logo
logo
ArEn

نتایج جست و جو:

1114

تعداد نتایج:

1114

مرتبط ترین ها

به روز ترین ها

پر بازدیدترین ها

پر دانلودترین ها

فیلتر ها

از سال

تا سال

زبان

نوع محتوا

نوع دسته بندی

متن کامل

طراحی مدل پیش بینی ترکیبی در صنعت نفت (مدل سیستم های خبره تصمیم گیرنده)

کلیدواژه: پیش بینی ترکیبی، سریهای زمانی، شبکه های عصبی مصنوعی، رگرسیون چندمتغیره، سیستم های خبره، صنعت نفت، ایران

نویسندگان: آذر عادل، رجب زاده قطری علی

ناشر: پژوهشنامه بازرگانی - Iranian Journal of Trade Studies

پیش بینی های مختلف مسایل اقتصادی متکی به روش های اقتصادسنجی می باشد و توان بالای این مدل ها در برآورد معادلات خاص منجر به استفاده وسیع از این مدل ها شده است. از حدود دو دهه قبل روش های ترکیبی در پیش بینی مطرح شده است و در این تحقیق، رویکرد پیش بینی ترکیبی در مدل های اقتصادی مورد بررسی و تجزیه و تحلی... ادامه

سال:1384

لینک به محتوا با زبان هدف

مشاهده/دانلود

به کارگیری مدل ترکیبی شبکه های عصبی مصنوعی با رگرسیون فازی با هدف پیش بینی قیمت طلا

کلیدواژه: شبکه های عصبی مصنوعی (ANNs)، رگرسیون فازی، مدل های ترکیبی، پیش بینی سری های زمانی

نویسندگان: خاشعی مهدی، بیجاری مهدی

ناشر: مهندسی صنایع - Advances in Industrial Engineering

یکی از مشکلات مهم در پیش بینی با شبکه های عصبی مصنوعی، فراهم کردن داده های لازم برای پیش بینی است؛ چرا که شبکه های عصبی برای حصول نتایج دقیق نیاز به داده های زیادی دارند. اما باید توجه داشت که جمع آوری داده های مورد نیاز شبکه، نخست، بسیار هزینه بر است و دوم، مدت زمان طولانی را طلب می کند. بنابراین ب... ادامه

سال:1389

لینک به محتوا با زبان هدف

مشاهده/دانلود

ریزمقیاس کردن مکانی-زمانی سری های زمانی بارش با استفاده از مدل ترکیبی موجک-شبکه عصبی مصنوعی

کلیدواژه: سری های زمانی بارش,ریزمقیاس کردن,شبکه های عصبی مصنوعی,تبدیل موجک,مدل ترکیبی

نویسندگان: فربودفام نیما، نورانی وحید، امین نژاد بابک

ناشر: تحقیقات منابع آب ایران - Iran-Water Resources Research (IWRR)

با توجه به نیاز شبیه سازی سری های زمانی بارش در مقیاس های مختلف برای مقاصد مهندسی از یک طرف و عدم ثبت این پارامترها در مقیاس های ریز بدلیل مشکلات اجرایی و اقتصادی از طرف دیگر، ریزمقیاس کردن بارش به مقیاس مورد نظر، یک امر ضروری می باشد. در این مطالعه، برای ریزمقیاس کردن سری زمانی بارش ایستگاه های تبر... ادامه

سال:1397

لینک به محتوا با زبان هدف

مشاهده/دانلود

پیش بینی بارش ماهانه با مدل ترکیبی شبکه عصبی مصنوعی – موجک و مقایسه با مدل شبکه عصبی مصنوعی

کلیدواژه: پیش بینی بارش ماهانه، شبکه عصبی مصنوعی، شهرستان نهاوند، مدل ترکیبی شبکه عصبی – موجک

نویسندگان: سلگی اباذر، زارعی حیدر، پورحقی امیر، خدابخشی حمیدرضا

ناشر: مهندسی آبیاری و آب ایران - Journal of Irrigation and Water Engineering

بدون شک اولین قدم در مدیریت رودخانه پیش بینی بارش سطح حوضه آبریز می باشد. با این حال، با توجه به بالا بودن خاصیت تصادفی فرآیندها، بسیاری از مدل ها هنوز هم به منظور تعریف چنین پدیده پیچیده ای در زمینه مهندسی هیدرولوژیک توسعه داده می شوند. اخیرا شبکه های عصبی مصنوعی به عنوان یک برونیابی و درون یابی غی... ادامه

سال:1395

لینک به محتوا با زبان هدف

مشاهده/دانلود

پیش بینی درماندگی مالی شرکت ها با استفاده از مدل ترکیبی سیستم ایمنی مصنوعی و شبکه عصبی موجکی (هوش مصنوعی)

کلیدواژه: درماندگی مالی,پیش بینی مالی,شبکه عصبی موجکی,سیستم ایمنی مصنوعی,رگرسیون لجستیک,الگوریتم ترکیبی

نویسندگان: مهرابی رضا، همت فر محمود، صفتی فرید

ناشر: تکنولوژی در کارآفرینی و مدیریت استراتژیک - Journal of Technology in Entrepreneurship and Strategic Management

