یکی از راه های کمک به سرمایه گذاران و شرکت ها ارایه الگوهای پیش بینی ورشکستگی درباره شرکت ها است. در ابتدا در پیش بینی ورشکستگی از روش های مختلف آماری مانند تحلیل ممیز ، رگرسیون و تحلیل لوجیت استفاده می شده است. اما بعدها توسعه و پیشرفت علم و کسب آگاهی در خصوص توانایی های هوش مصنوعی (ann) (در زمینه شناسایی و دسته بندی الگوها می باشد) محققین توانستند از شبکه های عصبی برای پیش بینی ورشکستگی استفا...

مقدمه: در این پژوهش از الگوی اقتصادسنجی و شبکه عصبی پایه شعاعی برای افزایش اثربخشی، کاهش هزینه و زمان روش تحلیل بنیادی در پیش بینی قیمت سهام شرکت های صنایع مواد و محصولات دارویی، محصولات شیمیایی و وسایل اندازه گیری پزشکی و اپتیکی استفاده شده است. روش پژوهش: پژوهش حاضر کاربردی و طرح آن از نوع شبه تجربی است. جامعه آماری این پژوهش متشکل از 30 شرکت پذیرفته شده در بورس اوراق بهادار تهران در بازه زما...

در سال های اخیر از روش های داده کاوی به طور گسترده درزمینه ی یادگیری الکترونیکی استفاده شده است. درواقع محققین مختلف با استفاده از روش های داده کاوی سعی در شناخت هر چه بیشتر یادگیرندگان و درنتیجه ایجاد یادگیری تطبیقی داشته اند. در تحقیقات از ویژگی ها، عملکرد، سبک یادگیری و سبک شناختی یادگیرندگان استفاده شده است. این مقاله به شناسایی سطح دانش یادگیرندگان و مدل سازی آن ها به منظور شخصی سازی آموزش...

در پژوهش حاضر، با استفاده از اطلاعات جمع آوری شده  150 بهره بردار گندم منطقه  زرقان فارس در سال زراعی1390-1389 مهم ترین عوامل مؤثر بر کارآیی زیربرداری نهاده  آب در تولید این محصول شناسایی شد و مورد تجزیه و تحلیل قرار گرفت. به منظور محاسبه  کارآیی زیربرداری آب از رهیافت تحلیل پوششی داده ها استفاده گردید. سپس، با کمک شبکه  عصبی مصنوعی تابع پایه  شعاعی (rbf) مهم ترین عوامل اثرگذار بر کارآیی زیربرد...

یکی از مهم ترین کارکرد های شبکه ها ی عصبی ‎rbf ‎، در تقریب و طبقه بندی توابع می باشد. این شبکه ها توانایی تقریب سراسری را دارند. از آن جایی که شبکه های ‎‎rbf‎ یک ساختار ساده و در عین حال یک فرایند آموزشی بسیار سریعی دارند، جای گزین مناسبی برای شبکه های پرسپترون چندلایه شناخته شده اند. در این پایان نامه یک بررسی جامع از شبکه های‎ rbf ‎ و یادگیری آن ها ارائه می شود. در یادگیری شبکه ها ی ‎ rbf ‎ س...

در سال های اخیر سیستم های هوشمند به طور فزاینده ای مورد توجه واقع شده است که شبکه های عصبی مصنوعی از این مجموعه می باشند. این شبکه ها با پردازش داده های تجربی، قانون نهفته در ورای این اطلاعات را استنتاج می کنند. مدل های شبکه عصبی مصنوعی در مورد فرایندهایی که تعریف دقیق و درک خاصی از آنها وجود ندارد، بسیار موثر عمل می کنند. در این مورد، این امر به اثبات رسیده است که شبکه های عصبی مصنوعی قادر می ...

روش مونت کارلو از قدرتمندترین روشهای تحلیل احتمال خرابی در سازه هاست که برای توابع شرایط حدی دارای هرگونه پیچیدگی و برای متغیرهای تصادفی با هر نوع توزیع احتمالاتی استفاده گردد. اما افزایش تعداد تحلیلها برای شبیه سازی مسایلی که دارای احتمال خرابی بسیار کمی هستند، مانند اغلب سازه های اجرایی، سبب گشته که کاربرد آن در مسایل پیچیده نیازمند حجم محاسباتی بسیار بالایی شود. در این تحقیق، ابتدا با استفاد...

در این پایان نامه یک ترکیب جدید از شبکه عصبی پایه شعاعی گوسی به عنوان جبران ساز رو به جلو به همراه استراتژی کنترل انتگرال مقاوم از علامت خطا (rise) ارائه شده است. کنترل کننده پیشنهادی به منظور ردیابی مسیر حالت متغیر با زمان برای سیستم های غیرخطی در حضور نامعینی پارامتری و اغتشاشات خارجی استفاده می شود. از آنجایی که کنترل کننده بر مبنای شبکه عصبی، عموما دارای نتایج پایداری کراندار نهایی یکنواخت ...

سری زمانی بارش غالباً یکی از ورودی¬های لازم برای تجزیه و تحلیل و طراحی سیستم¬های هیدرولیکی و هیدرولوژیکی می باشد . اطلاعات بارش به منظور کاربرد در این اهداف می¬تواند به صورت اندازه¬گیری مشاهدات بدست آید و یا اینکه به وسیله شبیه¬سازی اتفاقی تولید شود. یک مشکل عمده در مورد داده¬های بارندگی ثبت شده و یا تولیدی این است که این داده¬ها در بازه¬های زمانی به اندازۀ کافی کوچک برای کاربردهای مهندسی موجود ...

آزمایش پرسیومتری، یکی از مهم­ترین آزمایش های برجای مهندسی ژئوتکنیک است. در این مقاله از سه نوع شبکه عصبی مصنوعی (ann) به منظور تفسیر نتایج آزمایش پرسیومتری استفاده شده است. در ابتدا از شبکه عصبی چند لایه پرسپترون، در ادامه از شبکه نروفازی بهره گرفته شده و در پایان از شبکه عصبی تابع مبنای شعاعی استفاده شده است. مدل ها از ساختار کلی دارای 5 ورودی و یک خروجی تشکیل شده­اند. در پایان مدل های مختلف ش...