الگوریتم پس انتشار خطای فازی تصادفی در پیش بینی وضع هوا

Publish Year: 1390
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,770

This Paper With 8 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ROUDSARIT01_126

تاریخ نمایه سازی: 19 مرداد 1390

Abstract:

پیش بینی بارندگی نقش موثری در جلوگیری از بروز سیل خسارات وارده برکشاورزی راه ها و بطور کلی در تمام ابعاد مختلف زندگی انسان دارد شبکه های عصبی مصنوعی در واقع شبیه سازی رفتار شبکه های عصبی بیولوژیکی توسط ابزارهای سخت افزاری و یا نرم افزاری هستند آنچه در مطالعه و تحقیق شبکه های عصبی مصنوعی حائز اهمیت می باشد ساخت شبکه هایی است که هرچه بیشتر به عملکرد سیستم عصبی انسان شبیه هستند به آن امید که بتوان هما ن هوش را به نحوی دوباره ایجاد کرد برای شبکه های عصبی مصنوعی دو روش یا رهیافت یادگیری موجود است با سرپرستی ، بدون سرپرستی، براساس الگوریتم پس انتشار خطای فازی تصادفی نه تنها قابلیت یادگیری شبکه بالا می رود بلکه قابلیت رهایی از مینیمم محلی هنگامیکه شبکه در حال آموزش است افزایش می یابد. دراین مقاله هریک از الگوریتم های شبکه عصبی فازی و شبکه عصبی فازی تصادفی مورد بررسی و تحلیل قرارگرفته اند و نتایج آنها در پیش بینی وضع هوا نشان داده شده است.

Authors

اعظم کاوه پور

کارشناسی ارشد دانشگاه آزاد اسلامی واحد لاهیجان

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • آرتور گایتون، فیزیولوزی بشکی، جلد دوم، و یرایش هفتم، ترجمه ...
  • علیزاده ام‌ین، هوا و اقلیم شناسی، دانشگاه فردوسی مشهد .1379 ...
  • غضنفری مهد ی، اصول و مبان ی س‌ستم ها ی ...
  • زاهدی مرتضی، 1353، تور ی مجموعه ها ی فاز ی ...
  • مقاله ام‌یرکبیر 31 - سیفی پور، یکروش _ ...
  • پایان نامه کنترل موشک - لوکس. ...
  • J.A. Anderson , M.T. Gately , P.A. Penz , D.R. ...
  • W.H. schiffman , H.W. Geffers _ Adaptive control of dynamic ...
  • S. chen , S. Billings , P.Grant , Non - ...
  • C.wohler , J.K.Anlauf , An adaptive time - delay neural- ...
  • P.J. Edwards _ A.F.Murray , G. Papadopoulos , A.R.Wallace _ ...
  • D.E. Rumelhart, G.E. Hinton, R.J Williams, Learning intermal representation by ...
  • D.E Rumelhat _ G.E. Hinton , R.J. Williams , Learning ...
  • S. Haykin, A Comprehensive Foundation: Neural Networks, Macmillan, New York, ...
  • R.A. Jacobs, Increased rates of convergence through learming rate adaptation, ...
  • S.A. Solla, E. Levin, M. Fieisher, Accelerated learming in layered ...
  • F.M. Silva, L.B. Almedia, Speeding-up b ac kpropagation, in: Advanced ...
  • b ackpropagation through dynamic selfadaptation, Neural Networks 9 (1996) 589-601. ...
  • P. Baldi, K. Hornik, Neural networks and principal component analysis: ...
  • M. Gori, A. Tesi, On the problem of local minimum ...
  • _ _ _ _ Dallas, TX, 1993. ...
  • نمایش کامل مراجع