فرآیند تقطیر یک فرآیند صنعتی پیچیده و به شدت غیرخطی می باشد. به طور کلی پیدا کردن مدل دقیق تحلیلی از ستونهای تقطیر با خلوص بالا همواره امکان پذیر نمی باشد. از طرفی توسعه مدلهای تحلیلی معمولا وقت گیر و هزینه بر است. برای غلبه بر این مشکلات می توان از مدلهای تجربی نظیر شبکه های عصبی استفاده کرد. یکی از ایرادات اساسی شبکه های عصبی این است که پیش بینی های آن تنها در محدوده اطلاعات شناسایی معتبر است...

یکی از پیشرفته ترین مدلهای پیش بینی کننده ورشکستگی٬ مدل «شبکه عصبی مصنوعی» است. مطابق نتایج تحقیق ساختار اصلی پرسپترون سه و چهار لایه برای پیش بینی ورشکستگی شرکتها به مدلهایی شبیه یکدیگر منتهی می شود که در این میان شبکه سه لایه از قدرت پیش بینی بیشتری نسبت به شبکه چهار لایه برخوردار است.این تحقیق نشان می دهد که «به کارگیری مدلهای مبتنی بر شبکه عصبی توانایی مدیریتهای مالی را برای مقابله با نوسان...

پیشرفت­های اخیر در کشاورزی دقیق سبب شده است تا  مدل های قابل انعطاف مختلفی جهت پیش بینی، طبقه­بندی و تهیه نقشه­های دقیق از جمعیت علف­های هرز به منظور کنترل متناسب بامکان آنها ارائه شود. این پژوهش به منظور پیش بینی الگوی پراکنش جمعیت علف هرز تلخه با استفاده از شبکه عصبی بردار چندی ساز یادگیر(lvqnn) در سطح مزرعه انجام شد. داده های مربوط به تراکم جمعیت علف هرز تلخه از طریق نمونه برداری بر روی یک ش...

در این پژوهش، از مدل های تجربی و شبکه های عصبی مصنوعی برای پیش بینی محتوای رطوبت تعادلی بذر و مغز آفتابگردان استفاده شد. چهار مدل ریاضی هندرسون اصلاح شده، چانگ-پی فاست، هالسی و گب برای این منظور بکار رفت. دو نوع شبکه پس انتشار (پیشرو و پیشخور) مورد آزمون قرار گرفت. به منظور آموزش الگوهای ورودی، الگوریتم یادگیری لونبرگ-مارکوارت مورد استفاده قرار گرفت. محدوده های دما و رطوبت نسبی به ترتیب بین 25 ...

در این تحقیق، کارآیی شبکه های عصبی مصنوعی به عنوان عامل انتگرالگیر از دسته معادلات دیفرانسیلی غیرخطی حاکم بر سینتیک شیمیایی احتراق در مدلسازی LES شعله پیش مخلوط مغشوش نشان داده شده است. آموزش شبکه عصبی مصنوعی براساس الگوریتم آموزشی خطای پس انتشار صورت گرفته است که در آن ضرایب مدل آموزشی به طور دینامیکی و سازگار با توپولوژی تابع خطا معین می شوند. جدول بانک اطلاعاتی آموزش شبکه عصبی براساس مطالعات...

هدف این مقاله تجزیه و تحلیل های اقتصادی، پیش بینی صحیح و دقیق متغیرهای اقتصادی است. در این زمینه، روشهای مختلفی برای پیش بینی در اقتصاد وجود دارد، که از جمله آنها میتوان به مدلهای رگرسیون ، معادلات همزمان و... اشاره کرد. مدلهای سری زمانی نیز از جمله مدلهای اقتصادی می باشند که در آن پیش بینی مقادیر سری، بیش از هر چیز به عهده خودشان گذاشته می شود اما استفاده از روش های غیر کلاسیک در شناسایی مدل و...

فرآیند تقطیر یک فرآیند صنعتی پیچیده و به شدت غیرخطی می‌باشد. به طور کلی پیدا کردن مدل دقیق تحلیلی از ستونهای تقطیر با خلوص بالا همواره امکان پذیر نمی‌باشد. از طرفی توسعه مدلهای تحلیلی معمولا وقت‌گیر و هزینه‌بر است. برای غلبه بر این مشکلات می‌توان از مدلهای تجربی نظیر شبکه‌های عصبی استفاده کرد. یکی از ایرادات اساسی شبکه‌های عصبی این است که پیش‌بینی‌های آن تنها در محدوده اطلاعات شناسایی معتبر است...

سیستمهای بازشناسی مقاوم گفتار به سیستمهایی اطلاق می گردد که در شرایط عدم انطباق داده های آموزش و آزمون صحت بازشناسی قابل قبولی داشته باشند. در تحقیق حاضر یک سیستم بازشناسی مقاوم گفتار تلفنی، مبتنی بر اصلاح بردارهای بازنمایی توسط شبکه عصبی دوسویه (یک شبکه عصبی چند لایه معمولی به علاوه یک شاخه برگشتی که اطلاعات لایه مخفی شبکه را با ورودی شبکه ترکیب می کند) و مدلهای مخفی مارکف به عنوان مدلهای بازش...

در إین مقاله با استفاده از اطلأعات سری زمانی قیمت و بازده سهام چند شرکت در بازار بورس تهران، به پیش بینی قیمت سهام و نیر ارائه مدل بهینه پرداخته می شود. روشهای پیش بینی مورد استفاده در تحقیق، به سه دسته تقسیم شده اند: ر و شهای پیش بینی براساس مدلهای خطی (کوتاه مدت و بلندمدت)، روشهای پیش بینی براساس مدلهای غیرخطی (شبکه های عصبی غیرخطی) و مدل شبکه عصبی با ساختار پیشنهادی. در هر مورد نتایج به دست...