زد فایل

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

زد فایل

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

تحقیق در مورد شبکه های عصبی

اختصاصی از زد فایل تحقیق در مورد شبکه های عصبی دانلود با لینک مستقیم و پر سرعت .

تحقیق در مورد شبکه های عصبی


تحقیق در مورد شبکه های عصبی

لینک پرداخت و دانلود *پایین مطلب*

فرمت فایل:Word (قابل ویرایش و آماده پرینت)

 تعداد صفحه181

 

چکیده

       شبکه های عصبی مصنوعی در بسیاری از موارد تحقیق و در تخصص های گوناگون به کار گرفته شده و به عنوان یک زمینه تحقیقاتی بسیار فعال حاصل همکاری دانشمندان در چند زمینه علمی از قبیل مهندسی رایانه ، برق ، سازه ، و بیو لوژی اند . از موارد کاربرد شبکه ای عصبی می توان به طبقه بندی اطلاعات ، شناخت ویژگی های حروف و شکلها ، برآورد توابع و غیره اشاره کرد .

کاربرد شبکه های عصبی در مهندسی عمران و به خصوص سازه نیز روز به روز در حال توسعه است و بی شک در آینده شاهد فراگیر شدن و گسترش این علم در مهندسی سازه خواهیم بود . از موارد استفاده شبکه های عصبی در مهندسی عمران می توان به بهینه سازی ، تحلیل ، طراحی و پیش بینی خیز و وزن سازه ها ، تحلیل و طراحی اتصالات ، پیش بینی نتایج آزمایشات بتنی و خاکی ، کاربرد در تئوری گرافها و بسیاری از موارد دیگر اشاره کرد .

این مقاله حاوی پنج بخش است :

بخش اول به مفاهیم بنیادی شبکه های عصبی مصنوعی می پردازد و بعضی از موضوعات برای آشنایی مقدماتی به اختصار در این بخش توضیح داده شده است و شامل مدل بیولوژیکی شبکه های عصبی می باشد و همچنین سلول عصبی مصنوعی توضیح داده شده است که به منظور تقلید از خصوصیات مرتبه اول ( First order ) سلول عصبی بیولوژیکی طراحی شده است .سطح تحریک سلول عصبی که توسط جمع ورودی های وزن دار معین شده است ، در این بخش توضیح داده شده است .

شبکه های عصبی مصنوعی تک لایه و چند لایه نیز به طور مفصل مورد بحث قرار گرفته است که ساده ترین شبکه به صورت گروهی از سلول های عصبی است که در یک لایه مرتب شده اند و شبکه های چند لایه تواناییها و قابلیت های محاسباتی بیشتری را ارائه می کنند . شبکه های بازگشتی که شامل ارتباطات تغذیه برگشتی هستند ، در این شبکه ها ، خروجی های قبیل دوباره به سمت عقب به طرف ورودی ها منتشر می شوند و خروجی شان هم با استفاده از ورودی جاری و هم خروجی قبلیشان تعیین می شو د.

بخش دوم :شامل الگوریتم های آموزشی می باشد و هدف از آموزش شبکه را توضیح می دهد که یک شبکه به گونه ای آموزش داده می شود که با به کار بردن یک دسته از ورودی ها ، دسته خروجی های دلخواه تولید شود .

بخش سوم : الگوریتم انتشار برگشتی را توضیح می دهد که انتشار برگشتی یک روش سیستماتیک برای تربیت شبکه های عصبی مصنوعی چند لایه است و یک پایه ریاضی دارد که با وجود قوی بودن خیلی عملی نیست و ساختار شبکه که شامل سلول عصبی است ، توضیح داده می شود و در قسمت بعدی شبکه چند لایه که از الگوریتم انتشار برگشتی استفاده می کند ، توضیح داده می شود .

در بخش چهارم راهنمای استفاده از برنامه NETS2.01  که یک شبیه ساز عصبی است و توسط محققان در بخش هوش مصنوعی فن آوری مرکز فضایی ناسا توسعه داده شده است ، توضیح داده می شود و اهداف آن شامل دو قسمت است :

  • تهیه سیستمی که حدی برای ایجاد ساختارهای عصبی شبکه عصبی که به منظور یاد گیری از روش انتشار برگشتی استفاده می کنند قابل تغییر باشد .
  • تشویق کاربران عام جهت میل به یاد گیری فن اوری شبکه عصبی بدون نیاز به سخت افزار های خاص .

