تراوایی از مؤلفه‌های اساسی در ارزیابی مخازن هیدروکربنی است که عمدتاً از طریق اندازه‌گیری‌های آزمایشگاهی از مغزه یا داده‌های چاه‌آزمایی به دست می‌آید. با این حال، به دلیل هزینۀ زیاد و فراوانی کم این نوع از داده‌ها، پیش‌بینی تراوایی با استفاده از داده‌های چاه‌نگاری از جایگاه ویژه‌ای برخوردار است. در این مطالعه، برای تخمین تراوایی، ابتدا داده‌های چاه‌نگارها با توجه به مطالعات زمین‌شناسی صورت گرفته ...

در بازشناسی الگو یکی از روش های افزایش دقت بازشناسی، بهره گیری از روش های متمایز ساز است. این روش ها یا به صورت تبدیل متمایزساز بر ویژگی ها بکار می روند یا از روش های یادگیری متمایزساز برای آموزش دسته بند استفاده می کنند. معمولا معیار تبدیلات متمایز ساز متفاوت با معیار آموزش و یا خطای دسته بندهای متمایز ساز است. در مقاله حاضر، برای هماهنگ کردن معیار تبدیل ویژگی و نیز معیار دسته بندی ماشین بردار...

امروزه تخمین متغیر با استفاده از روش­های مبتنی بر هوش مصنوعی از جمله رویکردهای جدیدی است که فرآیند تصمیم­گیری موثر را در بسیاری از علوم میسر ساخته است. تخمین عیار نیز از مسایل مهم در ارزیابی ذخایر معدنی در علوم زمین به شمار می­رود. روش­های زمین آماری از جمله روش­های متداول تخمین متغیر در علوم زمین محسوب می­شوند. از آنجایی که این روش­ها در رابطه با داده­هایی که تعداد آن­ها محدود است و ماهیت پراک...

طبقه بندی تصاویر ماهواره ای از رایج ترین شیوه های استخراج اطلاعات به شمار می رود. برای حصول به دقت بالا در الگوریتم های مرسوم همچون طبقه بندی بیشترین شباهت به نمونه تعلیمی زیادی نیاز است، بنابراین زمان و هزینه بالایی را می طلبد. همچنین دشواری دسترسی به برخی مناطق صعب العبور ایجاد مشکلات فراوان می کند. یادگیری فعال روشی مناسب برای کاهش احتیاج به نمونه های واقعیت زمینی با حجم زیاد است، چراکه الگو...

در یادگیری ماشین، داده های آموزشی نقش مهمی را در تعیین کارایی الگوریتم یادگیری ایفا می کنند. تعداد این داده های آموزشی در طول زمان افزایش می یابد وداده های جدیدی از راه می رسد. این داده های جدید، ممکن است دید جدیدی از داده های قبلی را ارائه دهند یا توزیع آماری داده ها را تغییر دهند. از این رو، فهمیدن اهمیت داده های جدید و اجازه به این داده ها، برای نقش داشتن در آموزش، به منظور افزایش کارایی سیس...

امروزه با افزایش حجم داده¬ها، امکان جمع آوری و طبقه بندی سریع داده¬ها توسط انسان غیرممکن شده است و نیاز به طبقه بندی و تحلیل خودکار از جایگاه ویژه¬ای برخوردار است. در طبقه¬بندی داده¬ها، ابتدا طی یک فرآیند نمونه¬های آموزشی به همراه برچسب¬های آن¬ها به یک الگوریتم یادگیری داده می¬شود تا ارتباط بین نمونه¬ها و برچسب¬ها را یاد بگیرد و سپس برچسب داده¬های آزمایشی را پیش بینی کند. داده¬های چند برچسبی دا...

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...

این مطالعه روشی برای طراحی شبکه‏های پایش کمّی آب زیر‏زمینی به ‏منظور کاهش نقاط پایش مکانی اضافی ارائه می‏کند؛ چاه‏های اضافی، که اگر نمونه‏گیری نشوند، خطا‏ی تخمین سطح آب زیر‏زمینی آن‌ها قابل چشم‌پوشی است. این روش مبتنی بر روش ماشین بردار پشتیبان بر پایة تئوری یادگیری آماری است. در این مطالعه، با استفاده از اطلاعات کمّی 63 چاه‏ مشاهداتی و پارامتر‏های هواشناسی (بارندگی و تبخیر) دشت رامهرمز، در دورة ...

پیش بینی قیمت سهام بورس یک فعالیت سخت در دنیای مدرن می باشد . عوامل بسیاری بر رفتار بازار اثر گذار است از جمله عوامل اقتصادی و غیر اقتصادی . بنابر این پیش بینی به عنوان یکی از مسائل چالش زا در مسائل مالی مطرح است .در این تحقیق رگرسیون بردار پشتیبان کرنل چند گانه که حالت پیشرفته ماشینهای بردار پشتیبان می باشد ارائه شده . برای بدست آوردن ضرایب لاگرانژ و وزن توابع کرنل بهینه ، الگوریتم یادگیری روش...