ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

Application of Artificial Neural Networks for removing ambiguity in gravity data interpretation

سال انتشار: 1394
کد COI مقاله: NCCEG01_036
زبان مقاله: انگلیسیمشاهده این مقاله: 280
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 7 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Application of Artificial Neural Networks for removing ambiguity in gravity data interpretation

Ali Amjadi - Department of Physics, Ministry of Education, Total Office of Education, Ilam Province, Ilam, Iran
Omid Olfati - Department of Physics, College of Sciences, Eslam Abad-e-Gharb Branch, Islamic Azad University, Tehran, Iran
Hadi Abbasi - Department of Geophysics, College of Basic Science, Tehran Science and Research Branch, Islamic Azad University, Tehran, Iran
Reza Ghafarniae - Educators University of Shahid Modares, Pardis in Ilam, Ilam, Iran

چکیده مقاله:

Research in the field of neural networks has been attracting increasing attention in recent years. Since 1943, when Warren McCulloch and Walter Pitts presented the first model of artificial neurons, new and more sophisticated proposals have been made from decade. Neural networks have gained popularity in geophysics during last decade. They have been applied successfully to a variety of problems in geophysics. Nowadays Neural Networks are also used in microchip technology for computer hardware. Recent developments in gravity measurements and especially in microgravity tools have been prepaid excellent conditions for data acquisition to make better interpretation results specially detection of gravity sources.

کلیدواژه ها:

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا NCCEG01_036 میباشد و 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/590201/

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:
Amjadi, Ali and Olfati, Omid and Abbasi, Hadi and Ghafarniae, Reza,1394,Application of Artificial Neural Networks for removing ambiguity in gravity data interpretation,1st National Conference on Civil Engineering and Geology,Aligudarz,https://civilica.com/doc/590201

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: (1394, Amjadi, Ali؛ Omid Olfati and Hadi Abbasi and Reza Ghafarniae)
برای بار دوم به بعد: (1394, Amjadi؛ Olfati and Abbasi and Ghafarniae)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

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

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