در بخش پنجم اموزش شبکه های عصبی مورد بحث قرار گرفته است که برای تحلیل سازه ها و طراحی سازه ها به کار گرفته می شود .

نیروی محوری المان          شماره المان         عمق سازه         طول سازه

L                           h                              NE                                p                 

و همچنین نرم افزار های مورد استفاده در شبکه ها که شامل NETS2.01   و Neuralworks  است ، توضیح داده شده است که نرم افزار Neuralworks خود قادر به نگاشت اطلاعات ورودی به حدود دلخواه است ولی نرم افزار NETS2.01  قادر به نگاشت اطلاعات ورودی به حدود دلخواه نیست و برای این منظور برای نگاشت اطلاعات ورودی به حدود دلخواه برنامه ای به نام m-in-net  نوشته شده است و از این برنامه برای اماده سازی اطلاعات ورودی برای برنامه NETS استفاده شده است .

در پایان این بخش شبکه عصبی برای پیش بینی وزن سازه و برای پیش بینی خیز سازه مورد بررسی قرار گرفته که توسط جداولی ، ورودی ها و خروجی های آن مشخص شده است .

و نیز یک مثال از شبکه عصبی برای تحلیل سازه ها مورد بررسی قرار گرفته است . که با استفاده از یک جدول شماره ای را برای یک المان و سازه در نظر گرفته و یک شماره برای المان در شبکه عصبی و سایر مشخصات شبکه که شامل تعداد ورودی های شبکه عصبی – نوع اطلاعات ورودی شبکه عصبی ( طول دهانه (C )  سازه فضا کار دو لایه ای بر حسب متر ) و عمق ( h ) سازه فضا کار دو لایه ای بر حسب متر و تعداد خروجی های شبکه عصبی و نوع اطلاعات خروجی شبکه و تعداد زوجهای آموزشی در نظر گرفته شده برای آموزش شبکه و تعداد زوجهای آموزشی در نظر گرفته شده برای آزمایش شبکه که با توجه به تعداد زوجهای آموزشی و کسب عملکرد و دلخواه از شبکه سازه های مختلفی را برای شبکه در نظر می گیریم ، آنها را تربیت و از میان آنها بهترین ساختار را انتخاب می نماییم .

در بخش ششم هم توضیحاتی راجع به سازه های فضا کار داده می شود که از اعضای مستقیم ساخته می شوند و عمکرد آنها در فضای سه بعدی است و به انواع این سازه ها اشاره شده  است .

سازه های مهندسی

          واژه سازه معانی گوناگونی دارد . یک سازه مهندسی را تقریباً می توان مجموعه ای دانست که ساخته و یا بنا می گردد . سازه های عمده مربوط به مهندسی راه و ساختمان عبارتند از: پلها ، ساختمانها ، دیوارها ، برجها و سازه های پوسته ای .این چنین سازه هایی متشکل از یک یا تعدادی عضو سلب می باشند و ترتیب قرار گرفتن اعضاء به گونه ای است که تمام سازه و همچنین اجزاء مختلف آن در مقابل بارگذاری و حذف بار ، بدون تغییر شکل قابل ملاحظه مقاومت می نماید .

در طرح سازه ها مسائل مختلفی باید مد نظر قرار گیرد  که از آن جمله دو شرط اساسی زیر


دانلود با لینک مستقیم


تحقیق در مورد شبکه های عصبی

مقاله در مورد شبکه های عصبی

اختصاصی از زد فایل مقاله در مورد شبکه های عصبی دانلود با لینک مستقیم و پر سرعت .

مقاله در مورد شبکه های عصبی


مقاله در مورد شبکه های عصبی

لینک پرداخت و دانلود *پایین مطلب*

فرمت فایل:Word (قابل ویرایش و آماده پرینت)

 تعداد صفحه94

 

بخشی از فهرست مطالب

فهرست مطالب

عنوان                                                                 صفحه

 

 

مقدمه                                                                                                                            1

 

شبکه عصبی چیست ؟                                                                                                        2

 

یادگیری در سیستم های بیولوژیک                                                                                         4

 

سازمان مغز                                                                                                                    6                                                                                         

نرون پایه                                                                                                                        7

                                                                                                                   

عملیات شبکه های عصبی                                                                                                              7

 

آموزش شبکه های عصبی                                                                                                  10                                                                                            

 

معرفی چند نوع شبکه عصبی                                                                                                          14                                                                                  

پرسپترون تک لایه                                                                                                            14                                                                                   

 

پرسپترون چند لایه                                                                                                            21                                                                                 

backpropagation                                                                                                       25                                                                                  

هاپفیلد                                                                                                                                       49                                                                        

 

ماشین  بولتزمن                                                                                                                           67                                                                        

 

کوهونن                                                                                                                          83                                                                       

 

کاربردهای شبکه های عصبی                                                                                               86                                                            

 

منابع                                                                                                                             90

 

 

 

 

 

 


مقدمه

 

الگوریتم ها در کامپیوتر ها اعمال مشخص و واضحی هستند که بصورت پی در پی و در جهت رسیدن به هدف خاصی انجام می شوند.حتی در تعریف الگوریتم این گونه آمده است که الگوریتم عبارت است از مجموعه ای ازاعمال واضح که دنبال ای از عملیات را برای رسیدن به هدف خاصی دنبال می کنند.آنچه در این تعریف خود نمایی می کند کلمه دنباله می باشد که به معنای انجام کار ها بصورت گام به گام می باشد. این امر مشخص می کند که همه چیز در الگوریتم های سنتی باید قدم به قدم برای کامپیوتر مشخص و قابل فهم و درک باشد.حتی در اولین الگوریتمهای هوش مصنوعی نیز بر همین پایه و کار قدم به قدم بنا نهاده شده اند.

 

در اواخرقرن بیستم رویکرد به الگوریتم های جدید صورت گرفت که علتهای مختلفی داشت مثل حجیم بودن میزان محاسبات برخی مسایل و بالا بودن مرتبه زمانی الگوریتم های سنتی در مورد این مسایل باعث شد نیاز به الگوریتمهای جدید احساس شود.همچنین برخی کارهای انسان که هنوز قابل انجام توسط کامپیوتر نبودندو یا به بخوبی توسط کامپیوتر انجام نمی شدند باعث این رویکرد شد.

 

مهمترین الگوریتمهای جدید عبارتند از :1- شبکه های عصبی 2- منطق فازی  3- محاسبات تکاملی

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

                                                             

 

                          

 

شبکه عصبی چیست ؟

 

این سوال که آیا انسان توانا تر است یا کامپیوتر موضوعی است که ذهن بشر را به خود مشغول کرده است.

 

اگر جواب این سوال انسان است چرا کامپیوتر اعمالی مانند جمع و ضرب و محاسبات پیچیده را در کسری از ثانیه انجام می دهد، حال آنکه انسان برای انجام آن به زمان زیادی نیازمند است. واگر جواب آن کامپیوتر است چرا کامپیوتر از اعمالی مانند دیدن و شنیدن که انسان به راحتی آنها را انجام می دهدعاجزاست.جواب این مسئله را باید در ذات اعمال جستجو کرد . اعمال محاسباتی اعمالی هستند سریالی و پی در پی به همین دلیل توسط کامپیوتر به خوبی انجام می شوند.حال آنکه اعمالی مانند دیدن وشنیدن کارهای هستند موازی که مجمو عه ای از داده های متفاوت و متضاد در آنها تفکیک و پردازش می شوندو به همین دلیل توسط انسان به خوبی انجام می شوند. در واقع مغز انسان اعمال موازی را به خوبی درک و آنها را انجام می دهدو کامپیوتر اعمال سریالی را بهتر انجام می د هد.حال باید دیدآیا می توان این اعمال موازی و در واقع ساختار مغز انسان را به نوعی در کامپیوتر شبیه سازی کرد و آیا می توان امکان یادگیری که از جمله توانایی های انسان است به نوعی در کامپیوتر مدل سازی نمود.این کار به نوعی در انسان هم انجام می شود و زمان انجام آن عمدتا در کودکی است.به عنوان مثال یک کودک ممکن است یک شی مانند چکش را نشناسد اما هنگامی که آن را می بیند واسم آن را یاد می گیرد و سپس چند چکش متفاوت را می بینداین شی را بخوبی می شناسدو اگر بعد  از مدتی چکشی را که تا کنون آن را ندیده است ببیند به راحتی تشخیص می دهد  که شی مورد نظر یک چکش است و تنها از نظر جزئیات با چکش های مشابه که قبلا دیده است تفاوت دارد.

