مقایسه عملکرد شبکه های عصبیRBF و MLP در برآورد شاخص بافتخاک
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 738
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:
شناسه ملی سند علمی:
PDCONF01_286
تاریخ نمایه سازی: 11 آبان 1395
Abstract:
به منظور مدیریت موثر خاک به اطلاعات پایه درباره تغییرات مکانی خصوصیات خاک به ویژه بافت خاک مزرعه نیاز می باشد. شبکه های عصبی مصنوعی در چند دهه ی اخیرو در مطالعات صورت گرفته برای مدل سازی سیستم های پیچیده وغیر خطی قابلیت بالایی ازخود نشان داده اند. در تحقیق حاضر توانایی شبکه های عصبی با تابع پایه ی شعاعی ( RBF)و شبکه های پرسپترون چند لایه( MLP )در برآورد شاخص بافت خاک بخشی از اراضی لسی استان گلستان مورد ارزیابی و مقایسه قرار گرفت.نتایج نشان داد که شبکه عصبی RBF از توانایی بیشتری برای پیش بینی تغییرات بافت خاک برخوردار است.
Keywords:
Authors
رویا دلبری
دانشجوی کارشناسی ارشد مهندسی علوم خاک،دانشگاه علوم کشاورزی و منابع طبیعی گرگان
فرشاد کیانی
استادیار گروه مهندسی علوم خاک،دانشگاه علوم کشاورزی و منابع طبیعی گرگان
فرهاد خرمالی
استادیار گروه مهندسی علوم خاک،دانشگاه علوم کشاورزی و منابع طبیعی گرگان
سید سعید میرکمالی
استادیارگروه کامپیوتر، دانشگاه پیام نور بابل
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 :