بررسی استفاده از شبکه پرسپترون چند لایه در تخمین زاویه اصطکاک باقیمانده خاک
محل انتشار: دومین کنگره بین المللی زمین، فضا و انرژی های پاک با محوریت مدیریت منابع طبیعی ، کشاورزی و توسعه پایدار
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 397
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ATTITTDE02_078
تاریخ نمایه سازی: 11 مرداد 1396
چکیده مقاله:
همراه با توسعه و نفوذ هوش مصنوعی در علوم خاک می توان از توانایی یکی از شاخه های آن یا همان شبکه های عصبی در تخمین مقاومت باقیمانده زهکشی شده استفاده نمود. در این تحقیق توانایی ساختارهای مختلف شبکه عصبی در تخمین پارامتر زاویه اصطکاک باقیمانده مورد بررسی قرار گرفته است. معماری شبکه عصبی مورد استفاده از شبکه پرسپترون چند لایه (MLP (از نوع پیشخور با الگوریتم آموزشی لونبرگ مارکوارت می باشد. نتایج نشان می دهد که از بین ساختارهای مختلف شبکه با 2 لایه پنهان و تعداد 6و 4 گره بترتیب در لایه اول و دوم دارای بیشترین دقت برای تخمین زاویه اصطکاک باقیمانده می باشد.
کلیدواژه ها:
نویسندگان
آرش جاعل
استادیار،گروه کشاورزی، دانشگاه پیام نور، تهران. ایران
امین فلامکی
دانشیار،گروه مهندسی عمران ، دانشگاه پیام نور، تهران ایران
پیمان نبهانی
دانش آموخته کارشناسی ارشد دانشگاه پیام نور
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 مقاله لینک شده اند :