 

لازم به ذکر است که شبکه های عصبی تنها در یادگیری کاربرد ندارند، بلکه تمام مسائل جدید وکلاسیک توسط آنها قابل حل می باشد.اما آنچه شبکه های عصبی بدان نیازمند است مثالها و نمونه های مفید وکافی است که بتواند به خوبی فضای مسئله را پوشش دهند.حال باید دیدچگونه می توان شبکه عصبی انسان را به نوعی شبیه سازی نمود، برای این کار نخست به ساختار مغز و سیستم عصبی انسان نگاهی گذرا می اندازیم.

 

مغز انسان یکی از پیچیده ترین اعضای بدن است که تا کنون نیز به درستی شناخته نشده است و شاید اگر روزی به درستی شناخته شودبتوان شبیه سازی بهتری از آن انجام داد و به نتایج بهتری درباره هوش مصنوعی رسید.تحقیقات در مورد شبکه های عصبی نیز از زمانی آغاز شد که رامون سگال درباره ساختار مغز و اجزای تشکیل دهنده آن اطلاعات و نظراتی ارائه کرد. او در اوایل قرن بیستم مغز را به عنوان اجتماعی از اجزای کوچک محاسباتی دانست و آنها را نرون نامید.امروزه ما می دانیم که بیشتر فعالیتهای انسان را نرونها انجام می دهندو در کوچکترین فعالیتهای حیاتی انسان مانند پلک زدن نیز نقش حیاتی و اساسی دارند.این نکته هم بسیار جالب است بدانید که در بدن ما حدودنرون وجود دارد که هر کدام از این نرونها با  نرون دیگر در ارتباط هستند.نرونها شکلها و انواع مختلفی دارند، اما به طور عمده در سه دسته تقسیم بندی می شوند. اما نرون ها از نظری دیگر به دو دسته تقسیم می شوند:1- نرونهای داخلی مغز که در فاصله های حدود 100میکرون به یکدیگر متصلند ونرونهای خارجی که قسمتهای مختلف مغز را به یکدیگر و مغز را به ماهیچه ها و اعضای حسی را به مغز متصل می کنند.اما همانطور که گفتیم نرونها از نظری دیگر به سه دسته تقسیم می شوند که عبارتند از:

 

1- نرونهای حسی : کاری که این نرونها انجام می دهند این است که اطلاعات را از اندام های حسی بدن به مغز و نخاع می رسانند.

 

2- نرونهای محرک :این نرونهافرمانهای مغز و نخاع را به ماهیچه ها و غدد و سایر اندام های حسی و تحت فرمان مغز می رسانند.

 

3- نرونهای ارتباطی : این نرونها مانندیک ایستگاه ارتباطی بین نرونهای حسی ونرونهای محرک عمل می کنند .

 

گفتنی است که نرون ها در همه جای بدن هستند وبه عنوان عنصر اصلی مغز محسوب می شوندوبه تنهایی مانند یک واحد پردازش منطقی عمل می کنند نحوه عملیات نرون بسیار پیچیده است و هنوز در سطح میکروسکوپی چندان شناخته شده نیست ، هر چند قوانین پایه آن نسبتا روشن است. هر نرون ورودی های متعددی را پذیرا است که با یکدیگر به طریقی جمع می شوند. اگر در یک لحظه تعداد ورودی های فعال

 

نرون به حد کفایت برسدنرون نیز فعال شده و آتش  می کند. در غیر این صورت نرون به صورت غیر فعال و آرام باقی می ماند.حال به بررسی اجزاءخود نرون می پردازیم:

 

نرون از یک بدنه اصلی تشکبل شده است که به آن سوما گفته می شود. به سوما رشته های نا منظم طولانی متصل است که به آنها دندریت می گویند. قطر این رشته ها اغلب از یک میکرون نازکتر است و اشکال شاخه ای پیچیده ای دارند.شکل ظریف آنها شبیه شاخه های درخت بدون برگ است که هر شاخه بارها وبارها به شاخه های نازکتری منشعب می شود.دندریت ها نقش اتصالاتی را دارندکه ورودی هارا به نرون ها می رساند.این سلولها می توانندعملیاتی پیچیده تر از ععملیات جمع ساده را بر ورودی های خود انجام دهند، از این رو عمل جمع ساده را می توان به عنوان تقریب قابل قبولی از عملیات واقعی نرون به حساب آورد.

یکی از عناصر عصبی متصل به هسته نرون آکسون نامیده می شود.این عنصر بر خلاف دندریت از نظر الکتریکی فعال است و به عنوان خروجی نرون عمل می کند. آکسون همیشه در روی خروجی سلولها مشاهده می شوند لیکن اغلب در ار تباط های بین نرونی غایب اند.در این مواقع خروجی ها و ورودی ها هر دو بر روی دندریت هاواقع می شوند. آکسون وسیله ای غیر خطی است که در هنگام تجاوز پتانسیل ساکن داخل هسته از حد معینی پالس ولتاژی را به میزان یک هزارم ثانیه ، به نام پتانسیل فعالیت ، تولید می کند. این پتانسیل فعالیت در واقع یک سری از پرش های سریع ولتاژ است.رشته آکسون در نقطه تماس معینی به نام سیناپس قطع می شود ودر این مکان به دندریت سلول دیگر وصل می گردد. در واقع این تماس به صورت اتصال مستقیم نیست بلکه از طریق ماده شیمیایی موقتی صورت می گیرد.سیناپس پس از آنکه پتانسیل آن از طریق پتانسیل های فعالیت در یافتی از طریق آکسون به اندازه کافی افزایش یافته از خود ماده شیمیایی منتقل کننده عصبی ترشح می کند.برای این ترشح ممکن است به دریافت بیش از یک پتانسیل فعالیت نیاز باشد. منتقل کننده عصبی ترشح شده در شکاف بین آکسون ودندریت پخش می شودو باعث می گرددمی گردد که دروازه های موجود در


دانلود با لینک مستقیم


مقاله در مورد شبکه های عصبی

دانلود درس پژوهی علوم پنجم دبستان دستگاه عصبی بدن

اختصاصی از زد فایل دانلود درس پژوهی علوم پنجم دبستان دستگاه عصبی بدن دانلود با لینک مستقیم و پر سرعت .

دانلود درس پژوهی علوم پنجم دبستان دستگاه عصبی بدن


دانلود درس پژوهی علوم پنجم  دبستان دستگاه عصبی بدن

درس پژوهی علوم پنجم  دبستان دستگاه عصبی بدن

تعداد صفحات:27

فرمت فایل:ورد

 

 

 

 

 

 

چکیده

آدمی از آغاز بر آن بوده است که تاریکی های جهان را به نور آگاهی و دانش و اندیشه روشن نماید تا بتواند به افق های دورتر دانایی و دانش اوج بگیرد. در این میان اشتغال به نشر و پژوهش در علوم موهبتی است ایزدی که معلمان را به مراتب عالی الهی می رساند. و باری گران و مسئولیتی عظیم را بردوش این جماعت قرار می دهد. جستار پیش رو، حاصل این عشق و احساس وظیفه ی توأمان است.

درس پژوهی برگردان واژه ژاپنی jugyokenkyu بمعنی مطالعه یا پژوهش تشکیل شده است .kenkyu بمعنی درس و jugyo بمعنای مطالعه یا پژوهش است . معادل انگلیسی درس پژوهی Lesson study است .

درس پژوهی به زبان ساده مطالعه و پژوهش جمعی پیرامون عمل تدریس است . بعنوان یک معلم حرفه ای بیا و در روش تدریس خود تامل کن! حتما روش بهتری برای تدریس وجود دارد . اما این بار نه به تنهایی، بلکه با یک گروه از معلمان هم رشته ، روش خود را مورد مطالعه و آزمون قرار دهید ، با هم با نقد شرایط موجود و در جهت نیل به وضع موجود طرح مساله نمایید ، در جهت شناخت بهترین روش ممکن پژوهش کنید ، نتایج پژوهش را در کلاس درس و بصورت طبیعی بیازمایید ، نتیجه آزمایش را نقد کنید ، طرح را اصلاح و دوباره در یک کلاس دیگر آن را اجرا نمایید ، نتایج پژوهش خود را منتشر و در اختیار دیگران قرار دهید .

به این ترتیب شما گام در مسیر درس پژوهی نهاده اید روشی که پایه توسعه مستمر حرفه ای شماست و شما را در مسیر یک معلم حرفه ای و فکور به حرکت وا می دارد !

در این درس پژوهی سعی بر این است که دانش آموزان به طور کامل با مفاهیم کامل درس آشنا گردند و مشکلات و معایب تدریس در این باره برطرف گردد.


مقدمه :

همانطور که می دانیم درس پژوهی شکل اولیه ای از توسعه ی حرفه ای معلمان می باشد که هدف عمده آن بهبود مستمر تدریس می باشد به گونه ای که دانش آموزان بتوانند مطالب را به شیوه ی موثر تری بیاموزند.گروه درس پژوه تلاش می کند طرح درس خود را نقد و بررسی و به شیوه بهینه اصلاح نماید. طرح درس مشارکتی رمز موفقیت معلمان می باشد. برای معلم درس پژوه تمام کردن کتاب مهم نیست، یادگیری و فهمیدن دانش آموزان مهم است. درس پژوهی به معلمان یاد می دهد که در کلاس صرفا یاددهنده نباشند بلکه یادگیرنده نیز باشند.ملاک سنجش در موفقیت درس پژوهی یادگیری معلمان است نه تولید یک درس. تهیه طرح درس بهتر نتیجه جانبی و ثانوی فرآیند است اما نه هدف اولیه آن.

منطق درس پژوهی ساده است اگر می­خواهید آموزش را بهبود بخشید، اثر بخش­ترین جا برای چنین کاری، کلاس درس است. اگر شما این کار را با درس­ها شروع کنید، مسئله­ی چگونگی کاربرد نتایج تحقیق در کلاس درس ناپدید می شود.در اینجا بهبود کلاس درس در درجه­ی اول اهمیت است. درس پژوهی یکی از راههای ارتقا و دستیابی به شیوه های نوین تدریس و کنار گذاشتن شیوه ها و روشهای سنتی است . معلمین مقطع ابتدایی چند سالی است که تلاش می کنند تا بلکه بتوانند با شرکت درجشنواره ی الگوهای نوین تدریس خدمتی در این راستا به نظام تعلم و تربیت کشور به عنوان مهمترین رکن آینده ساز کشور کمکی کرده باشند .

ما در قسمت مبانی علمی و نظری به سه مبحث پرداخته ایم : اول ، طراحی منظم آموزشی یا همان طرح درس ، دوم ؛روشهای تدریس ، سوم ؛هدفهای سه گانه ی تعلیم وتربیت .


دانلود با لینک مستقیم


دانلود درس پژوهی علوم پنجم دبستان دستگاه عصبی بدن

بررسی عملکرد مدل های ترکیبی شبکه موجک - عصبی و برنامه ریزی بیان ژن در مدلسازی بارش ماهانه

اختصاصی از زد فایل بررسی عملکرد مدل های ترکیبی شبکه موجک - عصبی و برنامه ریزی بیان ژن در مدلسازی بارش ماهانه دانلود با لینک مستقیم و پر سرعت .

