تخمین عمق بی هنجاریهای گرانی با استفاده از شبکه های عصبی هاپفیلد
- سال انتشار: 1390
- محل انتشار: مجله فیزیک زمین و فضا، دوره: 37، شماره: 2
- کد COI اختصاصی: JR_JESPHYS-37-2_017
- زبان مقاله: فارسی
- تعداد مشاهده: 153
نویسندگان
مربی، گروه فیزیک، دانشگاه آزاد اسلامی واحد نجف آباد، ایران
دانشیار، گروه فیزیک زمین، موسسه ژئوفیزیک دانشگاه تهران و قطب علمی مهندسی نقشه برداری و مقابله با سوانح طبیعی، تهران، ایران
استاد، دانشکده برق وکامپیوتر دانشگاه تهران وقطب علمی کنترل وپردازش هوشمند ،تهران،ایران
چکیده
در این مقاله روش شبکه عصبی هاپفیلد برای تفسیر هوشمند داده های گرانی استفاده شده است. یک شبکه عصبی هاپفیلد برای تخمین عمق چشمه گرانی طراحی شده است. این شبکه طراحی شده برای داده های مصنوعی و واقعی آزمایش شده اند. در مورد داده های واقعی این شبکه برای تخمین عمق یک تونل قنات واقع در موسسه ژئوفیزیک به کار برده شده و نتایج حاصله به مقادیر واقعی عمق بسیار نزدیک است.کلیدواژه ها
تخمین عمق, شبکه عصبی, گرانی, هاپفیلداطلاعات بیشتر در مورد 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.