نتایج جستجو برای: MARS
تعداد نتایج: 13794 فیلتر نتایج به سال:
در این تحقیق روش مدل سازی رگرسیون غیرپارامتری چند متغیره اسپیلاین (mars) بهمنظور تعیین الگوهای غیرخطی پنهانی (دادههای با تعداد متغیرهای زیاد) بر روی داده های کانیسازی طلا تیپ پهنه برشی واقع در شمال غرب ایران اعمال شده است. mars متغیرهای pb-as-w-bi-cu-be-v-sn را بهعنوان پاراژنزهای عنصری کانی سازی ارزیابی کرده است. بر این اساس مدل پراکندگی ژئوشیمیایی مقدار متغیر وابسته (au) بر اساس متغیرهای ...
مدل سازی پراکنش مکانی آلودگی هوا در کلان شهرهایی مثل تهران، می تواند جهت برآورد میزان آلاینده ها در نقاط فاقد ایستگاه پایش کمک فراوانی نماید و مناطق دارای آلودگی زیاد را مشخص نماید. تاکنون روش های درون یابی مختلفی مثل روش idw، tps، کریجینگ و کوکریجینگ جهت مدل سازی پراکنش مکانی آلاینده های هوا مورد استفاده قرار گرفته اند اما تاکنون از روش اسپیلان های رگرسیونی تطبیقی چندمتغیره (mars) بدین منظور ا...
هدف از این تحقیق، شبیه سازی و پیش بینی غلظت بار معلق رودخانه ی ساکرامنتو (کالیفرنیا) توسط روش اسپلاین رگرسیونی تطبیقی چند متغیره mars و ارزیابی نتایج آن با نتایج شبکه ی عصبی(anns) می باشد. در این تحقیق پس از جمع آوری داده های بار معلق و دبی (در مقیاس روزانه) رودخانه ی ساکرامنتو در دو ایستگاه ساکرامنتو و فریپورت، اقدام به شبیه سازی بار معلق توسط anns مختلف از جمله شبکه ی اتورگرسیو غیر خطی موازی(...
This paper describes marimunl likelihood estirncr-tion techniques for performirlg rover localizatio?t in natural terrain by matching range ntaps. An OCCUpancy map of the local terrain isgertef'ated usirigstcreo visiou. The positioa of the rover rvith respect to a previously generated occupancy map M then computed by comparing the maps using a probabdistic formulation of [[ausdoz-ff matching iec...
در این تحقیق روش مدل‌سازی رگرسیون غیرپارامتری چند متغیره اسپیلاین (MARS) بهمنظور تعیین الگوهای غیرخطی پنهانی (دادههای با تعداد متغیرهای زیاد) بر روی دادههای کانیسازی طلا تیپ پهنه برشی واقع در شمال غرب ایران اعمال شده است. MARS متغیرهای Pb-As-W-Bi-Cu-Be-V-Sn را بهعنوان پاراژنزهای عنصری کانیسازی ارزیابی کرده است. بر این اساس مدل پراکندگی ژئوشیمیایی مقدار متغیر وابسته (Au) بر اساس متغیرهای ...
This study examines the capability of the Relevance Vector Machine (RVM) and Multivariate Adaptive Regression Spline (MARS) for prediction of ultimate capacity of driven piles and drilled shafts. RVM is a sparse method for training generalized linear models, while MARS technique is basically an adaptive piece-wise regression approach. In this paper, pile capacity prediction models are developed...
نمودار تعداد نتایج جستجو در هر سال
با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید