نتایج جستجو برای: مدل شبکه عصبی مصنوعی
تعداد نتایج: 152364 فیلتر نتایج به سال:
در سالهای اخیر مدیریت سود در پژوهش های دانشگاهی توجه زیادی را به خود جلب کرده است. هدف این پژوهش پیش بینی مدیریت سود از طریق اقلام تعهدی اختیاری مبتنی بر مدل جونز تعدیل شده است. در این پژوهش از دو مدل شبکه عصبی مصنوعی و مدل ترکیبی الگوریتم ژنتیک – شبکه عصبی به عنوان الگوی موفقجهت پیش بینی مدیریت سود مبتنی بر جونز تعدیل شده در بورس اوراق بهادار تهران استفاده شده است. نمونه مورد استفاده در این پژ...
گسترش سریع استفاده از شبکه های عصبی مصنوعی ( ann) به عنوان مدل تجربی و کارآمد در علوم مختلف از جمله هواشناسی و اقلیم شناسی نشان دهنده ضرورت ارزش بالای مطالعه این مدل هاست. پیش بینی بارش برای اهداف مختلفی نظیر برآورد سیلاب، خشکسالی، مدیریت حوضه آبریز، کشاورزی و ... دارای اهمیت بسیاری است. هدف این مقاله پیش بینی بارش ماهانه با استفاده از شبکه های عصبی مصنوعی در شهر تهران می باشد. در این تحقیق از ...
در این تحقیق به مقایسه کارایی دو روش پیشبینی شبکه عصبی مصنوعی (ANN) و روش سنتی خودرگرسیون میانگین متحرک انباشته (ARIMA) در پیشبینی قیمت سهام در بازار سهام ایران پرداخته شده است. بدین منظور 2 شرکت دارویی البرزدارو و جامدارو انتخاب شده و مدل ARIMA و مدل شبکه عصبی مصنوعی برای هر دو شرکت تخمین زده شد. به منظور تخمین مدل شبکه عصبی مصنوعی، متغیر قیمت سهام به عنوان متغیر وابسته و متغیرهای حجم معا...
در این مقاله، یک رویکرد جدید مدلسازی برای مدل های شبکه عصبی مصنوعی بر مبنای مفاهیم شبکههای عصبی و رگرسیون فازی ارائه شده است. به این منظور، مدل شبکه عصبی مصنوعی در قالب یک مدل رگرسیون غیرخطی فازی فرموله شده است، به نحوی که این مدل، مزایای هر دو مدل رگرسیون فازی و شبکه عصبی مصنوعی را دارد. بنابراین، این مدل به دلیل انعطافپذیری بالا، قابلیت استفاده در شرایط نبود قطعیت، مبهم یا پیجیده را دارد. ...
امروزه، سرمایه گذاری در بورس، بخش مهمی از اقتصاد کشور را تشکیل می دهد. به همین دلیل پیش بینی قیمت سهام برای سهامداران از اهمیت خاصی برخوردار شده است تا بتوانند بالاترین بازده را از سرمایه گذاری خود کسب کنند. از سوی دیگر، شاخص قیمت سهام نشان¬دهنده وضعیت کلی بازار سهام است و می تواند به پیش بینی سهامداران جهت سرمایه گذاری کمک کند. اغلب در سالهای گذشته از روشهای کلاسیک برای پیش بینی قیمت سهام استف...
برآورد رسوب یکی از ارکان مدیریت حوزههای آبخیز میباشد. بههمین جهت تاکنون تلاشهای زیادی برای طراحی مدلهای پیشبینی کننده آن و از جمله مدل-های شبکه عصبی مصنوعی و مدلهای رگرسیونی اشاره کرد. حال آن که مقایسه عملکرد آنها کمتر مورد توجه قرار گرفته است. بر این اساس پژوهش حاضر با هدف مدلسازی تلفات خاک ناشی از هفده رگبار بهوقوع پیوسته در پلاتهای مستقر در جنگل تخریبشده و نشده در سه تکرار) د...
در سال های اخیر آلودگی هوا به عنوان یکی از بزرگ ترین مشکلات زیست محیطی در سطح جهانی مطرح شده است. ازن تروپوسفری یک آلاینده ثانویه است و سبب بروز مشکلات تنفسی و تاثیر حاد بر گیاهان می شود. در این مطالعه به دلیل غیر خطی بودن و پیچیدگی این پدیده هابه مقایسه برآورد غلظت آلاینده ازن با استفاده از شبکه عصبی مصنوعی و شبکه عصبی فازی-تطبیقی پرداخته شد. در پژوهش حاضر از متغیرهای هواشناسی در ایستگاه های پ...
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...
مدیریت موثر منابع آبی در یک رودخانه نیازمند شناخت صحیح و کامل از فرآیندهایی است که در آن رخ میدهد. روشهای هوش مصنوعی میتوانند کارایی بالایی جهت شبیهسازی جریان رودخانه در مقیاسهای مختلف زمانی و مکانی داشته باشند. در این مطالعه از روش شبکه عصبی مصنوعی و مدل نمودار درختی M5 جهت شبیهسازی ماهانه جریان رودخانه در ایستگاه استور استفاده گردید. جهت شبیهسازی دادههای دبی جریان ماهانه در این ای...
استفاده از شبکه های عصبی مصنوعی بهعنوان روشی جدید برای برآورد مشخصه های فیزیکی محصولات کشاورزی و درجه بندی آنها بر حسب پارامترهای مختلف مطرح شده است. در این پژوهش ابتدا مقادیر مشخصه های فیزیکی 100 عدد پرتقال رقم محلی دزفول شامل سه بعد هندسی، جرم، حجم و سطح تصویر عمودی اندازه گیری شد و از دو شبکه عصبی مصنوعی برای مدلسازی جرم و حجم پرتقال برحسب ابعاد هندسی (ann(h,w,t)) و سطح تصویر (ann(a)) میوه ا...
نمودار تعداد نتایج جستجو در هر سال
با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید