معرفی روش PCANN
- سال انتشار: 1391
- محل انتشار: سی و یکمین همایش علوم زمین
- کد COI اختصاصی: GSI31_425
- زبان مقاله: فارسی
- تعداد مشاهده: 874
نویسندگان
دانشجوی کارشناسی ارشد اکتشاف معدن، دانشگاه صنعتی سهند
دانشجوی کارشناسی ارشد اکتشاف معدن، دانشگاه صنعتی سهند
چکیده
به منظور رفع نواقص ناشی از روشهای آنالیز مؤلفههای اصلی Principal Component Analysis و شبکه های عصبی Neural Network روش ترکیبی PCA Neural Network در شاخههای مختلف مهندسی و پزشکی گسترش یافته است. استفاده از این روش در اکتشاف معدن میتواند در کاهش حجم دادهها و در نتیجه سادهتر شدن آنالیز مؤلفههای اصلی یا شبکههای عصبی و تشخیص الگوی حاکم بر دادههای ژئوشیمیایی مفید باشد. در این مقاله به معرفی انواع روشهای PCANN کاربردهای آن، روش آنالیز مؤلفههای اصلی، روش شبکههای عصبی و الگوریتم PCANN پرداخته شده است.کلیدواژه ها
PCA Neural Network ، آنالیز مؤلفههای اصلی، شبکه عصبی، الگوریتممقالات مرتبط جدید
- پتانسیل کانیزایی و تشکیل بوکسیت در برگه علیآباد شمال استان سمنان
- کاربرد تلفیق تصاویر اپتیکال و راداری در بارزسازی سنگهای دگرسان شده و اکتشاف کانسارهای معدنی: مطالعات موردی از مصر، اندونزی و ایران
- شناسایی تاثیر لاگ های ژئو فیزیکی دراکتشافات نفت با تاکید بر چالش های تولید نفت در آب های عمیق تضمین جریان
- مروری بر مهندسی محیط زیست، توسعه پایدار، تجارت بین الملل و مدیریت منابع
- نقش هوش مصنوعی در ارتقای بهرهوری صنعت سنگ های ساختمانی
اطلاعات 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.