نتایج جستجو برای: واژه های کلیدی شبکه عصبی مصنوعی

تعداد نتایج: 503454  

ژورنال: فیزیک زمین و فضا 2016

در این مقاله به منظور اکتشاف حفرات زیرزمینی با شکلهای نزدیک به کره، استوانه افقی یا عمودی ودر راستای بالابردن دقت نتایج تفسیر بی هنجاریهای گرانی ،کمک به تجربیات مفسر و مقاومت بیشتر در برابر سطوح متفاوت نوفه ، از شبکه عصبی-فازی تطبیقی چند گانه MANFIS استفاده شده است. در این پژوهش با قرار گرفتن دو سیستم عصبی فازی تطبیق پذیر به صورت موازی با یکدیگر یک شبکه عصبی-فازی تطبیق پذیر چند گانه طراحی شد که...

پژوهش حاضر با هدف پیش‌بینی تراکم کنه تارتن دولکه‌ای با روش‌های زمین‌آمار و شبکه‌ی عصبی مصنوعی در مرزعه خیار استان خوزستان شهرستان رامهرمز انجام شد. بدین منظور مختصات طول و عرض ۱۰۰ نقطه با فاصله ۱۰متر، در سطح مزرعه مشخص و به عنوان ورودی‌های هر دو روش تعریف شد. خروجی هر روش نیز تعداد این آفت در آن نقاط بود. در بخش زمین‌آمار از روش کریجینگ معمولی و در بخش شبکه عصبی مصنوعی، ساختار پرسپترون سه لایه ...

ژورنال: :پژوهش های رشد و توسعه پایدار 0
رضا تهرانی دانشگاه تهران وحید عباسیون تهران

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...

ژورنال: :حسابداری سلامت 0
امید امانداد کارشناس ارشد حسابداری از دانشگاه فردوسی مشهدسازمان اصلی تایید شده: دانشگاه فردوسی (ferdowsi university) دکتر مهدی صالحی استادیار حسابداری دانشگاه فردوسی مشهدسازمان اصلی تایید شده: دانشگاه فردوسی (ferdowsi university) دکتر محمدعلی فلاحی استاد اقتصاد دانشگاه فردوسی مشهدسازمان اصلی تایید شده: دانشگاه فردوسی (ferdowsi university)

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 تحقیق حاضر، هدف مقایسه تخمین بار رسوب معلق در سدهای مخزنی با استفاده از شبکه عصبی مصنوعی و سیستم استنتاج فازی- عصبی می باشد. بررسیها توسط برنامه  MATLAB انجام شده است و ورودی ها شامل دبی رودخانه سفید رود و خروجی، غلظت رسوب در گام زمانی بوده است.ورودی و خروجی رسوب دارای روند مثبت بوده و 80 درصد داده ها جهت آموزش و 20 درصد داده ها جهت آزمون شبکه مورد استفاده قرار گرفت. از تعداد 229 داده موجود ...

ژورنال: :مهندسی و مدیریت آبخیز 2010
محمد شعبانی

تعیین میزان فرسایش خاک و بار رسوبی رودخانه عملاً کاری مشکل است؛ بنابراین روش های مختلفی برای آن ها پیشنهاد شده است. یکی از روش های نوین در حل مسائل مهندسی آب و همچنین برآورد رسوب معلق رودخانه ها، استفاده از شبکه عصبی مصنوعی است که با الگو برداری از شبکه مغز انسان، ضمن اجرای فرآیند آموزش، روابط درونی بین داده ها را کشف کرده و به موقعیت های دیگر تعمیم می دهد. هدف از انجام این تحقیق، بررسی کارآیی ر...

پایان نامه :وزارت علوم، تحقیقات و فناوری - دانشگاه ارومیه - پژوهشکده الکترونیک 1391

شبکه با توپولوژی linear، شامل 4 نرون و هر نرون دارای 3 وزن آنالوگ مرتبط با ورودی 3-بعدی است. ورودی و خروجی شبکه بصورت ولتاژ می باشد که موجب سادگی در اتصال به سایر ادوات می گردد. برای پیاده سازی این شبکه یک مدار محاسبه فاصله(dmc) برای سنجش میزان شباهت نرون به دیتای ورودی آنالوگ، بر اساس یک راهکار جدید ارائه شده است. برای یافتن نرون برنده از ساختار(wta) و همچنین برای به روز رسانی وزن های نرون برن...

بهنام بهرامی جواد معتمدی سعید جانی زاده سعید خسروبیگی قاسمعلی دیانتی تیلکی,

کربن آلی خاک اثرات مفید­ی روی خواص شیمیایی­، فیزیکی و حرارتی خاک داشتهو همچنین روی فعالیت‌های بیولوژیکی خاک‌ها موثر است. کربن آلی ذره­اییکی از بخش های مهم ناپایدار مواد آلی می باشد و نقش قابل توجهی در کیفیت خاک و مدیریت سرزمینهای مرتعی دارد. در این تحقیق جهت برآورد دقیق کربن آلی ذره­ای خاک از مدل‌های شبکه عصبی مصنوعی (­­ANN)، شبکه عصبی تطبیقی- فازی(ANFIS)  و رگرسیون چند متغیره استفاده شد. جهت ا...

ژورنال: فیزیک زمین و فضا 2011
علیرضا حاجیان وحید ابراهیم‌زاده اردستانی کار لوکاس

در این مقاله روش شبکه عصبی هاپفیلد برای تفسیر هوشمند داده های گرانی استفاده شده است. یک شبکه عصبی هاپفیلد برای تخمین عمق چشمه گرانی طراحی شده است. این شبکه طراحی شده برای داده های مصنوعی و واقعی آزمایش شده اند. در مورد داده های واقعی این شبکه برای تخمین عمق یک تونل قنات واقع در موسسه ژئوفیزیک به کار برده شده و نتایج حاصله به مقادیر واقعی عمق بسیار نزدیک است.

ژورنال: :مهندسی عمران شریف 0
غلامرضا قدرتی امیری دانشکده مهندسی عمران- دانشگاه علم و صنعت ایران محمد محمدی ده چشمه دانشکده مهندسی عمران- دانشگاه علم و صنعت ایران احسان درویشان دانشکده مهندسی عمران - دانشگاه علم و صنعت ایران

با توجه به گسترش روزافزون مباحث طراحی براساس عملکرد در ایران نیاز به رابطه یی جهت تخمین پاسخ غیرکشسان ازه هاست. در این مطالعه نیز سعی بر آن است که پاسخ غیرکشسان سازه ها با ایجاد یک مجموعه داده ی مرجع بدون انجام تحلیل بر روی سازه ها به دست آورده شود. برای این منظور از شبکه های عصبی مصنوعی استفاده شده است. در این نوشتار پاسخ سازه های یک درجه آزادی با ویژگی های مختلف و ۳ نوع رفتار کاهنده تحت انواع...

نمودار تعداد نتایج جستجو در هر سال

با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید