معرفی شبکه های عصبی مبتنی بر توابع پایه شعاعی و کاربرد های آن

تخمین نرخ نفوذ حفاری با استفاده از ماشین یادگیری افراطی و شبکه های عصبی پایه شعاعی

درونیابی مبتنی بر توابع پایه شعاعی و نگاشت داده های ناقص تداوم بارندگی

یکی از روشهای تکمیل داده های ناقص، روش درونیابی مبتنی بر توابع پایه شعاعی است. برای این منظور از پنج روش درونیابی برای تکمیل داده های تداوم بارندگی حوزه رودخانه پارامتا در سیدنی استرالیا استفاده گردید و برای یافتن روش مناسب درونیابی، ضریب شکل c طی یک روش اعتبار سنجی جانبی، بهینه یابی شد. با این ضریب تأثیر شکل خاص، تفاوت میزان به دست آمده برای تداوم بارندگی از رگبار شماره 1 در ایستگاههای مختلف ا...

شبکه های عصبی شعاعی آموزش یافته بر پایه متغیرهای مدل‌های آماری و مقایسه آن‌ها در پیش بینی ورشکستگی

امروزه شبکه های عصبی مصنوعی جایگاه ویژه ای در حیطه مالی پیدا کرده است. پژوهش حاضر به دنبال یافتن روش بهتر برای ساخت و آموزش شبکه های عصبی مصنوعی است که منجر به پیش بینی دقیق‌تر در موضوع ورشکستگی شود. در این میان سه شبکه عصبی از نوع توابع شعاع مدار ساخته شد که به صورت جداگانه توسط متغیرهای مدل آلتمن (1983)، اسمایوسکی (1984) و ترکیبی آموزش داده شدند. پس از سنجش توانایی سه مدل در پیش بینی ورشکستگی...

درونیابی مبتنی بر توابع پایه شعاعی و نگاشت داده‌های ناقص تداوم بارندگی

یکی از روشهای تکمیل داده‌های ناقص، روش درونیابی مبتنی بر توابع‌ پایه شعاعی است. برای این منظور از پنج روش درونیابی برای تکمیل داده‌های تداوم بارندگی حوزه رودخانه پارامتا در سیدنی استرالیا استفاده گردید و برای یافتن روش مناسب درونیابی، ضریب شکل C طی یک روش اعتبار سنجی جانبی، بهینه‌یابی شد. با این ضریب تأثیر شکل خاص، تفاوت میزان به‌دست آمده برای تداوم بارندگی از رگ...

شبکه های عصبی شعاعی آموزش یافته بر پایه متغیرهای مدل های آماری و مقایسه آن ها در پیش بینی ورشکستگی

امروزه شبکه های عصبی مصنوعی جایگاه ویژه ای در حیطه مالی پیدا کرده است. پژوهش حاضر به دنبال یافتن روش بهتر برای ساخت و آموزش شبکه های عصبی مصنوعی است که منجر به پیش بینی دقیق تر در موضوع ورشکستگی شود. در این میان سه شبکه عصبی از نوع توابع شعاع مدار ساخته شد که به صورت جداگانه توسط متغیرهای مدل آلتمن (1983)، اسمایوسکی (1984) و ترکیبی آموزش داده شدند. پس از سنجش توانایی سه مدل در پیش بینی ورشکستگی...

کاربرد شبکه عصبی پایه شعاعی در کنترل یک سیستم غیرخطی نامعین مبتنی بر ساختار فیدبک rise

در این پایان نامه یک ترکیب جدید از شبکه عصبی پایه شعاعی گوسی به عنوان جبران ساز رو به جلو به همراه استراتژی کنترل انتگرال مقاوم از علامت خطا (rise) ارائه شده است. کنترل کننده پیشنهادی به منظور ردیابی مسیر حالت متغیر با زمان برای سیستم های غیرخطی در حضور نامعینی پارامتری و اغتشاشات خارجی استفاده می شود. از آنجایی که کنترل کننده بر مبنای شبکه عصبی، عموما دارای نتایج پایداری کراندار نهایی یکنواخت ...