چکیده: کارایی بهتر شبکه عصبی به پارامتر‏هایی همچون تعداد گره­ های ورودی، تعداد لایه های میانی، تعداد نرون‏ ها، و وزن اختصاص ‏یافته به نرون ‏ها بستگی دارد. روش‏ های متفاوتی جهت به‏ روزرسانی پارامترها و ساختار شبکه عصبی مصنوعی ارائه گردیده است. یکی از روش‏ های متداول و مورد استفاده در شبکه های عصبی، روش پس­ انتشار خطا (ebp) است که در آن تنها وزن‏ های شبکه عصبی به ‏روزرسانی می شوند. در این مقاله، ...

پیش­بینی ورشکستگی در مطالعات و مقالات موجود در حوز­ های حسابداری و  مدیریت بسیار مورد بحث واقع شده­است و مطالعات فراوانی در رابطه با روش­های تجربی بهتر برای پیش­بینی ورشکستگی انجام شد­ه­است. هدف تحقیق حاضر استفاده از نسبت­های مالی و شاخص­های راهبری شرکتی برای پیش­بینی ورشکستگی شرکت­های پذیرفته شده در بورس اوراق بهادار تهران است. پژوهش حاضر به لحاظ هدف، بنیادی و از نظر روش تحقیق توصیفی از نوع هم...

پدیده جریان هجومی مغناطیس کننده، حالت گذرای بزرگی است که به هنگام برقدار شدن ترانسفورماتور روی می دهد. اندازه جریان هجومی ممکن است تا 10 برابر جریان نامی ترانسفورماتور باشد که به عملکرد نامناسب سیستم های حفاظتی منجر می گردد. در واقع تشابه بین ویژگی های جریان هجومی و شرایط خطای داخلی باعث بروز این خطا می گردد. بنابراین، برای کارکرد ایمن ترانسفورماتور لازم است که جریان هجومی از جریان خطا تشخیص دا...

برای محیط همیشه در حال تغییر این دوران و تغییر در شیوه تعاملات شرکت­ها با تامین­کنندگان و مشتریان و پیچیدگی بازارها، کاهش دوره عمر محصولات و اهمیت­یافتن زمان پاسخگویی به مشتریان، پیش­بینی تقاضای محصول  عامل حیاتی برای رقابت­پذیری سازمان­ها می­باشد. با پیش­بینی دقیق الگوهای تقاضا، دولت و تولیدکنندگان  می­توانند براساس میزان و جهت جریان آتی تولید، برنامه ریزی­ها را سازماندهی کنند و زیرساخت بهتری ...

در این مطالعه، مدلی ترکیبی از شبکه های عصبی ماژولار و پردازش تصاویر مادیس برای محاسبۀ دمای سطح زمین، در منطقه ای شامل شهر تهران، ارائه شده است. در این مدل، داده های تصاویر حرارتی با تکیه بر ویژگی های دمای درخشندگی در باندهای حرارتی 31 و 32 میکرومترسنجندۀ مادیس، به منزلۀ ورودی در شبکه‎های عصبی ماژولار به کار رفته و روش جدیدی براساس ترکیبی از شبکۀ عصبی نگاشت خودسازمانده و الگوریتم بهینه سازی تجمع...

در این مقاله الگوریتمی هوشمند برای خوشه‌بندی، تشخیص مدولاسیون بین پالسی و جداسازی و شناسایی رشته پالس‌های متداخل رادارها ارائه می‌گردد. در الگوریتم پیشنهادی برای خوشه‌بندی پالس‌های متداخل دریافتی از شبکه عصبی خودسازمانده SOFM (بدلیل دقت بالای آن در مقایسه با شبکه‌های عصبی دیگر مانند شبکه عصبی CLNN و شبکه عصبی Fuzzy ART) و تشخیص نوع مدولاسیون بین پالسی از روش ضرب ماتریسی و برای شناسایی نوع رادار...

  یکی از ابزارهایی که برای تعیین اثرات غیرخطی و اثرات متقابل بین متغیرهای تبیینی در یک مدل رگرسیون لوژستیک به کار می ­ رود، استفاده از شبکه ­ های عصبی واحد ضربی تکاملی است. به منظور برآورد پارامترهای مدلی که بدین صورت به دست می ­ آید، یک روش ترکیبی مورد استفاده قرار می ­ گیرد؛ این روش از ترکیب دو ابزار بهینه ­ ساز کلاسیک و الگوریتم تکاملی ساخته می ­ شود. در این مقاله ساختار شبکه ­ های عصبی به ­...

در این مقاله یک مدل بهینه سازی چندهدفة نوین برای انتخاب نقاط بهینه در شبکه توزیع آب به منظور نصب ابزار های اندازه گیری فشار ارائه می شود. داده های فشار سنجی جمع آوری شده در نقاط منتخب (بهینه) می تواند بعداً برای واسنجی مدل مورد استفاده قرار گیرد. توابع هدف، افزایش دقت پیش بینی مدل واسنجی شده و کاهش هزینه کل نمونه برداری می باشند. به منظور کاهش زمان اجرا، مدل بهینه سازی چندهدفه با تلفیقی از الگور...

هدف از این مقاله، تعیین فرکانس زاویه ای طبیعی ورق‏ها با توجه به شرایط مختلف تکیه گاهی به کمک شبکه عصبی مصنوعی است. یکی از مشهورترین روش‏های آموزش شبکه عصبی، استفاده از الگوریتم انتشار برگشتی است. این الگوریتم برای آموزش شبکه های چند لایه قابل کاربرد است. الگوریتم انتشار برگشتی بر مبنای کاهش گرادیان بوده و در آن شیب خطا به تدریج کم شده و وزن‏های شبکه برای رسیدن به حداقل خطا، تعدیل می شود. در این...