پیش بینی درماندگی مالی شرکت ها یکی از چالش های اصلی در حوزه مدیریت مالی است. این پژوهش به بررسی کاربرد مدل های هوش مصنوعی در پیش بینی درماندگی مالی می پردازد. در این پژوهش از الگوریتم های مختلفی از جمله شبکه عصبی موجکی (WNN)، سیستم ایمنی مصنوعی (AIS)، رگرسیون لجستیک (LR) و یک الگوریتم ترکیبی از AIS ... ادامه

سال:1403

لینک به محتوا با زبان هدف

مشاهده/دانلود

پیش بینی مصرف انرژی بخش کشاورزی ایران با استفاده از مدل ترکیبی الگوریتم ژنتیک و شبکه های عصبی مصنوعی

کلیدواژه: مصرف انرژی، بخش کشاورزی ایران، برنامه ریزی ژنتیک، شبکه های عصبی مصنوعی، الگوریتم ژنتیک

نویسندگان: تقی زاده مهرجردی روح اله، فتاحی اردکانی احمد، طهاری محمدحسین، بابایی حمید

ناشر: تحقیقات اقتصاد کشاورزی - JOURNAL OF AGRICULTURAL ECONOMICS RESEARCH

هدف از این مقاله ارزیابی الگوی ترکیبی شبکه های عصبی مصنوعی و الگوریتم ژنتیک در پیش بینی تقاضای انرژی بخش کشاورزی ایران می باشد. برای این منظور، از داده های سالانه مصرف انرژی بخش کشاورزی کشور به عنوان متغیر خروجی مدل های پیش بینی و از داده های سالانه جمعیت کل کشور و کل تولیدات بخش کشاورزی کشور به عنو... ادامه

سال:1394

لینک به محتوا با زبان هدف

مشاهده/دانلود

مقایسه کارایی مدل شبکه عصبی مصنوعی، سری زمانی و مدل ترکیبی ANN-ARIMA در مدلسازی و پیش بینی شاخص منبع آب زیرزمینی (GRI) (مطالعه موردی: جنوب استان قزوین)

کلیدواژه: شبکه عصبی مصنوعی,سری زمانی,آزمون گاما,GRI,SOI,قزوین.,

نویسندگان: مقصود فاطمه، یزدانی محمدرضا، رحیمی محمد، ملکیان آرش، ذوالفقاری علی اصغر

ناشر: علوم و مهندسی آبخیزداری ایران - Iranian Journal of Watershed Management Science and Engineering

خشکسالی آب زیرزمینی یکی از انواع خشکسالی است که در اثر تغذیه ناکافی مخازن سفره های آب زیرزمینی بوجود آمده و شاخص منبع آب زیرزمینی (GRI) به عنوان روشی برای بیان وضعیت سطح آب زیرزمینی محسوب می شود. تاکنون روش ها و مدل های مختلفی برای پیش بینی و مدل سازی این پدیده ارائه شده است اما از آنجا که انتخاب یک... ادامه

سال:1395

لینک به محتوا با زبان هدف

مشاهده/دانلود

بهبود مدل های ترکیبی (ANNs & ARIMA) با بکارگیری شبکه های عصبی احتمالی به منظور پیش بینی سری های زمانی

کلیدواژه: مدل های خودرگرسیون میانگین متحرک انباشته (ARIMA)، پیش بینی نرخ ارز، شبکه های عصبی احتمالی (PNNs)، بازارهای مالی، شبکه های عصبی مصنوعی(ANNs)

نویسندگان: خاشعی مهدی، بیجاری مهدی، رییسی اردلی غلامعلی

ناشر: مهندسی صنایع - Advances in Industrial Engineering

دقت پیش بینی ها از مهمترین فاکتورهای موثر در انتخاب روش های پیش بینی می باشند. امروزه علی رغم وجود روش های متعدد پیش بینی، هنوز پیش بینی های دقیق، بویژه در بازارهای مالی کار چندان ساده ای نبوده و اکثر محققان درصدد بکارگیری و ترکیب روش های متفاوت به منظور حصول نتایج دقیق تر می باشند. در سال های اخیر ... ادامه

سال:1389

لینک به محتوا با زبان هدف

مشاهده/دانلود

مدل ترکیبی شبکه های عصبی مصنوعی پیش خور و خودسازمانده کوهونن برای پیش بینی قیمت سهام

کلیدواژه: پیش بینی، قیمت سهام، شبکه های عصبی خودسازمانده، شبکه های عصبی پیش خور

نویسندگان: حنفی زاده پیام، جعفری ابوالفضل

ناشر: مطالعات مدیریت صنعتی - JOURNAL OF INDUSTRIAL MANAGEMENT STUDIES

این مقاله ضمن ارائه مدلی ترکیبی از شبکه های عصبی مصنوعی، به بررسی توان پیش بینی کنندگی آنها در مقایسه با مدل های منفرد می پردازد. در این بررسی، با استفاده از شبکه های عصبی ترکیبی متشکل از شبکه های پیش خور و خودسازمانده کوهونن اقدام به پیش بینی قیمت سهام شده است. نتایج آزمایشات محاسباتی در پیش بینی ق... ادامه

سال:1389

لینک به محتوا با زبان هدف

مشاهده/دانلود

فیلتر ها

از سال

تا سال

زبان

نوع محتوا

دسته بندی

متن کامل