سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

Login
PapersConferencesJournals

تحلیل و ارزیابی تاثیر الگوریتم آموزش الگوریتم RPROP در ترکیب با توابع خروجی TanH و Bias در شبکه عصبی مصنوعی FTDNN و Fgam بهینه سازی شده توسط Data Mining

Publish place: National Conference on Water,Human,Earth
Publish Year: 1393
Type: Conference paper
Language: Persian
View: 975

This Paper With 13 Page And PDF Format Ready To Download

DOWNLOAD Paper

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:
https://civilica.com/doc/319127

Document National Code:

WHEC01_147

Index date: 2 January 2015

تحلیل و ارزیابی تاثیر الگوریتم آموزش الگوریتم RPROP در ترکیب با توابع خروجی TanH و Bias در شبکه عصبی مصنوعی FTDNN و Fgam بهینه سازی شده توسط Data Mining abstract

کاربرد روزافزون شبکه های عصبی مصنوعی در علوم مهندسی عمران مهندسی آب نشانگر کارایی، نقش و اثر مهم مدل های مبتنی بر شبکه های عصبی مصنوعی است بدیهی است در کنار پژوهش انجام شده توسط ابزار شبکه عصبی مصنوعی، نیاز به پژوهش هایی در جهت تحلیل وارزیابی عملکرد شبکه های عصبی مصنوعی تخصصی در هر علم توسط متخصصان همان رشته است. در این پژوهش با استفاده ازمدلی جدید که قابلیت بررسی هوشمند انواع شبکه عصبی مصنوعی رادر کنار ایده ابتکاری دیتا ماینینگ دارد. نتایج بررسی وآنالیز حساسیت مدل های ایجاد وتحلیل شده نشان می دهد الگوریتم RPROP در کنار پارامترهای بدست آمه از data minimg اثر بسیار مطلوبی بر افزایش دقت مدل شبکه عصبی در تخمین رواناب داشته است.

تحلیل و ارزیابی تاثیر الگوریتم آموزش الگوریتم RPROP در ترکیب با توابع خروجی TanH و Bias در شبکه عصبی مصنوعی FTDNN و Fgam بهینه سازی شده توسط Data Mining Keywords:

الگوریتم آموزش RPROP , FTDNN , FGam , TanH , Bias مقایسه تابع آموزش و تابع محرک خروجی , شبکه عصبی مصنوعی Data Mining , Artifical Neural Networks

تحلیل و ارزیابی تاثیر الگوریتم آموزش الگوریتم RPROP در ترکیب با توابع خروجی TanH و Bias در شبکه عصبی مصنوعی FTDNN و Fgam بهینه سازی شده توسط Data Mining authors

آرش یوسف دوست

کارشناسی ارشد مهندسی عمران - مهندسی آب دانشگاه آزاد اسلامی واحد تهرن مرکزی

محمدصادق صادقیان

هیئت علمی گروه عمران دانشگاه آزاد اسلامی واحد تهران مرکزی

رضا ابونوری

کارشناس ارشد مهندسی عمران مهندسی آب دانشگاه آزاد اسلامی واحد تهران مرکزی

محمدرضا بازرگان لاری

هیئت علمی گروه مهندسی عمران دانشگاه آزاد اسلامی واحد تهران شرق

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 :
بشول ر .1381 .کاربرد مدلهای تجربی جهت برآورد رواناب سالانه ...
توکلی م .و رستمینیا م . 1385 .ارائه مدل منطقهای ...
جباری ا .و عارفی م..ر . 1385 .برآورد عمق رواناب ...
جهانگیرع.ر، رائینی م. و ضیاتباراحمدی م. 1387 _ شبیهسازی فرآیند ...
رضایی ع.، مهدوی م، لوکس ک، فیضنیا س. و مهدیان ...
زارع ابیانه ح، قاسمی ع.، بیات ورکشی م.، سبزیپرور ع. ...
صلواتی ب، صادقی س.ج. و تلوری ع. 1389 . مدلسازی ...
فضل اولی ر.، آخوندعلی م.ع .و بهنیا ع . 1385 ...
کارآموز م. عراقینژاد ش .و رضوی س.س . 1383 .مدلسازی ...
محمدی ی.، فتحی پ.، نجفینژاد ع .و نوران . 1387 ...
زارع ابیانه، حمید، ورکشی م. 1390. ارزیابی مدلهای هوشمند عصبی ...
نوری ر.، فرخیا .، مرید س .و ریاحی مدوار ح ...
ولی خوجینی ع . 1377 .بررسی شماره منحنی (CN) روش ...
یوسف دوست. آرش. Data Minng .1393 و بهینه‌سازی برآورد رواناب ... [مقاله کنفرانسی]
مقایسه شبکه عصبی مصنوعی GRNN,MLP و روش LMR در پیش بینی جریان ماهانه رودخانه و بهینه سازی برنامه ریزی و مدیریت منابع اب جاجرود [مقاله کنفرانسی]
نظام‌الدین فقیه, هوش مصنوعی در پیش بینی ایست خط تولید ...
یوسف دوست، آرش. تحلیل و ارزیابی شبکه عصبی مصنوعی FTDNN ... [مقاله کنفرانسی]
Chow V.T. 8142. Handbook of Applied Hydrology, Mc-Graw Hill Book ...
HSU K., Gupta H.V., and Sorooshian S. 8113. Artificial neural ...
Kadioglou M., and Sen Z. 0008. Monthly prec ipitation-ruuoff poygons ...
Kohler M.A., and Linsly R.K. 8138. Predicting runoff from storm ...
Lawgun N., and Toong A.T. 8113. Regional flood-fre quency analysis ...
نمایش کامل مراجع

مقاله فارسی "تحلیل و ارزیابی تاثیر الگوریتم آموزش الگوریتم RPROP در ترکیب با توابع خروجی TanH و Bias در شبکه عصبی مصنوعی FTDNN و Fgam بهینه سازی شده توسط Data Mining" توسط آرش یوسف دوست، کارشناسی ارشد مهندسی عمران - مهندسی آب دانشگاه آزاد اسلامی واحد تهرن مرکزی؛ محمدصادق صادقیان، هیئت علمی گروه عمران دانشگاه آزاد اسلامی واحد تهران مرکزی؛ رضا ابونوری، کارشناس ارشد مهندسی عمران مهندسی آب دانشگاه آزاد اسلامی واحد تهران مرکزی؛ محمدرضا بازرگان لاری، هیئت علمی گروه مهندسی عمران دانشگاه آزاد اسلامی واحد تهران شرق نوشته شده و در سال 1393 پس از تایید کمیته علمی همایش ملی آب، انسان و زمین پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله الگوریتم آموزش RPROP ، FTDNN ، FGam ، TanH ،Bias مقایسه تابع آموزش و تابع محرک خروجی، شبکه عصبی مصنوعی Data Mining ،Artifical Neural Networks هستند. این مقاله در تاریخ 12 دی 1393 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 975 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که کاربرد روزافزون شبکه های عصبی مصنوعی در علوم مهندسی عمران مهندسی آب نشانگر کارایی، نقش و اثر مهم مدل های مبتنی بر شبکه های عصبی مصنوعی است بدیهی است در کنار پژوهش انجام شده توسط ابزار شبکه عصبی مصنوعی، نیاز به پژوهش هایی در جهت تحلیل وارزیابی عملکرد شبکه های عصبی مصنوعی تخصصی در هر علم توسط متخصصان همان رشته ... . این مقاله در دسته بندی موضوعی شبکه عصبی و داده کاوی طبقه بندی شده است. برای دانلود فایل کامل مقاله تحلیل و ارزیابی تاثیر الگوریتم آموزش الگوریتم RPROP در ترکیب با توابع خروجی TanH و Bias در شبکه عصبی مصنوعی FTDNN و Fgam بهینه سازی شده توسط Data Mining با 13 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.