نتایج جستجو برای: شبکه عصبی مدل mlp و rbf
تعداد نتایج: 772978 فیلتر نتایج به سال:
پیشبینی تراز آب زیرزمینی به منظور مدیریت و برنامهریزی منابع آب، بسیار مهم است. برای انجام این پیشبینی، از روشهای متعددی مانند روشهای استوکستیکی، منطق فازی و شبکه عصبی مصنوعی میتوان استفاده نمود. در تحقیق حاضر، مدل شبکه عصبی مصنوعی rbf هیبرید برای پیشبینی تراز آب زیرزمینی دشت شاهرود مورد استفاده قرار گرفته است. این هیبرید بودن شبکه باعث افزایش دقت روش نسبت به شبکه rbf پایه میشود. بدین من...
پیش بینی سود هر سهم و تغییرات آن به عنوان یک رویداد اقتصادی از دیر باز مورد علاقه سرمایه گذاران ، مدیران ، تحلیل گران مالی ، محققین و اعتبار دهندگان بوده است. این توجه ناشی از استفاده سود در مدل های ارزیابی سهام ، کمک به کارکرد کارای بازار سرمایه ( ارتباط مفروض بین تغییرات سود و تغییرات قیمت سهام )، ارزیابی توان پرداخت ( سود سهام، بهره و سایر تعهدات )، ارزیابی ریسک، ارزیابی عملکرد واحد اقتصادی ...
استفاده از شبکه های عصبی مصنوعی بهعنوان روشی جدید برای برآورد مشخصه های فیزیکی محصولات کشاورزی و درجه بندی آنها بر حسب پارامترهای مختلف مطرح شده است. در این پژوهش ابتدا مقادیر مشخصه های فیزیکی 100 عدد پرتقال رقم محلی دزفول شامل سه بعد هندسی، جرم، حجم و سطح تصویر عمودی اندازه گیری شد و از دو شبکه عصبی مصنوعی برای مدلسازی جرم و حجم پرتقال برحسب ابعاد هندسی (ANN(h,w,t)) و سطح تصویر (ANN(A)) میوه ا...
در این تحقیق قابلیت مدل شبکه عصبی در پیشبینی پراکنش مکانی گونههای گیاهی ارزیابی شده است. با توجه به هدف، اطلاعات پوشش گیاهی و عوامل رویشگاهی شامل اقلیم، خاک، پستی و بلندی و زمینشناسی جمعآوری شد. برای نمونهبرداری از پوشش گیاهی در هر تیپ رویشی، 3 ترانسکت150 متری مستقر و در هر ترانسکت 15 پلات با فواصل 10 متر (به روش تصادفی-سیستماتیک) مستقر شد. برای تجزیه و تحلیل اطلاعات و ارائه نقشه عوامل محی...
estimate of sediment load is required in a wide spectrum of water resources engineering problems. the nonlinear nature of suspended sediment load series necessitates the utilization of nonlinear methods to simulate the suspended sediment load. in this study artificial neural networks (anns) are employed to estimate daily suspended sediment load. two different ann algorithms, multi layer percept...
آب بخش شهری زاهدان از طریق انتقال آب از مخازن چاه نیمه سیستان تأمین شده که خود دچار بحران شدید آبی است. از اینرو پیشبینی تقاضای آب شرب این شهر، کمک مؤثری به مدیران و بهرهبرداران سیستم آب شهری خواهد نمود، تا بتوانند نسبت به مدیریت صحیح مصرف اقدام نمایند. لذا در این مقاله از شبکههای عصبی مصنوعی GMDH و RBF که از ابزارهای قدرتمند برای تجزیه و تحلیل و مدلسازی روابط غیرخطی به حساب می آیند، برای ب...
زمینه و هدف: بیماری دیابت شیوع بالایی در جامعه دارد و در صورت عدم کنترل، دارای عوارض جبران ناپذیری است و باعث آسیب زدن به چشم و نابینایی می شود. هدف این مطالعه مقایسه کارایی و قدرت پیش بینی مدل آماری رگرسیون لجستیک چندگانه با مدل شبکه عصبی مصنوعی پرسپترون چندلایه(mlp) در تفکیک بیماران دیابتی دارای رتینوپاتی از دیابتی بدون رتینوپاتی است. روش کار: نمونه ها از بین 16000 پرونده بیماران دیابتی مرک...
Multilayer perceptrons (MLP) has been proven to be very successful in many applications including classification. The activation function is the source of the MLP power. Careful selection of the activation function has a huge impact on the network performance. This paper gives a quantitative comparison of the four most commonly used activation functions, including the Gaussian RBF network, over...
خشکسالی یک رویداد طبیعی است که می تواند خسارات قابل توجهی را به زندگی بشر وارد سازد. پیش بینی خشکسالی نقش موثری را در مدیریت منابع آب ایفا می کند. در این تحقیق به منظور پیش بینی خشکسالی سه مدل ترکیبی از انواع شبکه های عصبی و تبدیل موجک ارائه شده است و سپس با استفاده از این مدل ها، شاخص بارش استاندارد (spi) برای 12 ماه آینده در ایستگاه سینوپتیک یزد پیش بینی گردیده است. شبکه های عصبی مصنوعی توانا...
هدف اصلی این مقاله، مدلسازی و پیش بینی میزان صادرات آبزیان دریایی در ایران است. برای این منظور، از روش های سری زمانی خود توضیح جمعی میانگین متحرک(ARIMA) و شبکه عصبی مصنوعی استفاده می شود. به منظور انجام بررسی، از داده های ماهانه دوره 1374:03 تا 1387:12 برای برآورد و آموزش مدل و از داده های دوره از 1388:01 تا 1390:12 به منظور بررسی قدرت پیش بینی مدل های مختلف استفاده می شود. در این مطالعه، معیار...
نمودار تعداد نتایج جستجو در هر سال
با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید