تخمین عمق بی هنجاریهای گرانی با استفاده از شبکه های عصبی هاپفیلد

در این مقاله روش شبکه عصبی هاپفیلد برای تفسیر هوشمند داده های گرانی استفاده شده است. یک شبکه عصبی هاپفیلد برای تخمین عمق چشمه گرانی طراحی شده است. این شبکه طراحی شده برای داده های مصنوعی و واقعی آزمایش شده اند. در مورد داده های واقعی این شبکه برای تخمین عمق یک تونل قنات واقع در موسسه ژئوفیزیک به کار برده شده و نتایج حاصله به مقادیر واقعی عمق بسیار نزدیک است.

Keywords:

تخمین عمق , شبکه عصبی , گرانی , هاپفیلد

Authors

Ali Reza Hajian

مربی، گروه فیزیک، دانشگاه آزاد اسلامی واحد نجف آباد، ایران

Vahid Ebrahim Zadeh Ardestani

دانشیار، گروه فیزیک زمین، موسسه ژئوفیزیک دانشگاه تهران و قطب علمی مهندسی نقشه برداری و مقابله با سوانح طبیعی، تهران، ایران

Car Lucas

استاد، دانشکده برق وکامپیوتر دانشگاه تهران وقطب علمی کنترل وپردازش هوشمند ،تهران،ایران

Certificate
من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

https://civilica.com/doc/1806928

شناسه ملی سند علمی:

JR_JESPHYS-37-2_017

تاریخ نمایه سازی: 10 آبان 1402

How to Cite to This Paper:

If you want to refer to this Paper in your research work, you can simply use the following phrase in the resources section:

Hajian، Ali Reza و Ebrahim Zadeh Ardestani، Vahid و Lucas، Car،1390،تخمین عمق بی هنجاریهای گرانی با استفاده از شبکه های عصبی هاپفیلد،https://civilica.com/doc/1806928

Scientometrics

The specifications of the publisher center of this Paper are as follows:

Ranking of Islamic Azad University of NajafAbad

Type of center: Azad University

Paper count: 12,685

In the scientometrics section of CIVILICA, you can see the scientific ranking of the Iranian academic and research centers based on the statistics of indexed articles.