ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

پیش بینی کوتاه مدت آلودگی هوا با کمک شبکه های عصبی پرسپترون چندلایه وخط حافظه دار تاخیر

تعداد صفحات: 8 | تعداد نمایش خلاصه: 1079 | نظرات: 0
سال انتشار: 1383
کد COI مقاله: ICS06_025
زبان مقاله: فارسی
(فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.

با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید.در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.

لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.

برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 8 صفحه است در اختیار داشته باشید.

قیمت این مقاله : 3,000 تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیش بینی کوتاه مدت آلودگی هوا با کمک شبکه های عصبی پرسپترون چندلایه وخط حافظه دار تاخیر

مهدی علیاری شوره دلی - دانشگاه صنعتی خواجه نصیرالدین طوسی
محمد تشنه لب
علی خاکی صدیق

چکیده مقاله:

در این مقاله سعی شده که داده های آلودگی هوا که به صورت سریهای زمانی و در بازه های نیم ساعت می باشند را با کمک شبکه های عصبی پرسپترون و حافظه دار تاخیر پیش بینی کنیم ابتدابا کمک شبکه های پرسپترون چند لایه و سپس به کمک شبکه های عصبی حافظه دار با خط تاخیراقدام به این کار نمودیم و در نهایت این دو روش هوشمند را با هم مقایسه کردیم که در روش مقایسهقدرت تقریب شبکه حافظه دار با تاخیر را نشان می دهد

کلیدواژه ها:

شبكه هاي عصبي پرسپترون چند لايه – سريهاي زماني – آلودگي هوا – حافظه خط تاخير

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/150435/

کد COI مقاله: ICS06_025

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
علیاری شوره دلی، مهدی و تشنه لب، محمد و خاکی صدیق، علی،1383،پیش بینی کوتاه مدت آلودگی هوا با کمک شبکه های عصبی پرسپترون چندلایه وخط حافظه دار تاخیر،ششمین کنفرانس سراسری سیستم های هوشمند،کرمان،،،https://civilica.com/doc/150435

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1383، علیاری شوره دلی، مهدی؛ محمد تشنه لب و علی خاکی صدیق)
برای بار دوم به بعد: (1383، علیاری شوره دلی؛ تشنه لب و خاکی صدیق)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 ممقالهقاله لینک شده اند :

  • _ م. عباسپور، مهندسی محیط زیست _ جلد اول، مرکز ...
  • م . ب . منهاج، مبانی شبکه های عصبی، هوش ...
  • پ . آریا، تجزیه وتحلیل پایداری و پیاده سازی شبکه ...
  • م . مختاری و م . ماری، ترجمه و . ...
  • _ زمانیان، پیش بینی سریهای زمانی داده های هواشناسی با ...
  • P.Mlaker and M.Boznar, Percptron Neural Network - Based Model Predicts ...
  • Haykins, S, Neural Network A C omprehensive Foundation, Prentice- Hal ...
  • _ G.Dorffiner, Dept of Medical Cybernetics and Arti ficialIntellig ence ...
  • J.J Kao and S.S.Hung , Forecasting Using Neural Network versus ...
  • A.B.Chelani , D.G.Gaighate , and M.Z.Hasan , Prediction of Ambient ...
  • U.Schlinnk , S.John and O.Herbarth , Transfer - function Models ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله
    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: 9,448
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

    پشتیبانی