نتایج جستجو برای: شبکه عصبی عمیق
تعداد نتایج: 53149 فیلتر نتایج به سال:
ساختمانها یکی از مهمترین سازههای شهری هستند که در کاربردهای مختلف و در نقشهبرداری شهری مورد استفاده قرار میگیرند. در سالهای اخیر، با توسعه تکنولوژی اخذ دادهها با توان تفکیک بالا، روشها و الگوریتمهای مختلفی به منظور استخراج مدلهای دقیق و بهنگام ساختمانها ارائه شده است. در این مقاله، روشی نوین و مدلمبنا به منظور استخراج ساختمانها و شناسایی اتوماتیک مدل سقف آنها از قبیل سقف مسطح، شیروا...
کشش عمیق یکی از پرکاربردترین فرآیندهای شکل دادن ورق های فلزی است که کاربرد گسترده ای در صنایع مختلف مانند اتومبیل سازی، هوا و فضا، پتروشیمی و داروسازی دارد. کیفیت قطعات تولیدی در این روش به عوامل متعددی مانند خواص ماده، هندسه قالب و پارامترهای تنظیمی فرآیند بستگی دارد. تنظیم نامناسب هر یک از این پارامترها باعث ایجاد عیوب مختلفی از جمله نازک شدگی، پارگی و چروکیدگی خواهد شد. هدف از این تحقیق مدل ...
ساختمانها یکی از مهمترین سازههای شهری هستند که در کاربردهای مختلف و در نقشهبرداری شهری مورد استفاده قرار میگیرند. در سالهای اخیر، با توسعه تکنولوژی اخذ دادهها با توان تفکیک بالا، روشها و الگوریتمهای مختلفی به منظور استخراج مدلهای دقیق و بهنگام ساختمانها ارائه شده است. در این مقاله، روشی نوین و مدلمبنا به منظور استخراج ساختمانها و شناسایی اتوماتیک مدل سقف آنها از قبیل سقف مسطح، شیرو...
در بازشناسی گفتار ویژگیهای مختلفی مورد استفاده قرار گرفته اند که موفقترین آنها ضرایب مل کپستروم هستند. این ویژگیها در شرایط نویزی معمولا عملکرد مطلوبی ندارند و تمایز کافی را نیز میان واحدهای بازشناسی گفتاری فراهم نمی کنند. از این رو تحقیقات متعددی درباره افزایش کارآیی ویژگیها در شرایط نویزی و همینطور تمیز صورت گرفته است. یکی از این روشها استفاده از ویژگیهای پی در پی است. در این روش به صورت کلاس...
یادگیری منیفلد یکی از روش های کاهش بعد مطرح به منظور استخراج ساختار غیرخطی داده با ابعاد بالا می باشد. تاکنون روش های زیادی به این منظور ارائه شده اند. در تمام این روش ها یک منیفلد به عنوان منیفلد جاسازی شده در داده استخراج می شود. در حالی که در خیلی از مسائل مربوط به دنیای واقعی یک منیفلد به تنهایی بیانگر ساختار داده نمی باشد. در این راستا بر مبنای تحقیقات قبلی، یک روش کاهش بعد غیرخطی مبتنی بر...
مدل سازی دبی رودخانه در مدیریت منابع آب و مدیریت ریسک از اهمیت بالایی برخوردار است. این امر در مناطق کوهستانی اهمیت بیشتری پیدا میکند زیرا بیشتر جمعیتهای پاییندست منطقه، وابستگی زیادی به کشاورزی و فعالیتهای تجاری مانند تولید برق دارند. در این زمینه، در سالهای اخیر، مدلهای یادگیری ماشینی به دلیل دقت بالا در پیشبینی از طریق یادگیری به-صورت جعبه سیاه مورد توجه زیادی قرار گرفتهاند. از این ...
در این تحقیق به آنالیز اثر بخشی الگوریتم جنگلهای تصادفی در زمینه آربیتراژ آماری پرداخته شده است، همچنین برای سنجش عملکرد الگوریتم جنگلهای تصادفی در زمینه آربیتراژ آماری نسبت به دیگر مدلهای ارائه شده در پژوهشهای پیشین، مقایسه نتایج بدست آمده از کاربرد این الگوریتم با الگوریتم شبکههای عصبی عمیق انجام شده است. مدلهای مورد نظر با اطلاعات مربوط به قیمت سهام آموزش داده شده و خروجی بدست آمده از ...
در سالهای اخیر، توسعهی پردازندههای کامپیوتری موجب معرفی الگوریتمهای جدیدی برای پیشبینی دادههای مالی شده است که یکی از این الگوریتمها، یادگیری ماشین (Machine Learning) است. از اینرو در پژوهش حاضر به معرفی یک مدل ترکیبی از شبکه یادگیری عمیق (Deep Learning) و مدلهای منتخب خانواده GARCH جهت پیشبینی کوتاهمدت بازدهی روزانه شاخص کل بورس اوراق بهادار تهران پرداخته میشود. مهمترین ویژگی شبکه ی...
نمودار تعداد نتایج جستجو در هر سال
با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید