پیش بینی نفوذپذیری در محیط های دارای تخلخل دوگانه با استفاده از رگرسیون چندگانه و شبکه عصبی مصنوعی

مقایسه قدرت پیش بینی شبکه عصبی مصنوعی با رگرسیون لجستیک چندگانه در تفکیک بیماران دیابتی رتینوپاتی از غیر رتینوپاتی

 Background: Diabetes mellitus is a high prevalent disease among the population, and if not controlled, it causes complications and irreparable damage to the eye and cause blindness. This study goal is to investigate the predictive power of multiple logistic regression model and the Artificial Neural Network Multi-layer Perceptron (MLP) in determining patients with and without diabetic...

انتخاب نمودارهای بهینه در پیش بینی اشباع و تخلخل به کمک شبکه های عصبی مصنوعی

پیش بینی سطح سازگاری نوجوانان بر اساس ویژگی‌های روان‌شناختی با استفاده از مدل‌های رگرسیون و شبکه های عصبی مصنوعی

زمینه: پژوهش حاضر یک بررسی در رابطه با ویژگی‌های روان‌شناختی نوجوانان و سطوح سازگاری آنها می‌باشد. با توجه به مبانی نظری در مورد روابط متقابل بین این مفاهیم از یک مدل سنتی مبتنی بر همبستگی و یک مدل نوین مبتنی بر پردازش موازی داده‌ها استفاده شده است. هدف: هدف از پژوهش حاضر بررسی توانمندی هر یک از مدل‌های یاد شده در پیش‌بینی سطوح سازگاری از طریق اندازه‌های مربوط به ویژگی‌های روان‌شناختی نوجوانان ...

مدل سازی و پیش بینی رشد اقتصادی در ایران با استفاده از شبکه های عصبی مصنوعی

شبکه های عصبی مصنوعی، یک ابزار قدرتمند برای تجزیه و تحلیل داده ها و مدل سازی روابط غیر خطی به حساب می آید که استفاده از آن طی سال های گذشته در اقتصاد کلان گسترش یافته است. در این مطالعه، کارایی یک مدل شبکه عصبی با یک مدل خطی رگرسیون برای پیش بینی نرخ رشد اقتصادی در ایران مقایسه می شود. برای این منظور ابتدا، یک مدل رگرسیون رشد برای دوره 1315-1373 برآورد شده و سپس با همان مجموعه رگرسورها (متغیرها...

مقایسه کارآیی شبکه عصبی مصنوعی و رگرسیون چندگانه در پیش بینی وزن دنبه گوسفند

در این مطالعه ارتباط بین وزن­های تولد، از شیرگیری و پایان پروار با وزن دنبه 69 رأس گوسفند بلوچی توسط روش­های شبکه عصبی مصنوعی و رگرسیون چندگانه بررسی شد. هر دو روش با دقت بالایی وزن دنبه را پیش­بینی کردند. هر چند که میانگین خطا به صورت معنی­داری در روش شبکه عصبی مصنوعی کمتر از رگرسیون چندگانه بود. ضریب تعیین برآورد شده در روش شبکه عصبی مصنوعی (93/0) بالاتر از رگرسیون چندگانه (81/0) به دست آمد. ...

مدلسازی نفوذپذیری سیستم بیوراکتورغشایی با استفاده از شبکه عصبی مصنوعی

مدلسازی برای سیستم های پیچیده ای همچون بیوراکتور غشایی به دلیل امکان اجرای آزمایشهای مجازی زیاد در زمان کوتاه ابزاری قدرتمند است، اگرچه نیازمند اعتبار تجربی و تبدیل فرایند به مدل ریاضی می باشد. در این پژوهش به مدلسازی فرایند فیلتراسیون توسط شبکه های عصبی با استفاده از نرم افزار MATLAB 8.1 (2013) پرداخته شده و از داده های تجربی یک سیستم بیوراکتور غشایی غوطه ور مجهز به غشاء کوبوتا جهت تصفیه فاضلا...