تعیین میزان فرسایش خاک و بار رسوبی رودخانه عملاً کاری مشکل است؛ بنابراین روش های مختلفی برای آن ها پیشنهاد شده است. یکی از روش های نوین در حل مسائل مهندسی آب و همچنین برآورد رسوب معلق رودخانه ها، استفاده از شبکه عصبی مصنوعی است که با الگو برداری از شبکه مغز انسان، ضمن اجرای فرآیند آموزش، روابط درونی بین داده ها را کشف کرده و به موقعیت های دیگر تعمیم می دهد. هدف از انجام این تحقیق، بررسی کارآیی ر...

سابقه و هدف: شوری خاک عامل مهم در کاهش عملکرد مزارع نیشکر واقع در جنوب غربی ایران می‌باشد. بنابراین مطالعه و پایش این عامل در زمین‌های تحت کشت نیشکر، امری لازم و ضروری می‌باشد. اما با توجه به وسعت زیاد مناطق زیر کشت نیشکر و تعدد زیاد مزرعه‌ها، مطالعه و پایش این عوامل در هر مزرعه بسیار وقت‌گیر و پرهزینه است. استفاده از مدل‌های کامپیوتری با توجه به سرعت بالا و هزینه کم، به‌عنوان گزینه‌ای مناسب جه...

در این مطالعه ارتباط بین وزن­های تولد، از شیرگیری و پایان پروار با وزن دنبه 69 رأس گوسفند بلوچی توسط روش­های شبکه عصبی مصنوعی و رگرسیون چندگانه بررسی شد. هر دو روش با دقت بالایی وزن دنبه را پیش­بینی کردند. هر چند که میانگین خطا به صورت معنی­داری در روش شبکه عصبی مصنوعی کمتر از رگرسیون چندگانه بود. ضریب تعیین برآورد شده در روش شبکه عصبی مصنوعی (93/0) بالاتر از رگرسیون چندگانه (81/0) به دست آمد. ...

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...

هدف اصلی این مقاله پیش بینی ضریب انتشار طولی در رودخانه های طبیعی با استفاده از مدل توسعه داده شده شبکه عصبی مصنوعی بر مبنای توابع آموزش شبه-نیوتنی بود. به این منظور از اطلاعات هیدرولیکی و هندسه جریان استفاده گردید. مجموع کل اطلاعات مورد استفاده در این تحقیق، 100 سری داده بود که به سه دسته آموزش، دسته نظارت بر آموزش و دسته آزمایش تقسیم شد. در این تحقیق، ابتدا با دیدی انتقادی به مرور برخی از مهم...

در این مقاله روش کمینه‌سازی توابع هدف با کمک شبکه‌های عصبی موجک چند لایه، جهت مدل‌سازی توموگرافی یونوسفر به عنوان یک روش جدید ارائه شده است. براساس روش توموگرافی، تابع هدفی تعریف گردیده و سپس با کمک شبکه‌های عصبی موجک چند لایه (WNN) طراحی شده، مقدار این تابع هدف به کمترین میزان خود می‌رسد. جهت بهینه‌سازی وزن‌ها و بایاس‌ها در شبکه‌های عصبی، می‌بایستی از یک الگوریتم آموزش مناسب بهره گرفت. به همین...

شبکه عصبی مصنوعی از جمله روش های جدید تخمین تغییرات پدیده ها می باشد که در شاخه های مختلف علوم کاربرد گسترده ای پیدا کرده است. راندمان تله اندازی رسوب و حجم رسوبگذاری شده مخازن سدها نیز از جمله مسائلی است که می تواند با این روش مورد بررسی قرار گیرد. هدف از انجام این تحقیق، تعیین راندمان تله اندازی رسوب در سدهای تأخیری با استفاده از روش های شبکه عصبی و مقایسه آنها با مدل های رگرسیونی است. برای ا...

در این مقاله، شبیه سازی روابط بین پارامترها و هندسه جوش قوس الکتریکی با استفاده از شبکه عصبی مصنوعی که با اطلاعات تجربی 216 نمونه تجربی ایجاد شده، ارائه شده است. شبکه عصبی مصنوعی گسترش داده شده در این مقاله از الگوریتم پس انتشار خطا و با دو لایه پنهان بهره می برد که در آن شش پارامتر شدت جریان، طول قوس، سرعت حرکت الکترود، زاویه الکترود با خط جوش، حرکت عرضی و نوع الکترود به عنوان ورودی و چهار عام...

در این مقاله از الگوریتم تازه گسترش یافته کرم شب تاب برای بهینه سازی فرآیند برش شیشه با جت آب همراه با ذرات ساینده که فرآیندی چند متغیره غیر خطی است، استفاده گردید. در روش پیشنهادی به منظور مدل سازی و پیش بینی زبری سطح فرآیند برش شیشه؛ با توجه به پارامترهای فرآیند شامل فشار جت آب، سرعت پیشروی، نرخ ریزش ذرات ساینده و فاصله نازل تا سطح قطعه کار از شبکه عصبی مصنوعی پیشخور با باز انتشار خطا استفاده...

هدف پژوهش حاضر مقایسه قدرت پیش­بینی روش­های شبکه عصبی فازی با شبکه عصبی موجک فازی در پیش‌بینی قیمت سهام بانک‌ها در بورس اوراق بهادار تهران است. دوره پژوهش این پژوهش از سال 1390 تا 1395 است. در این پژوهش، از سیستم منطق فازی به همراه سیستم شبکه عصبی چندلایه با ساختار بهینه‌سازی پس انتشار خطا و ماکزیمم همپوشانی تبدیل موجک گسسته برای متغیرهای نرخ ارز، نفت اوپک، طلا، شاخص کل سهام و همچنین حجم معاملا...