نتایج جستجو برای: شبکه های عصبی پرسپترون چند لایه
تعداد نتایج: 511709 فیلتر نتایج به سال:
چکیده خیار یک میوه پر مصرف در ایران است که مصرف زیادی در تمام فصول دارد؛ لذا بررسی پارامترهای موثر در میزان کیفیت آن امری اجتناب ناپذیر به نظر می رسد. با توجه به صرف هزینه و زمان زیاد برای اندازه گیری پارامتر ها، پیش-بینی آن ها با توجه به عوامل تاثیرگذار بسیار مفیدتر خواهد بود. در تحقیق حاضر ارتباط بین دو ویژگی مکانیکی (شاخص تردی و سفتی) و فشار صدای حاصل از شکستن (پاسخ آکوستیک) میوه خیار با زما...
پیش بینی دما از کاربردی ترین برآوردهای عناصر آب و هوایی است. امروزه بخش های کشاورزی و صنعت وابستگی زیادی به شرایط دمایی (آب و هوا) دارند. دما یکی از فراسنج های بسیار مهم آب و هوایی است و از عوامل اصلی هویت آب و هوایی هر ناحیه محسوب می شود. هدف از انجام این پژوهش، مدل سازی برای پیش بینی میانگین دمای ماهانه ایستگاه های منتخب استان اصفهان است؛ از این رو، پس از بررسی طول دوره آماری ایستگاههای موجود...
این مقاله مطالعه ای برای مقایسه توان پیش بینی روند قیمت سه ام با استفاده از شبکه های عصبی ترکیبی آموزش پذیراصلاح شده در مقابل سایر شبکه های آموزش پذیر و غیر آموزش پذیر ترکیبی است . داده های تاریخی به کار رفته در اینتحقیق از شرکت پتروشیمی خارگ، پذیرفته شده در بورس اوراق بهادار ایران بدست آمده اند . شرکت پتروشیمی خا رگ ازبزرگترین تولید کنندگان ایرانی محصولات پتروشیمی از جمله متانول است و به دلیل ...
دراین مطالعه به منظور بررسی عوامل مؤثر بر ضایعات نان و تعیین روابط کوتاهمدت، بلندمدت و ضریب تصحیح خطا بین ضایعات نان و متغیرهای مستقل مؤثر برآن طی سالهای 1385-1357 و پیشبینی ضایعات نان از الگوی سری زمانی چند متغیره ARDL استفاده شده است. بر اساس الگوی ARDL ضایعات نان در بلندمدت تابعی مستقیم از تولید ناخالص ملی و رشد شهرنشینی میباشد و قیمت نان و ضریب جینی بر ضایعات نان اثر معکوس دارند. در کوت...
هدف این پژوهش ارزیابی کارآیی مدل شبکه عصبی مصنوعی برای تهیه نقشه پیشبینی رویشگاههای گیاهی در مراتع استان قم است. بدین منظور، با رویهمگذاری نقشههای شیب، جهت و ارتفاع، واحدهای همگن تهیه شدند و نمونهبرداری از پوشش گیاهی و خاک انجام شد. در آخر نقشه مربوط به متغیرهای محیطی با استفاده از سامانه اطلاعات جغرافیاییو زمینآمار تهیه شد. برای تهیه مدل شبکه عصبی از پرسپترون چندلایه بهرهگیری شد. پس از...
در این پژوهش کالیبراسیون رنگی اسکنر با استفاده از شبکه عصبی پرسپترون با سه لایه و چهارلایه و الگوریتـم آمـوزش پس انتشار خطا برای پارچه های پلی استر رنگی انجام شد. نتایج نشان می دهد که اگر نمونه های آموزشی به صورت تصادفی انتخاب شوند، جوابهای مناسبی به دست نمی آید. لیکن استفاده از نمونه های آموزشی انتخابی برای مشخصه های l*a*b* یا rgb منجر به جوابهای مناسب می شود. هرچند نتایج نمونه های انتخابی از ...
هدف اصلی این مقاله پیشبینی ورشکستگی مالی شرکتها در بورس اوراق بهادار تهران به وسیلهی شبکههای عصبی مصنوعی است. مقادیر میانگین مربوط به نسبتهای مالی کلیدی در پژوهشهای صورت گرفته در پیشینه موضوع بهعنوان ورودی شبکههای عصبی انتخاب شدهاند. شبکه عصبی بهکار گرفته شده در این مقاله از نوع پرسپترون چند لایه است که به روش الگوریتم پس انتشار خطا آموزش دیدهاند و شامل شبکه عصبی پیشخور سه لایه با ت...
دستگاههایی که برای جداسازی پسته مورد استفاده قرار میگیرند حجیم بوده، انرژی زیادی مصرف مینمایند و چندان دقیق نیستند. در این پژوهش یک دستگاه هوشمند مبتنی بر انعکاس صدا طراحی و برای جداسازی پسته پوک از پستههای مغزدار مورد استفاده قرار گرفت. برای ارزیابی دستگاه، پسته به طور جداگانه با فواصل 1، 3 یا 5 سانتیمتر بر روی یک نوار نقاله قرار داده شدند تا از دو ارتفاع 25 و 35 سانتیمتری بر روی یک صف...
همگام با پیشرفت تکنولوژی نیاز به سیستم های بازشناسی به هنگام چهره به طور فزاینده ای رو به گسترش می باشد. این امر کلاسه بندی های متعارف و معمول در زمینه بازشناسی چهره را با چالشهایی مواجه ساخته است. زمان آموزش طولانی، پیکربندی و ساختار ثابت کلاسه بندی های موجود و عدم وجود توانایی در یادگیری نمونه های جدید بدون فراموش کردن نمونه های قبلی، از اهم این موارد می باشد. ایده استفاده از شبکه های عصبی مب...
یکی از پیشرفته ترین مدلهای پیش بینی کننده ورشکستگی٬ مدل «شبکه عصبی مصنوعی» است. مطابق نتایج تحقیق ساختار اصلی پرسپترون سه و چهار لایه برای پیش بینی ورشکستگی شرکتها به مدلهایی شبیه یکدیگر منتهی می شود که در این میان شبکه سه لایه از قدرت پیش بینی بیشتری نسبت به شبکه چهار لایه برخوردار است.این تحقیق نشان می دهد که «به کارگیری مدلهای مبتنی بر شبکه عصبی توانایی مدیریتهای مالی را برای مقابله با نوسان...
نمودار تعداد نتایج جستجو در هر سال
با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید