نتایج جستجو برای: شبکه عصبی خودسازمانده
تعداد نتایج: 42641 فیلتر نتایج به سال:
امروزه روشهای هوشمند و الهام گرفته از طبعیت در حل مسائل پیچیده طرفداران زیادی دارد یکی از پرطرفدارترین و کاراترین این ساختارها، شبکههای عصبی مصنوعی هستند که قادرند یک رابطه کلی بین اطلاعات حجیم و پیچیده ناشی از آزمایشها و مثالهای تجربی به دست آورند. از طرف دیگر، ترکیب بتن الیافی با بتن خودتراکم، یک نوع بتن جدید با سیالیت بالا و چسبندگی خوب تولید میکند. این نوع بتن به علت حضور الیاف دارای م...
برآورد دبی اوج سیلاب در حوزههای آبخیز یکی از مهمترین مسائلی است که هیدرولوژیستها و کارشناسان بخش آب را بهخود مشغول کرده است. یکی از روشهای نوین در حل مسائل مهندسی آب و رودخانهها و همچنین، برآورد دبی اوج لحظهای، استفاده از شبکههای عصبی مصنوعی میباشد که با الگوبرداری از شبکه مغز انسان ضمن اجرای فرآیند آموزش، روابط درونی بین دادهها را کشف و برای موقعیتهای دیگر تعمیم میدهد. هدف از ا...
نظر به اهمیت تشخیص مکانیزه آفات گیاهان، در این پژوهش تشخیص آفت نخود توسط تکنیک پردازش تصویر با بهره گیری از شبکه های عصبی مصنوعی شبیه سازی شده است. بدین منظور تعدادی تصویر در ابعاد 18پیکسل از نخودهای سالم و آسیب دیده بعنوان تصاویر آموزش تهیه شده و پس از استخراج ویژگی آنها ×27 توسط موجک گابور، بعنوان داده های آموزشی به شبکه عصبی اعمال گردید. سپس برای تست شبکه، یک دسته از داده ها که در آموزش شبکه...
سابقه و هدف: پیشبینی دقیق تولید شیر یکی از ملزومات مدیریت دامپروری و مدلسازی درآمد دامداران در تجزیه و تحلیل های هزینه-فایده میباشد. بطوری که پیشبینی دقیق رکوردهای آینده میتواند طول دوره رکوردبرداری را کاهش دهد. برآوردهای زودهنگام ارزش اصلاحی گاوهای نر با استفاده از رکوردهای بخشی از دوره شیردهی میتواند باعث کاهش فاصله نسل و بیشتر شدن شدت انتخاب و پیشرفت ژنتیکی گردد. مدل خطی یکی از روشهای ...
با توجه به کمبود ایستگاههای اندازهگیری در کشور، لزوم استفاده از مدلهای تجربی برآورد دبی حداکثر لحظهای بسیار ضروری است. در این پژوهش از دو مدل شبکه عصبی و رگرسیون چندمتغیره غیرخطی برای پیشبینی دبی اوج در حوزة آبخیز طالقان استفاده گردید. با استفاده از آمار دبیهای متوسط حداکثر روزانه و بارشهای متناظر، یک روز قبل و پنج روز قبل و مجموع بارندگی پنج روزه و همچنین دمای میانگین ماهانه در واحدهای...
در مقاله حاضر قابلیت مدل خود همبسته شبکه عصبی مصنوعی دینامیک برای پیشبینی جریان ماهانه ورودی مخزن سد دز ارزیابی شده و نتایج به دست آمده با مدل خودهمبسته شبکه عصبی مصنوعی استاتیک مقایسه شده است. در تحقیقات قبل مقایسه مدلهای استاتیک و دینامیک در شبکههای عصبی مصنوعی صورت نگرفته است. ضمناً تحقیق حاضر از حیث خودهمبستگی مدل شبکه عصبی مصنوعی، دارای نوآوری میباشد. در این تحقیق آبدهی های ماهانه بین ...
با توجه به نرخ بالای مرگ و میر ناشی از بیماری سرطان سینه در میان زنان، آشکارسازی زودهنگام روشی موثر در تشخیص سریع و هدایت این بیماری و امکان معالجه به موقع و در نتیجه کاهش مرگ و میر می باشد. بسیاری از روش های هوشمند مانند دسته بندی کننده های عصبی که قابلیت یادگیری بر اساس داده های آموزشی را دارند دارای این مشکل اساسی هستند که نحوه و روند دسته بندی در هنگام ارزیابی نا مشخص و گنگ می باشد. به ای...
در این پایان نامه تحقیقاتی پیرامون بهبود عملکرد شبکه عصبی انتشار متقابل (cpn) صورت گرفته تا بدین ترتیب زمینه کاربرد موثرتر و بهتر آن در طرح بهینه سازه ها فراهم شود. این تحقیقات منجر به انجام اصلاحات جدیدی در روش آموزش شبکه، ارائه فرمولی جدید برای محاسبه ضرائب آموزشی بصورت پویا، و همچنین آشکار ساختن نحوه تاثیر پارامترهای مختلف بر روی عملکرد شبکه گردیده است . بررسیهای بعمل آمده کاهش خطای شبکه و ب...
گسترش سریع استفاده از شبکه های عصبی مصنوعی ( ann) به عنوان مدل تجربی و کارآمد در علوم مختلف از جمله هواشناسی و اقلیم شناسی نشان دهنده ضرورت ارزش بالای مطالعه این مدل هاست. پیش بینی بارش برای اهداف مختلفی نظیر برآورد سیلاب، خشکسالی، مدیریت حوضه آبریز، کشاورزی و ... دارای اهمیت بسیاری است. هدف این مقاله پیش بینی بارش ماهانه با استفاده از شبکه های عصبی مصنوعی در شهر تهران می باشد. در این تحقیق از ...
چکیده مقدمه: سرطان پستان رایجترین شکل سرطان در زنان است. تشخیص بهموقع سرطان شانس زنده ماندن بیمار را افزایش میدهد. شبکههای عصبی مصنوعی از روشهای نوین مدلسازی و پیشبینی هستند. هدف از این مطالعه تشخیص خوشخیم یا بدخیم بودن تودههای سرطان پستان است که برای این منظور سیستم تصمیمیار مبتنی بر شبکه عصبی احتمالی طراحی شد. روش بررسی: در این مطالعه یک شبکه عصبی احتمالی طراحی شد که بر اساس متغیره...
نمودار تعداد نتایج جستجو در هر سال
با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید