در این پژوهش برای تعیین روش پیش بینی قیمت سهام، یک شبکه عصبی LM-BP بر اساس سری های زمانی با توجه به قیمت باز، بالاترین قیمت، پایین ترین قیمت، قیمت بسته و حجم معاملات ارائه شد. در پژوهش حاضر، 315 روز قیمت سهام را برای ایجاد 10 نمونه انتخاب و مجموعه آزمون شامل قیمت سهام از روز 316 تا روز 320 را انتخاب و از شبکه عصبی LM-BP استفاده شده است. در این پژوهش، تعیین نقطه بحرانی بیش از حد، عدم تقارن و شما...

در این بررسی راندمان حرارتی مبدل دو لوله ای با نانو سیال آب – Fe3O4 در اعداد رینولدز21000-2000 و کسر های حجمی بین(0.1-0.4% v/v) توسط شبکه عصبی مصنوعی ( ANN ) و همبستگی با استفاده از داده های آزمایشگاهی ارزیابی و پیش بینی شده است . سایز نانوذره اکسید آهن در حدود 20 نانومتر می باشد . عکس برداری SEM از نانو ذرات نیز برای روشن شدن پایداری و همگن بودن سوسپانسیون ارائه شده است . عدد رینولدزو کسرهای ح...

چکیده شبکه های عصبی در دهه ی اخیر به عنوان ابزار قدرتمندی جهت پیش بینی در حوزه های مختلف مورد استفاده قرار گرفته اند. در این تحقیق از شبکه عصبی پیشخور پرسپترون چند لایه (MLP) با یادگیری پس انتشار از الگوریتم آموزش انتشار به عقب (BP)، با تکنیک بهینه سازی عددی لونبرگ- مارکوات (LM)،توسط نرم افزار متلب مورد استفاده قرار گرفت. درصد رطوبت کیک ، دمای پرس و زمان بسته شدن پرس به عنوان متغیرهای ورودی و خ...

چکیده شبکه های عصبی در دهه ی اخیر به عنوان ابزار قدرتمندی جهت پیش بینی در حوزه های مختلف مورد استفاده قرار گرفته اند. در این تحقیق از شبکه عصبی پیشخور پرسپترون چند لایه (mlp) با یادگیری پس انتشار از الگوریتم آموزش انتشار به عقب (bp)، با تکنیک بهینه سازی عددی لونبرگ- مارکوات (lm)،توسط نرم افزار متلب مورد استفاده قرار گرفت. درصد رطوبت کیک ، دمای پرس و زمان بسته شدن پرس به عنوان متغیرهای ورودی و خ...

سیل، یکی از پدیده‌های ویرانگر طبیعی است که پیش‌بینی آن از اهمیت بالایی برخوردار است و در این میان برآورد بارش- رواناب به دلیل تأثیرگذاری عوامل مختلف، دشوار است. در این پژوهش با استفاده از شبکه پرسپترون چند لایه(MLP)، قانون یادگیری پس‌انتشار خطا(BP)، الگوریتم لونبرگ- مارکوارت(LM) و معیارهای RMSE و R2 جهت کارایی مدل، 6 سناریو تعریف گردید. بررسی حالات مختلف نشان داد که بهترین مدل شبکه عصبی جهت شبی...

سیل، یکی از پدیده های ویرانگر طبیعی است که پیش بینی آن از اهمیت بالایی برخوردار است و در این میان برآورد بارش- رواناب به دلیل تأثیرگذاری عوامل مختلف، دشوار است. در این پژوهش با استفاده از شبکه پرسپترون چند لایه(mlp)، قانون یادگیری پس انتشار خطا(bp)، الگوریتم لونبرگ- مارکوارت(lm) و معیارهای rmse و r2 جهت کارایی مدل، 6 سناریو تعریف گردید. بررسی حالات مختلف نشان داد که بهترین مدل شبکه عصبی جهت شبی...

دقت سنسورهای شتاب سنج و ژیروسکوپ mems که امروزه به فراوانی در imu های ارزان قیمت یافت می شود به شدت وابسته به تغییرات دمایی است. هدف از این پروژه جبران سازی این تغییرات با استفاده از تلفیق روش های فعال و غیرفعال می باشد. در روش های غیرفعال سعی بر این است که مقدار خطای اعمال شده توسط تغییر مشخصی از دما، تخمین زده شده و سپس جبران شود. شبکه های عصبی bp بعنوان یک ابزار برازش در این پروژه به این منظ...

در این تحقیق یک سیستم شبکه عصبی bp برای پیش بینی میزان حذف آلاینده کلروفن از محلول آبی پساب های صنعتی و استفاده از یک شبکه نروفازی برای مقایسه با نتایج شبکه عصبیbpاستفاده شده است. همچنین از الگوریتم پرندگان برای بدست آوردن رابطه مناسب این فرایند استفاده شده است. بر این اساس زمان تماس، غلظت آلاینده، میزان کاتالیزور (tio2)و ph به عنوان متغیر در نظر گرفته شده است و میزان باقی مانده آلاینده به عنوا...

در بحث مدیریت سواحل مسئله حفاظت ساحل از اهمیت زیادی برخوردار است. موج شکن های مستغرق از مهمترین سازه های دریایی هستند که به طور گسترده در سراسر دنیا برای محافظت از ساحل در برابر فرسایش استفاده می شوند. این سازه ها با مستهلک کردن انرژی موج باعث کاهش میزان انرژی رسیده به ساحل می شوند. پس تغییرات در خط ساحلی به میزان بسیار زیادی وابستگی به جریان عبوری روی این سازه ها دارد. در این تحقیق سعی بر این ...