نتایج جستجو برای: شبکه عصبی پرسپترون چندلایه mlp
تعداد نتایج: 47792 فیلتر نتایج به سال:
دستگاههایی که برای جداسازی پسته مورد استفاده قرار میگیرند حجیم بوده، انرژی زیادی مصرف مینمایند و چندان دقیق نیستند. در این پژوهش یک دستگاه هوشمند مبتنی بر انعکاس صدا طراحی و برای جداسازی پسته پوک از پستههای مغزدار مورد استفاده قرار گرفت. برای ارزیابی دستگاه، پسته به طور جداگانه با فواصل 1، 3 یا 5 سانتیمتر بر روی یک نوار نقاله قرار داده شدند تا از دو ارتفاع 25 و 35 سانتیمتری بر روی یک صف...
اربرد شبکه عصبی مصنوعی در شبیهسازی عناصر اقلیمی و پیشبینی سیکل خشکسالی ) مطالعه موردی: استان اصفهان( چکیده در این پژوهش، از شبکههای عصبی مصنوعی ( Artificial Neural Networks ) به عنوان ابزاری توانمند در مدل سازی فرآیندهای غیرخطی و نامعین، به منظور پیشبینی سیکل خشکسالی در20 ایستگاه سینوپتیک، کلیماتولوژی و هیدرومتری استان اصفهان که حداقل20 سال آمار روزانه داشتند، استفاده شد. از نرمافزار M...
در تحقیق قبلی انجام شده ]1[، نانوسیالها با استفاده از نانولولههای کربنی اولیه و نانولولههای کربنی عاملدار با زمانهای رفلاکس یک، دو و چهار ساعت و غلظتهای 1/0، 25/0 و 5/0 درصد حجمی تهیه و رسانندگی حرارتی آنها در دماهای 20، 30، 40 و 50 درجهی سانتیگراد اندازهگیری شد. به دلیل پرهزینه و زمانبر بودن کارهای تجربی، معمولاً امکان بررسی گسترده آنها وجود ندارد. یکی از بهترین روشها برای بررسی کم...
برای تعیین استراتژی های کنترلی در سیستم توزیع،و انجام تصمیم گیری های لازم توسط سیستم شناسنده الگو،لازم است حالت سیستم توزیع تخمین زده شود . در این سیستم،هر حالت،یک کلاس(دسته)از داده های اندازه گیری شده می باشد که بیانگر وضعیت سیستم در آن لحظه از زمان است. در این مقاله پس از معرفی مساله و بیان نیازهای موجود برای کار مورد نظر و بیان ضرورت تخمین گر حالت،دو تخمین گر با استفاده از شبکه عصبی با تقار...
مقاله حاضر به بررسی نحوه عملکرد شبکه های عصبی mlp در ارتباط با خروجی مدل فوریه، fsam، می پردازد. مدل fsam که مدل شبیه ساز بارش است، تحلیل مدل های کلاسیک را در قلمرو فرکانس، که توسعه نظریه طیفی فرآیندهای متداول نظیر طیف الگوهای arima را در درون خود دارد، ارائه می دهد. کاربرد همزمان شبکه های عصبی mlp و مدلfsam، امکان پیش بینی جریان ماه (i) ام را در ارتباط با پیش بینی بارش همان ماه، میسر می سازد. ...
آنالیز رگرسیون روش رایجی است که امروزه برای برآورد حجم تنۀ درختان استفاده میشود. این روش با تعیین رابطهای، حجم را با دقت خاصی برآورد میکند، اما محدودیتهایی مانند نرمالبودن متغیر وابسته و همگنبودن واریانس خطاها نیز دارد. در این پژوهش سعی شده از شبکههای عصبی مصنوعی (ANN)، بهعنوان یکی از زیرمجموعههای فنّاوری جدید هوش مصنوعی (AI)، بهمنظور برآورد حجم تنه، استفاده شود. بدینمنظور،...
سفر یکی از وجوه مهم زندگی بشر بوده و از مهمترین فعالیتهای ادواری (یا غیر ادواری) محسوب میشود. به همین دلیل، طی سالیان دراز، شیوههای مختلفی برای تأمین این نیاز جوامع ابداعشده است.سیستم حملونقل نیز مانند بسیاری از دستگاههای صنعتی متأثر از روابط عرضه و تقاضا بوده و هرگونه اقدامی در این حوزه باید با توجه به روابط موجود و روندهای آینده عرضه و تقاضا برنامهریزی گردد. در این پژوهش ...
به منظور مقایسه توانایی مدلهای شبکه عصبی مصنوعی با رگرسیون لجستیک در پیش بینی حضور علفهایهرز، آزمایشی در 33 مزرعه نخود دیم استان کردستان در سال زراعی 92-1391 انجام شد. برای این منظور، اطلاعات اقلیمی و خاکی به عنوان متغیرهای مستقل و حضور و عدم حضور علفهایهرز غالب به عنوان متغیرهای وابسته در مدلهای رگرسیون لجستیک و شبکه عصبی مصنوعی استفاده شدند. در این تحقیق از شبکه پرسپترون چندلایه با نه ن...
یکی از بزرگترین مشکلاتی که پس از ساخت سدها ایجاد می شود مسئله ی رسوبگذاری در مخازن آن هاست. این پدیده بهره برداری بهینه از حجم آب ذخیره شده در مخزن سد را با مشکل جدی مواجه می سازد. از اثرات رسوبگذاری مخزن سد می توان به کاهش ظرفیت مخزن، افزایش قدرت فرسایشی رودخانه در پایین دست سد، اختلال در عملکرد دریچه های تحتانی و ... اشاره کرد. حصول روش های مناسب و دقیق در پیش بینی بار رسوبی ورودی رودخانه ها ...
مناطق مختلف، استعدادهای متفاوتی در انتشار گردوغبار دارند و افزایش طوفانهای گردوغبار نشاندهنده حاکمیت اکوسیستم بیابانی در هر منطقه است. درک صحیح وقوع طوفانهای گردوغبار در هر منطقه، به مدیریت و کاهش خسارتهای حاصل از گردوغبار کمک شایانی میکند. هدف از این تحقیق پیشبینی فراوانی روزهای همراه با طوفانهای گردوغبار (FDSD) در مقیاس زمانی فصلی است. بدین منظور، با استفاده از دادههای سینوپ ساعتی و ک...
نمودار تعداد نتایج جستجو در هر سال
با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید