینه سازی سازه ها می باشد. برای رسیدن به آن تغییری در ضرایب اموزش داده شده که در نتیجه عملکرد بهتری حاصل گردیده است. شبکه با دو روش متفاوت آموزش داده می شود: زوج های آموزشی تولید شده تصادفی و ژنتیکی برای امتحان کردن توانایی شبکه ، مثالهای متفاوتی مورد بررسی قرار گرفته است.نتایج شبکه عصبی انتشار متقابل آموزش دیده با ز...

در این مقاله به منظور بررسی ارتباط بین افت فشار سیکلون جداسازی و پارامترهای هندسی سیکلون غبارگیری، سه نوع شبکه عصبی مصنوعی انتشار بازگشتی[1]، شبکه عصبی تابع پایه شعاعی[2] و شبکه عصبی رگرسیون تعمیم یافته[3] به کارگرفته شده­اند. پس از آموزش آن­ها با داده­های تجربی، پارامترهای بهینه عملکردی هر کدام شبکه ها، با روش جستجوی چند مرحله ای[4] به دست آمده اند. شبکه­ها بر اساس میزان ضریب همبستگی[5]، خطای ...

در این مقاله یک شبکه عصبی راف بهبود یافته به منظور شناسایی سیستم  های غیرخطی آشوبی ارائه شده است. شبکه  های عصبی راف نوعی از ساختارهای عصبی هستند که براساس نرون  های راف طراحی می  شوند. یک نرون راف را می  توان بصورت زوجی از نرون  ها در نظر گرفت، که به نرون  های کرانه بالا و کرانه پایین موسوم هستند. رویکرد نرون راف استفاده از محاسبات بازه  ای در شبکه عصبی را امکان پذیر می  سازد، بنابراین می  توا...