به منظور تخمین زمانی- مکانی مقدار بارش ماهیانه، با توجه به پیچیدگی پدیده و در دسترس نبودن اطلاعات فیزیکی کافی و عدم اطلاع دقیق از روابط و معادلات ریاضی حاکم بر مسئله، معمولاً به سراغ ارائ? مدلهای جعبه سیاه، که مستقل از پارامترهای فیزیکی موثر بر پدیده و معادلات حاکم بین آنها می باشد، باید رفت. در این پایان نامه مدلی ترکیبی و جعبه سیاه تحت عنوان ann-rbf به منظور تخمین زمانی- مکانی مقدار بارش ماهی...

در سال های اخیر سیستم های هوشمند به طور فزاینده ای مورد توجه واقع شده است که شبکه های عصبی مصنوعی از این مجموعه می باشند. این شبکه ها با پردازش داده های تجربی، قانون نهفته در ورای این اطلاعات را استنتاج می کنند. مدل های شبکه عصبی مصنوعی در مورد فرایندهایی که تعریف دقیق و درک خاصی از آنها وجود ندارد، بسیار موثر عمل می کنند. در این مورد، این امر به اثبات رسیده است که شبکه های عصبی مصنوعی قادر می ...

پیش­بینی دقیق حجم درختان سرپا برحسب متر مکعب مبنای برآورد هر چه دقیق‌تر مقدار رویش، برداشت مجاز، ترسیب کربن زی‌تودۀ هوایی درختان و مدیریت بهینۀ جنگل براساس اصل توسعۀ پایدار محسوب می‌شود. از این‌رو، تحقیق حاضر با استفاده از شبکۀ عصبی مصنوعی در پی مدلسازی و پیش‌بینی حجم تجاری با حداکثر قطعیت است. پژوهش موردی جنگل سری 3 گلندرود نور بوده و اطلاعات دریافتی مستخرج از جدول‌های تجدید حجم ادارۀ کل منابع...

در این تحقیق از شبکه های عصبی برای پیش بینی راندمان استخراج فنل با استفاده از حلال تری بوتیل فسفات استفاده شده است. متغیرهای ورودی شبکه شامل نسبت حجمی آلی به آبی، سرعت روتور، دما، اسیدیته و زمان بوده و متغیر خروجی شبکه کارائی استخراج فنل انتخاب گردید. برای آموزش و ارزیابی شبکه عصبی از 184 داده تجربی استفاده شده است. برای به دست آوردن ساختار بهینه شبکه مورد نظر از شبکه با تعداد لایه ها و نرن های...

با توجه به محدودبودن منابع آب شیرین در جهان، استفادۀ مجدد از پساب های شهری تصفیه شده به خصوص در مناطق خشک و نیمه خشک مانند ایران ضرروی به نظر می رسد. از این رو تصفیۀ صحیح، مدیریت و کنترل فرایند تصفیه نیازمند بررسی دقیق پارامترهای مـؤثر در این فرایند است. لذا با توجه به عدم قطعیت در پارامترهای کیفی فرایند تصفیه و پیچیدگی ارتباط آن ها، در این مطالعه از مدل های هوش مصنوعی مانند فازی (fl) و شبکه ها...

تخصیص نظرها و متن‎های منتشر شدۀ کاربران در فضای مجازی به طبقاتی با احساسات مثبت یا منفی، در تحقیق‌های مربوط به متن‌کاوی اهمیت بسیار زیادی دارد. هدف این مقاله، استفاده و مقایسۀ روش‌های یادگیری ماشین در طبقه‌بندی متن‎های فارسی بر اساس احساسات کاربران فعال در فضای مجازی است. داده‌های پژوهش، مجموعه نظرهای منتشرشده دربارۀ فیلم‌های ایرانی و خارجی در بازۀ زمانی 1392 تا 1395 در سایت‌های سینمایی و نقد ف...

شبکه های عصبی از جایگاه خاصی در علوم غیرخطی برخوردارند. این شبکه ها با بهره گیری از ساختار غیرخطی خود، می توانند به تحلیل رفتار سیستم هایی بپردازند که دوره تناوب کوتاه مدت ندارند. در مجموع شبکه های عصبی در سیستم هایی کارکرد دارند که رفتار گذشته ی آن ها در دسترس باشد. کاربرد های شبکه های عصبی عبارت از طبقه بندی اطلاعات، تشخیص الگو و یا پیش بینی رفتار سیستم های خطی و غیرخطی است. یکی از پر کاربردت...

شبکه های عصبی مصنوعی توانست سکته قلبی را در آینده نزدیک (2 هفته) را با دقت قابل چشم گیر در بیماران با نوار قلب غیر تشخیصی پیش بینی کند. همچنین استفاده از الگوریتم ژنتیک به منظور بهینه سازی در شبکه چند لایه ای پرسپترون توانست دقت عملکرد شبکه های عصبی را به طور چشم گیری بهبود ببخشد.

پیش بینی کوتاه مدت بار الکتریکی در بهره برداری سیستم های قدرت، نقش اساسی ایفا می نماید. در این پروژه، پیش بینی بار الکتریکی به دو صورت پیش بینی منحنی بار مصرفی در روز آینده و پیش بینی بار ساعت آینده ارائه شده است. با بررسی شبکه ها و ساختارهای مختلف، مشخص شد که با استفاده از شبکه عصبی پرسپترون سه لایه با متغیرهای ورودی شامل بار روز قبل، متوسط، مینیمم و ماکزیمم دمای روز قبل و کد روز هفته، بهترین ...

تبدیل موجک یکی از روش­های نوین و بسیار موثر در زمینه تحلیل سیگنال­ها و سری­های زمانی است. در این روش سیگنال شاخص بارش استاندارد (SPI) با استفاده از موجک مادر منتخب تجزیه شده، داده­های حاصل به­عنوان ورودی مدل شبکه عصبی مصنوعی در نظر گرفته شده و یک مدل تلفیقی برای پیش­بینی خشکسالی ارائه می­گردد. در این تحقیق، از شبکه­های عصبی مصنوعی پرسپترون چند لایه (MLP) و تابع پایه‌ای شعاعی ((RBF، سری زمانی AR...