بررسی عملکرد مدل های ترکیبی شبکه موجک - عصبی و برنامه ریزی بیان ژن در مدلسازی بارش ماهانه


بررسی عملکرد مدل های ترکیبی شبکه موجک - عصبی و برنامه ریزی بیان ژن در مدلسازی بارش ماهانه

• مقاله با عنوان: بررسی عملکرد مدل های ترکیبی شبکه موجک - عصبی و برنامه ریزی بیان ژن در مدلسازی بارش ماهانه  

• نویسندگان: یوسف حسن زاده ، آرش یاقوتی ، پیمان یوسفی  

• محل انتشار: دهمین کنگره بین المللی مهندسی عمران - دانشگاه تبریز - 15 تا 17 اردیبهشت 94  

• فرمت فایل: PDF و شامل 7 صفحه می باشد.

 

 

 

چکیــــده:

مدلسازی وضعیت بارش در منابع آب نقش بسیار حیاتی به عهده دارد. پیش بینی بارندگی برای برنامه ریز منابع آب خصوصا در دوره های خشکسالی و جلوگیری از خسارات ناشی از آن می تواند نقش اساس داشته باشد. با توجه به پیشرفت تکنولوژی، اگرچه این مدلسازی و پیش بینی در دامنه زمان و مکان امری محال نیست، ولی از پیچیدگی های بسیاری برخوردار است. در این تحقیق، مدلسازی بارش ماهانه از سه منظر مورد بررسی قرار گرفت. (1) نوع ورودی و ترکیب متفاوت ورودی، علاوه بر بارش ماهانه از پارامترهای دما، فشار و رطوبت استفاده شد (2) روش مدلسازی: در تحلیل حاضر از شبکه عصبی مصنوعی (پرسپترون چند لایه) و  ساختار درختی برنامه ریزی بیان ژن استفاده شد. (3) گسسته سازی: دو نوع موجک مادر متفاوت به منظور بررسی بهبود کارایی مدل ها به کار گرفته شد. تحقیق حاضر در 2 ایستگاه اصلی سینوپتیکی استان آذربایجان شرقی شامل تبریز، اهر که دارای آمار بارندگی بیش از 24 سال هستند صورت گرفت و در نهایتا عملکرد مدل ها توسط شاخص های آماری ضریب همبستگی (R) و  جذر کمترین مربعات خطا (RMSE) ارزیابی گردید. نتایج حاصل، حاکی از دقت مطلوب مدل ترکیبی موجک - شبکه عصبی در مدل سازی بارش ماهانه می باشد.

________________________________

** توجه: خواهشمندیم در صورت هرگونه مشکل در روند خرید و دریافت فایل از طریق بخش پشتیبانی در سایت مشکل خود را گزارش دهید. **

** درخواست مقالات کنفرانس‌ها و همایش‌ها: با ارسال عنوان مقالات درخواستی خود به ایمیل civil.sellfile.ir@gmail.com پس از قرار گرفتن مقالات در سایت به راحتی اقدام به خرید و دریافت مقالات مورد نظر خود نمایید. **


دانلود با لینک مستقیم


بررسی عملکرد مدل های ترکیبی شبکه موجک - عصبی و برنامه ریزی بیان ژن در مدلسازی بارش ماهانه

پاورپوینت آناتومی سیستم عصبی

اختصاصی از زد فایل پاورپوینت آناتومی سیستم عصبی دانلود با لینک مستقیم و پر سرعت .

پاورپوینت آناتومی سیستم عصبی


پاورپوینت آناتومی سیستم عصبی

این فایل حاوی مطالعه آناتومی سیستم عصبی می باشد که به صورت فرمت PowerPoint در 20 اسلاید در اختیار شما عزیزان قرار گرفته است، در صورت تمایل می توانید این محصول را از فروشگاه خریداری و دانلود نمایید.

 

 

 

فهرست
گیرنده های حسی محیطی
گیرنده های حسی
اعصاب حسی با انتهای دندریت آزاد
نخاع
عملکرد رفلکسی
مکانسیم درد
مراحل حس درد
گیرنده های عضلانی
اعصاب حرکتی
عصب رسانی عضله اسکلتی
آناتومی دستگاه عصبی خود مختار

 

تصویر محیط برنامه


دانلود با لینک مستقیم


پاورپوینت آناتومی سیستم عصبی