تعیین مقدار اسید­های آمینه مواد خوراکی بعلت آنالیزهای شیمیایی و صرف زمان در آزمایشگاه گران و وقت گیر است. در روش­های آزمایشگاهی کنونی روش هضمی1 NIRS به طور گسترده­ای برای این هدف استفاده می­شود. ولی این روش دارای محدودیت­های تکنیکی است. بنابراین یافتن روشی مناسب برای تخمین میزان اسید­های آمینه دارای اهمیت می­باشد. شبکه عصبی مصنوعی (ANN) می­تواند انعکاس بهتر و دقیق­تری را از رابطه میان ترکیبات ت...

با توجه به نیاز شبیه سازی سری های زمانی بارش در مقیاس های مختلف برای مقاصد مهندسی از یک طرف و عدم ثبت این پارامترها در مقیاس های ریز بدلیل مشکلات اجرایی و اقتصادی از طرف دیگر، ریزمقیاس کردن بارش به مقیاس مورد نظر، یک امر ضروری می باشد. در این مطالعه، برای ریزمقیاس کردن سری زمانی بارش ایستگاه های تبریز و سهند، با توجه به ویژگی های غیرخطی مقیاس های زمانی، مدل ترکیبی موجک - شبکه عصبی مصنوعی (WANN)...

زمینه و هدف: پیش بینی اختلالات تکاملی بعدی در هنگام تولد بسیار با اهمیت است. این مطالعه با هدف پیش­بینی اختلالات حرکتی کودکان با استفاده از شبکه عصبی مصنوعی artificial neuronal network -ann)) در دوره نوزادی طرح­ریزی شده است. روش کار: در این مطالعه­ی گذشته­نگر، 600 شیرخوار با معاینه عصبی طبیعی و 120 شیرخوار با معاینه عصبی غیر طبیعی بررسی شدند. برای انجام تحلیل، داده­ها به صورت تصادفی به دو قسمت ...

چکیده- آب شستگی یکی از مهم ترین عوامل خرابی پل ها است. بنابر این، تخمین عمق آب شستگی پای پل ها اهمیت زیادی برخوردار دارد. تاکنون فرمول ها و روابط تجربی زیادی برای تخمین عمق چاله آب شستگی ارائه شده است؛ اما این روابط از دقت مناسبی برخوردار نیستند. علاوه بر این، پیچیدگی مدل سازی فرایند آب شستگی سبب شده است تا از روش های جایگزین روابط تجربی، مانند روش های داده کاوی برای تخمین عمق آبشستگی پای پل ها...

پیش­بینی دقیق جریان در رودخانه­ها یکی از مهمترین ارکان در مدیریت منابع آبهای سطحی به ویژه جهت اتخاذ تدابیر مناسب در مواقع سیلاب و بروز خشکسالی­ها است. به دلیل اهمیت پیش­بینی جریان رودخانه، در این تحقیق جریان روزانه رودخانه­ی باراندوزچای در دو ایستگاه بی­بکران و دیزج طی یک دوره­ی آماری 20 ساله با استفاده از مدل عصبی- موجکی (WNN) که تلفیق آنالیز موجک و شبکه عصبی مصنوعی (ANN) می­باشد، پیش­بینی گرد...

در دو دهه گذشته، ارائه و بهبود مدل های پیش بینی با استفاده از سری زمانی مورد توجه بسیاری از محققین قرار گرفته است. در تجزیه و تحلیل سری های زمانی با استفاده از مدل های سنتی مانند armaکه بر دو فرض ایستایی و خطی بودن بنیان نهاده شده است، بعضا تردیدهایی ایجاد شده است. به همین دلیل پژوهشگران با روش های جایگزین مانند شبکه های عصبی مصنوعی سعی در بهبود نتایج پیش بینی ها دارند. پژوهش ضمن بررسی جامع ادب...

چکیده      تأخیر در تأمین نفت گاز، پیامدهای سیاسی، اجتماعی و اقتصادی وسیعی را به دنبال دارد؛ بنابراین پیش بینی دقیق تقاضای نفت گاز بسیار مهم است. استفاده از شبکه های عصبی مصنوعی در پیش بینی کاربرد زیادی دارد. طراحی مناسب پارامترهای (ساختار) شبکه موجب می شود دقت و عملکرد شبکه های عصبی مصنوعی افزایش یابد. در بیشتر مطالعات از روش سعی و خطا برای تنظیم پارامترهای شبکه های عصبی مصنوعی استفاده می شود ...

در شبکه های عصبی مصنوعی (ann) روش های موجود آموزش و واسنجی عصبی بر اساس ساختار پرسپترون چندلایه ای می باشد، لیکن این روش ها دارای مشکلات ناشی از عدم همگرایی در روش های یادگیری، عدم ثبات اوزان شبکه در شرایطی که طیف داده های ورودی دارای انحراف معیار بزرگ بوده و بالاخره نیاز به داده و اطلاعات فراوان جهت آموزش شبکه می باشند. برای غلبه بر مشکلات فوق در این تحقیق روش جدید ترکیبی شبکه عصبی مصنوعی – به...

زمانبندی معاملات سهام مسأله ای بسیار مهم و مشکل به دلیل پیچیدگی بازار سهام است. آنچه اهمیت دارد پیش بینی روند قیمت سهام است که هدف اصلی در مباحث تحلیل تکنیکی است. گرچه این امر به دلیل دخالت عوامل متعدد بازار و روابط بین آنها چندان آسان نیست. به نظر می رسد استفاده از ابزارها و الگوریتمهای محاسباتی پیچیده تر مانند شبکه های عصبی مصنوعی در مدلسازی فرآیندهای غیر خطی که منتج به قیمت و روند سهام می شو...

در این تحقیق از روش های مبتنی بر هوش مصنوعی شامل شبکه عصبی مصنوعی (ann)، عصبی-فازی در قالب دو روش anfis و canfis و روش ترکیبی عصبی با الگوریتم ژنتیک (annga) برای مدل سازی تبخیر تعرق گیاه مرجع (et0) و گیاه سیر (etc) استفاده شد. نتایج به دست آمده از مدل های هوشمند با داده های سال های 1376 و 1377 لایسیمتر زهکش دار برای گیاه مرجع چمن و سال های 1387 و 1388 برای گیاه سیر واسنجی شد. داده های هواشناسی ...