نتایج جستجو برای: شبکههای عصبی چند لایهی پیشخور
تعداد نتایج: 90450 فیلتر نتایج به سال:
چکیده هدف از این پژوهش، پیشبینی برخی خصوصیات حرارتی (ضریب پخش مؤثر رطوبت و انرژی ویژه مصرفی)، فیزیکی (چروکیدگی و تغییرات کلی رنگ) و مکانیکی (نیروی شکست) میوه بنه در طی فرآیند خشککردن با خشککن پیوسته نیمه صنعتی به کمک شبکههای عصبی مصنوعی بود. سه عامل موثر شامل دمای هوای ورودی، سرعت هوای ورودی و سرعت تسمه در عملکرد خشککن جریان پیوسته به عنوان متغیرهای مستقل در نظر گرفته شد. آزمایشها در سه س...
در این مقاله اثرات پدیده کوپلاژ متقابل فازها بر رفتار موتورsr6/4 مورد بررسی قرار گرفته است. با توجه به ضعف توانائی مدلهای اندوکتانسی در مواجه با ماهیت غیر خطی شار برای موتورsr6/4 با تحریک همزمان دوفاز گردیده است که در برگیرنده اثرات پدیده کوپلاژ متقابل فازهاست. اطلاعات شار مورد استفاده در توسعه مدل، از طریق تحلیل fe دوبعدی بدست آمده اند. این اطلاعات گویای اهمیت پدیده کوپلاژ متقابل فازها، به خصو...
سرمایه¬ فکری به عنوان سرمایه واقعی و یکی از مهمترین سرمایه¬های سازمانها و شرکتهای عصر حاضر مطرح است. هدف از اجرای این تحقیق بررسی عملکرد شبکه¬های عصبی مصنوعی در پیش¬بینی کارایی سرمایه فکری شرکت¬های پذیرفته شده در بورس اوراق بهادار می باشد. در این تحقیق ابتدا با استفاده از مدل تحلیل پوششی داده¬ها و با در نظر گرفتن متغیر ضریب ارزش افزوده سرمایه فکری به عنوان ورودی مدل و سه متغیر بازده سهام، نرخ ب...
پژوهش حاضر به مطالعهی پیشبینی ورشکستگی مالی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران به وسیلهی شبکههای عصبی مصنوعی میپردازد. بهترین نسبتهای مالی پیشبین در پژوهشهای صورت گرفته در پیشینه موضوع به عنوان ورودی شبکههای عصبی انتخاب شدهاند. شبکهی عصبی به کار گرفته شده در این پژوهش از نوع پرسپترون چند لایه میباشد که به روش الگوریتم پس انتشار خطا آموزش دیدهاند، و شامل شبکه عصبی پیشخو...
پیشبینی آینده در عرصه پویای اقتصاد و بازارهای مالی از جمله بازار بورس به یکی از مهمترین مسائل درعلوم مالی ارتقاء یافته است. همچنین، در دههی اخیر مدلهای شبکه عصبی به علت عملکرد واقع بینانهتر اینمدلها مورد توجه محققین قرار گرفته و از انواع مختلف آنها برای پیشبینی استفاده شده است. اکنون این سئوالمطرح است که، کدام یک از این مدلها قدرت بالاتری برای تبیین فرآیندهای آتی بورس را دارا میباشد؟ در( همین ر...
پیشبینی آینده در عرصه پویای اقتصاد و بازارهای مالی از جمله بازار بورس به یکی از مهمترین مسائل درعلوم مالی ارتقاء یافته است. همچنین، در دههی اخیر مدلهای شبکه عصبی به علت عملکرد واقع بینانهتر اینمدلها مورد توجه محققین قرار گرفته و از انواع مختلف آنها برای پیشبینی استفاده شده است. اکنون این سئوالمطرح است که، کدام یک از این مدلها قدرت بالاتری برای تبیین فرآیندهای آتی بورس را دارا میباشد؟ در( همین ر...
هدف اصلی این مقاله، ارائه روشی مبتنی بر شبکه عصبی هوشمند همراه با شبیه سازی دینامیکی برپایه تحلیل های ریاضی برای عیب یابی موتور سوخت مایعی است که امکان وجود اختلال در سامانه داده برداری آن وجود دارد. عیب، به شکل وقوع گرفتگی در مسیرهای متفاوت موتور و اختلال در سامانه داده برداری به صورت وجود اغتشاش در اندازه گیری یک پارامتر خروجی از موتور مدل می شود. نقطه کلیدی این طرح، به کارگیریشبکه های عصبی م...
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 ...
چکیده شبکه های عصبی در دهه ی اخیر به عنوان ابزار قدرتمندی جهت پیش بینی در حوزه های مختلف مورد استفاده قرار گرفته اند. در این تحقیق از شبکه عصبی پیشخور پرسپترون چند لایه (MLP) با یادگیری پس انتشار از الگوریتم آموزش انتشار به عقب (BP)، با تکنیک بهینه سازی عددی لونبرگ- مارکوات (LM)،توسط نرم افزار متلب مورد استفاده قرار گرفت. درصد رطوبت کیک ، دمای پرس و زمان بسته شدن پرس به عنوان متغیرهای ورودی و خ...
در این پژوهش، از مدل های تجربی و شبکههای عصبی مصنوعی برای پیشبینی محتوای رطوبت تعادلی بذر و مغز آفتابگردان استفاده شد. چهار مدل ریاضی هندرسون اصلاحشده، چانگ-پی فاست، هالسی و گب برای این منظور بکار رفت. دو نوع شبکة پسانتشار (پیشرو و پیشخور) مورد آزمون قرار گرفت. به منظور آموزش الگوهای ورودی، الگوریتم یادگیری لونبرگ-مارکوارت مورد استفاده قرار گرفت. محدودههای دما و رطوبت نسبی به ترتیب بین 25 ...
نمودار تعداد نتایج جستجو در هر سال
با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید