نتایج جستجو برای: شبیه شبکه ی عصبی مصنوعی
تعداد نتایج: 161287 فیلتر نتایج به سال:
سابقه و هدف: یکی از روش های آماری تحلیل داده های بقا، مدل رگرسیونی کاکس است که نیازمند پذیره هایی مانند متناسب بودن مخاطرات است. در چند دهه اخیر به کارگیری مدل شبکه عصبی مصنوعی برای پیش بینی داده های بقا، افزایش یافته است. این مطالعه به منظور پیش بینی بقای بیماران مبتلا به سرطان معده به کمک دو مدل رگرسیونی کاکس و شبکه عصبی مصنوعی انجام شده است. مواد و روش ها: طی سال های 1381 لغایت 1385، تعداد 4...
پدیده ی فرسایش و انتقال رسوب یکی از پیچیده ترین مسایل هیدرودینامیک (آب پویایی ) می باشد که در مطالعه ی طرحهای آبی از اهمیتی بسیار برخوردار است. با توجه به این که شبکه های عصبی مصنوعی از دو ویژگی اساسی یادگیری یا نگاشت پذیری بر اساس ارایه ی داده های تجربی (قدرت و توانایی تعمیم پذیری) و ساختارپذیری موازی برخوردارند، یکی از مهم ترین روش های هوش مصنوعی می باشند که در آن با الهام گیری از مغز انسان، ...
آزمایش پرسیومتری(فشارسنجی)، یکی از مهم ترین آزمایش های برجای مهندسی ژئوتکنیک است. این آزمایش قادر به تخمین بسیار مناسبی از پارامترهای تغییر شکلی خاک است. در این تحقیق از سه نوع شبکه ی عصبی مصنوعی(a n n) به منظور مدل سازی آزمایش پرسیومتری(فشارسنجی) استفاده شده است. برای این منظور ابتدا از پرسپترون چندلایه ــ یکی از پرکاربردترین شبکه های عصبی ــ استفاده شد و در ادامه، با استفاده از شبکه ی نوروفاز...
در مناطق کوهستانی بخش قابل ملاحظه ای از ریزشهای جوی به صورت برف است و ارزیابی مقدار کمی این گونه ریزشها بر اساس چگالی و آب معادل برف می باشد. لذا بررسی روشهای نوین و تعیین الگوریتمهای مناسب برای پیش آگاهی و شبیه سازی مقادیر ذخیره ی برفی حوضه ها ضروری است. در این تحقیق، با به کارگیری شبکه ی عصبی مصنوعی دو متغیر چگالی و آب معادل برف در حوضه های آبخیز آذربایجان غربی برآورد گردیدند. در طراحی شبکه ی...
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...
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....
در سال های اخیر، عدم کنترل به موقع رواناب حاصل از بارش های غیر مترقبه، عامل تهدید کننده ای در وقوع سیل محسوب می شود. پیش بینی بارش در مدیریت و هشدار معضل سیل نقش مهمی بر عهده دارد. به منظور جلوگیری از خسارات ناشی از سیل و سعی در کنترل و مهار آن، پیش بینی رواناب امری اجتناب ناپذیر به نظر می رسد زیرا با اطلاع از میزان و شدّت بارندگی، می توان امکان وقوع سیل را پیش بینی و اقدامات لازم را به عمل آورد...
در این مطالعه، به بررسی اثرات پارامتر های مختلف فرآیند نورد داغ و پیش بینی نیرو و گشتاور نورد با استفاده از مدل های شبکه عصبی مصنوعی و المان محدود سه بعدی پرداخته شده است. برای این منظور داده های به دست آمده از شبیه سازی المان محدود سه بعدی برای آموزش و ارزیابی شبکه، وارد شبکه عصبی می شوند و پس از آموزش و ارزیابی، شبکه قادر خواهد بود که نیرو و گشتاور نورد را پیش بینی کند. نتایج پیش بینی شده از ...
در این تحقیق توانایی مدل های شبکه عصبی مصنوعی جهت شبیه سازی رفتار هیدرولوژیکی آب در حوزه های آبخیز مورد بررسی قرار گرفته است. هدف اصلی تحقیق بررسی کاربرد انواع مختلف شبکه های عصبی مصنوعی جهت شبیه سازی جریان در یک حوزه آبخیز با چند ایستگاه هیدرومتری و پیش بینی بهنگام جریان های سیلابی در پایین دست بوده است. منطقه مورد بررسی قسمت فوقانی رودخانه درونت (derwent) می باشد که یکی از شاخه های اصلی رودخا...
یکی از عوامل اصلی ویرانی آبشکنها آبشستگی میباشد که فرآیندی بسیار پیچیده است. پیچیدگی الگوی جریان پیرامون آبشکنها و گوناگونی عوامل مؤثر بر آبشستگی، موجب پرشماری روابط تجربی و کاهش دامنهی هر یک از آنها، بهدلیل محدودیت شرایط آزمایشگاهی میشود. در این تحقیق امکان استفاده از شبکههای پرسپترون چندلایه(MLP) برای برآورد بیشترین ژرفای آبشستگی پیرامون سه نوع آبشکن شامل آبشکنهایی با دیوارهی عمودی، ب...
نمودار تعداد نتایج جستجو در هر سال
با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید