CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

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

عنوان 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
شناسه ملی مقاله: WHEC01_147
منتشر شده در همایش ملی آب، انسان و زمین در سال 1393
مشخصات نویسندگان مقاله:

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

خلاصه مقاله:
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.

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

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/319127/