نتایج جستجو برای: شبکه ی عصبی پرسپترون
تعداد نتایج: 137512 فیلتر نتایج به سال:
خشک کردن مواد غذایی به عنوان روشی جهت بهبود ماندگاری، ارائه شده است. به منظور پایش این فرایند از مدل های مختلف شبکه ی عصبی نظیر شبکه ی عصبی پرسپترون، تابع پایه ی شعاعی و مدل ترکیبی شبکه ی عصبی و روش شناسی سطح پاسخ به همراه توابع فعال سازی مختلف به عنوان یک ابزار پیش بینی کننده ی پارامترهای خشک کردن کدوی سبز استفاده گردید. پارامترهای زمان خشک کردن، دمای هوای خشک کردن و ضخامت نمونه به عنوان ورودی...
نقشه هایپوشش/کاربریاراضیحاصلازتصاویرماهواره اینقشمهمیدرارزیابی هایمنطقه ایوملیپوشش/کاربریاراضیایفامی کنند.طیّ سالهای گذشته، کاربردهای زیادی از روشهای طبقهبندی شبکه عصبی مصنوعی برای طبقهبندی پوشش/کاربری اراضی در منابع گزارش شده است، اما مطالعات معدودی، مقایسه ی آنها با هم را ارزیابی نمودهاند. در این مطالعه، ابتدا تصحیحات هندسی بر روی دادههای+etm صورت گرفت. سپس با بازدیدهای میدانی، طبقات مخ...
آزمایش پرسیومتری(فشارسنجی)، یکی از مهم ترین آزمایش های برجای مهندسی ژئوتکنیک است. این آزمایش قادر به تخمین بسیار مناسبی از پارامترهای تغییر شکلی خاک است. در این تحقیق از سه نوع شبکه ی عصبی مصنوعی(a n n) به منظور مدل سازی آزمایش پرسیومتری(فشارسنجی) استفاده شده است. برای این منظور ابتدا از پرسپترون چندلایه ــ یکی از پرکاربردترین شبکه های عصبی ــ استفاده شد و در ادامه، با استفاده از شبکه ی نوروفاز...
در این تحقیق ماده مرکب زمینه اپوکسی پرشده با ذرات آلومینیم تهیه گردیده و با تغییر شرایط مختلف تراشکاری شامل: سرعت برش، کسر وزنی ذرات، عمق برش و نرخ پیشروی از قطعات مواد مرکب برادهبرداری صورت گرفته است. سپس زبری سطح قطعات اندازهگیری شده و برای پیشبینی اثر چهار عامل تراشکاری بر زبری سطح قطعات، با استفاده از دو نوع شبکه عصبی شامل: شبکه عصبی چند لایه پرسپترون و شبکه عصبی با تابع پایه شعاعی، مد...
به دلیل عدم وجود ایستگاه های سنجش میزان رسوب در فرایند فرسایش بادی، تخمین میزان بار رسوب در زمینه این فرایند امری ضروری و مهم تلقی می شود. شبکه های عصبی مصنوعی می توانند به عنوان ابزاری کارآمد جهت برآورد و شبیه سازی رسوبات موثر واقع شوند. در این تحقیق از دو نوع شبکه عصبی مصنوعی پرسپترون چند لایه و شبکه عصبی شعاعی برای برآورد و برازش مقدار رسوبات بادی در منطقه کرسیا شهرستان داراب استفاده گردید....
زمین لغزش نشان دهنده ی فرایندهای مورفودینامیک است که در زمین های شیب دار رخ داده و به واحد های مسکونی، صنعتی، باغات و زمین های زراعی آسیب می رساند. در این تحقیق برای پهنه بندی زمین لغزش در حوضه ی رودخانه گیوی چای از مدل شبکه عصبی پرسپترون چند لایه از نوع پیش خور پس انتشار(bp)استفاده شد. جهت ارزیابی شبکه ی عصبی ایجاد شده، داده های 41 زمین لغزش رخ داده به سیستم ارائه شد. در کنار آن برای پردازش زم...
تشخیص آفت سوسک چهار نقطهای نخود توسط پردازش تصویر و شبکه عصبی مصنوعی سامان ساجدیان1* چکیده: نظر به اهمیت تشخیص مکانیزه آفات گیاهان، در این پژوهش تشخیص آفت نخود توسط تکنیک پردازش تصویر با بهرهگیری از شبکههای عصبی مصنوعی شبیهسازی شده است. بدین منظور تعدادی تصویر در ابعاد 27×18پیکسل از نخودهای سالم و آسیب دیده بعنوان تصاویر آموزش تهیه شده و پس از استخراج ویژگی آنها توسط موجک گابور، بعنوان داد...
تا کنون برای پیش بینی بازده سهام و بازده شاخص از روش های متعددی استفاده شده است در این میان هوش مصنوعی و شبکه های عصبی مصنوعی یکی از روش های پیش بینی بازده شاخص بوده است. در حال حاضر به دنبال بررسی عملکرد شبکه عصبی شعاع پایه برای پیشبینی بازده شاخص هستیم. بدین منظور از شاخص بورس اوراق بهادار تهران استفاده شده است و عملکرد شبکه عصبی شعاع پایه و شبکه عصبی پرسپترون مقایسه شدهاند. نوع آزمون عملکر...
پوشش گیاهی یکی از مهم ترین اجزای اکوسیستم هاست و دانستن درصد پوشش گیاهی سطحی برای بررسی میزان فرسایش خاک، شدت خشکسالی، مطالعات زیست محیطی، منابع طبیعی و غیره بسیار ضروری است. هدف از این تحقیق محاسبه ی درصد پوشش گیاهی با استفاده از تصاویر ماهواره ای و شبکه های عصبی مصنوعی (پرسپترون چندلایه) می باشد. بدین منظور از تصویر ماهواره ای alos مربوط به تاریخ 27 تیر ماه 1388 و شبکه های عصبی مصنوعی پرسپترو...
مقدمه: ضرور ی است که با بررسی دقیق مدلهای پیشبینیکننده جدید و دارای قابلیتهای مضاعف، ضمن مقایسه با روشهای آماری متداول و یافتن نقاط قوت و ضعف هر یک از آنها، بتوان در پژوهشهای آتی مدلی که محققان را به بهترین پیشبینی رهنمون سازد، پیشنهاد نمود. هدف از پیریزی این پژوهش، مقایسه توانایی مدل شبکه عصبی و رگرسیون در پیشبینی رضامندی زناشویی براساس ویژگیهای شخصیتی بود. روش: ا ی ن پژوهش...
نمودار تعداد نتایج جستجو در هر سال
با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید