Results 31 to 40 of about 157 (50)

تخمین نفوذپذیری نهایی خاک‌ها با استفاده از مدل شبکه عصبی مصنوعی (مطالعه موردی: مزرعه پردیس ابوریحان) [PDF]

open access: yesپژوهش‌های حفاظت آب و خاک, 2012
نفوذپذیری یکی از مهم‌ترین پارامترهای فیزیکی خاک‌ها و از داده‌های بنیادی طرح‌های آبیاری و زه‌کشی است. اگرچه برای توصیف این پدیده، تاکنون روش‌ها و روابط مختلف تئوری و یا تجربی ارایه شده، ولی هنوز هم از جنبه‌های تطابق و امکان کاربرد علوم جدیدی نظیر روش شبکه‌
doaj  

ارائه الگوی مقایسه ای: ارتقا کیفیت محیط اطلاعات مالی داخلی شرکت‌های دولتی و غیر دولتی براساس ویژگی‌های مدیریتی (مدل شبکه عصبی مصنوعی با روش رگرسیون) [PDF]

open access: yesحسابداری دولتی
موضوع و هدف مقاله: هدف پژوهش حاضر ارائه الگویی بهینه برای ارتقاء کیفیت محیط اطلاعات مالی داخلی شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران براساس ویژگی‌های مدیریتی شرکتهای بامالکیت دولتی و غیردولتی به‌کمک تحلیل مقایسه‌ایی مدل شبکه‌عصبی‌مصنوعی با روش ...
امیر لعلی سرابی   +2 more
doaj   +1 more source

تخمین تبخیر- تعرق گیاه مرجع درون گل‌خانه با استفاده از شبکه‌های عصبی مصنوعی [PDF]

open access: yesپژوهش‌های حفاظت آب و خاک, 2012
امروزه شبکه‌های عصبی مصنوعی کاربرد بسیاری در مسائل مختلف مهندسی آب که رابطه و الگوی مشخصی بین عوامل مؤثر بر وقوع یک پدیده وجود ندارد، پیدا کرده‌اند. در این پژوهش جهت تخمین تبخیر- تعرق مرجع داخل گل‌خانه با استفاده از شبکه‌های عصبی مصنوعی، از داده‌های ...
doaj  

روندیابی سیل رودها با بهره وری از شبیه های شبکه ی عصبی مصنوعی تکاملی [PDF]

open access: yesمهندسی منابع آب, 2010
یکی از روش‌های پیش‌بینی سیل در رودخانه‌ها به منظور مدیریت و کنترل سیل در آن، روندیابی سیل می‌باشد. امروزه تکنیک جدید استفاده از مدل شبکه‌های عصبی مصنوعی تکاملی(EANN) که مبتنی بر هوش مصنوعی می‌باشد، کاربرد گسترده‌ای در زمینه‌های مختلف علمی به‌ویژه مهندسی ...
حسین فتحیان   +2 more
doaj  

تخمین قیمت نفت خام اوپک با استفاده از روش‌های درخت دوتایی، سری زمانی و شبکه‌های عصبی مصنوعی [PDF]

open access: yesMuhandisī-i manābi̒-i ma̒danī, 2018
قیمت نفت مهم‌ترین و تاثیرگذارترین پارامتر اقتصادی در فرایند ارزیابی پروژه‌های نفتی است. عدم قطعیت قیمت نفت متاثر از عواملی مانند مسائل سیاسی، میزان عرضه و تقاضا، پیشرفت تکنولوژی و نظایر آن‌ها می‌باشد به گونه‌ای که ارزیابی یک طرح نفتی بدون در نظر گرفتن ...
بهروز لاری سمنانی   +1 more
doaj   +1 more source

بهینه‌سازی تولید و تزریق با استفاده از روش کاهش مرتبه مدل در شبیه‌سازی مخازن هیدروکربنی [PDF]

open access: yesPizhūhish-i Naft, 2017
بهینه‌سازی برنامه تولید و تزریق در مخازن هیدروکربنی به‌دلیل پیچیدگی و حجم بالای محاسبات، زمینه تحقیقاتی بسیاری از طرح‌های پژوهشی بوده است. یکی از علل اصلی این پیچیدگی نیاز به اجراهای متعدد شبیه‌ساز عددی به منظور پیش‌بینی عملکرد مخزن است.
توماج فرود   +2 more
doaj   +1 more source

طراحی سیستم تصمیم‌یار بالینی مبتنی بر شبکه‌ی عصبی مصنوعی به منظور کشف اولیه‌ی سرطان از بزرگی خوش‌خیم پروستات

open access: yesمدیریت اطلاعات سلامت, 2012
مقدمه: در سال‌های اخیر مفاهیم شبکه‌های عصبی مصنوعی در کشف اولیه و طبقه‌بندی بیماری‌ها متحمل پیشرفت‌های فراوانی شده است. استفاده از شبکه‌های عصبی به دلیل توانایی‌های بالقوه‌ی آن درکاربردهای پزشکی و در پیدا کردن کنش بین متغیرها، تشخیص و مدل‌سازی بیماری‌ها ...
Mustafa Ghaderzadeh   +2 more
doaj  

تشخیص وضعیت لغزندگی جاده با استفاده از تصاویر دوربین‌های جاده‌ایی مبتنی بر شبکه‌های عصبی پیچشی و یادگیری انتقالی [PDF]

open access: yesپدافند الکترونیکی و سایبری, 2022
تشخیص وضعیت لغزندگی سطح جاده امری مهم در راستای افزایش امنیت جاده و سرنشینان و همچنین توسعه خودروهای خودران و فناوری‌های مرتبط با آن است. در این راستا پژوهش‌های مختلفی با روش‌ها و حسگرهای متفاوت، با استفاده از داده‌های گوناگونی نظیر تصویر، صوت و فرکانس ...
محمد امین گیاهبان   +2 more
doaj  

به‌کارگیری تبدیل موجک تصویر برای درجه‌بندی کیفی چای سبز به کمک الگوریتم‌های فراابتکاری [PDF]

open access: yesPizhūhish va Nuāvarī dar ̒Ulūm va Sanāyi̒-i Ghaz̠āyī, 2019
این مطالعه با هدف بررسی بهترین مشخصه‌های استخراج‌شده از تصاویر برای تعیین بهترین روش طبقه‌بندی کیفی چای سبز توسط الگوریتم‌های فراابتکاری انجام شد. 5 طبقۀ مختلف چای سبز مطابق با استاندارد سازمان ملی استاندارد ایران ارزیابی شدند.
عادل بخشی پور   +2 more
doaj   +1 more source

پیش بینی تغییرات کاربری زمین با استفاده از شبکه های عصبی و GIS [PDF]

open access: yesاطلاعات جغرافیایی, 2012
در این مقاله مدل دگرگونی زمین که مشتمل بر سیستم اطلاعات جغرافیایی (GIS)(1) و شبکه‌های عصبی مصنوعی (ANNs)(2) می‌باشد ارائه شده است. در این مدل از عوامل متنوع سیاسی، اجتماعی و محیطی به عنوان متغیرهای پیشگوی استفاده گردیده است.
غلامرضا لطیفی   +1 more
doaj  

Home - About - Disclaimer - Privacy