نتایج جستجو برای: الگوریتم شبکه عصبی مصنوعی ann
تعداد نتایج: 87854 فیلتر نتایج به سال:
به دلیل عدم وجود ایستگاه های سنجش میزان رسوب در فرایند فرسایش بادی، تخمین میزان بار رسوب در زمینه این فرایند امری ضروری و مهم تلقی می شود. شبکه های عصبی مصنوعی می توانند به عنوان ابزاری کارآمد جهت برآورد و شبیه سازی رسوبات موثر واقع شوند. در این تحقیق از دو نوع شبکه عصبی مصنوعی پرسپترون چند لایه و شبکه عصبی شعاعی برای برآورد و برازش مقدار رسوبات بادی در منطقه کرسیا شهرستان داراب استفاده گردید....
برای شبیه سازی فرآیند بارش - رواناب در سطح حوزه آبخیز کسیلیان با مساحت حدود 68 کیلومترمربع واقع در شمال ایران، مدل (HEC-HMS) و روش شبکه عصبی مصنوعی(ANN) بکار گرفته شد. شبکه عصبی دارای قابلیت بالایی برای برقراری ارتباط بین داده های ورودی و خروجی و مدل(HEC-HMS) دارای قابلیت بالایی در بهینه سازی آبنمود شبیه سازی شده می باشد. عامل هدر رفت اولیه خاک به عنوان یک معیار کمی در برگیرنده سه فاک...
پیشبینی بازارهای مالی یکی از سرفصلهای مهم در حوزه مالی و مطالعات پژوهشی است. اهمیت پیشبینی از یک سو و پیچیدگی آن از سوی دیگر باعث شده است که تحقیقات زیادی در این زمینه انجام شود. در این پژوهش از یک روش ترکیبی شامل تبدیل موجک، مدل ARMA-EGARCH و شبکه عصبی مصنوعی برای پیشبینی یک دورهای قیمت سهام در بازارهای ایران و آمریکا استفاده شده است. ابتدا به کمک تبدیل موجک سری زمانی را به چند سری جزئی و...
جرم اقتصادی در حال افزایش است و هیچ شرکتی از مکر تقلب و متقلبان در امان نیست. نتایج پژوهشهای پیشین نشان میدهد که اقتصادهای نوظهور بیشتر در معرض این خطر هستند. هدف اصلی این پژوهش ارائه الگویی برای کشف تقلب به وسیله حسابرسان با استفاده از شبکه عصبی مصنوعی پیشخور با الگوریتم پسانتشار خطا است. جامعه آماری پژوهش را سرپرستان، سرپرستان ارشد و مدیران موسسات حسابرسی عضو جامعه حسابداران رسمی ایران ت...
در این تحقیق سیستم سیال فوق بحرانی برای روغن گیری از هسته انار در دماهای 40 تا70 درجه سانتیگراد و در محدوده فشار200 تا 350 بار در شرایط آزمایشگاهی تست شده است. مدل سازی و شبیه سازی فرآیند روغن گیری با سیال فوق بحرانی با توجه به داده های آزمایشگاهی، از یک روش قابل اعتماد، با عنوان سیستمهای هوشمند انجام می شود. روشهای متعددی برای ساخت مدل توسط سیستمهای هوشمند از روی داده های ورودی-خروجی وجود دار...
پیشبینی در هیدرولوژی به معنی تخمین شرایط هیدرولوژیکی و هواشناسی در یک بازه زمانی خاص میباشد. در همین راستا، فهم رابطه بین بارش و رواناب یکی از ضروریترین مسائل برای مدیریت منابع آب میباشد. پژوهش حاضر با هدف مقایسه بین مدلهای مختلف شبکه عصبی مصنوعی (MLP وRBF) و سریهای زمانی آرما (ARMA) در برآورد دبی ماهانه در حوزه آبخیز طالقان برای یک دوره 30ساله بین سالهای 1356 تا 1386 پیریزی شد. در روش ...
هدف از این پژوهش مقایسه عملکرد مدلهای سری زمانی خطی باکس-جنکنیز و مدل مفهومیIHACRES ، مدل شبکه عصبی پرسپترون چندلایه و مدل هیبریدی ARMA-ANN به منظور شبیهسازی و پیشبینی جریان روزانه حوضه مارون میباشد. بدین منظور از دادههای 1370-1385 برای واسنجی و از دادههای 1386 -1396 برای صحتسنجی مدلها استفاده گردید. برای انتخاب مدلهای برتر باکس-جنکنز از آمارههای شوارتز ((SBC و معیار اطلاعات اکائیک (...
در این پژوهش، روش شبکه عصبی- الگوریتم ژنتیک برای بهینه سازی صافی سطح در برشکاری شیشه توسط فرآیند برشکاری جت آب همراه با ذرات ساینده پیشنهاد شده است. از شبکه عصبی مصنوعی برای مدلسازی و پیش بینی زبری سطح با توجه به پارامترهای فرآیند شامل فشار جت آب، سرعت پیشروی، نرخ ریزش ذرات ساینده و فاصله نازل تا سطح قطعه کار استفاده شده است. مقایسه نتایج به دست آمده از مدل شبکه عصبی با نتایج به دست آمده از آ...
یکی از راه های کمک به سرمایه گذاران و شرکت ها ارایه الگوهای پیش بینی ورشکستگی درباره شرکت ها است. در ابتدا در پیش بینی ورشکستگی از روش های مختلف آماری مانند تحلیل ممیز ، رگرسیون و تحلیل لوجیت استفاده می شده است. اما بعدها توسعه و پیشرفت علم و کسب آگاهی در خصوص توانایی های هوش مصنوعی (ann) (در زمینه شناسایی و دسته بندی الگوها می باشد) محققین توانستند از شبکه های عصبی برای پیش بینی ورشکستگی استفا...
با توجه به نیاز شبیه سازی سری های زمانی بارش در مقیاس های مختلف برای مقاصد مهندسی از یک طرف و عدم ثبت این پارامترها در مقیاس های ریز بدلیل مشکلات اجرایی و اقتصادی از طرف دیگر، ریزمقیاس کردن بارش به مقیاس مورد نظر، یک امر ضروری می باشد. در این مطالعه، برای ریزمقیاس کردن سری زمانی بارش ایستگاه های تبریز و سهند، با توجه به ویژگی های غیرخطی مقیاس های زمانی، مدل ترکیبی موجک - شبکه عصبی مصنوعی (WANN)...
نمودار تعداد نتایج جستجو در هر سال
با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید