رفتن به مطلب

جستجو در تالارهای گفتگو

در حال نمایش نتایج برای برچسب های 'شبکه عصبي مصنوعي چند لايه پيشرو'.

  • جستجو بر اساس برچسب

    برچسب ها را با , از یکدیگر جدا نمایید.
  • جستجو بر اساس نویسنده

نوع محتوا


تالارهای گفتگو

  • انجمن نواندیشان
    • دفتر مدیریت انجمن نواندیشان
    • کارگروه های تخصصی نواندیشان
    • فروشگاه نواندیشان
  • فنی و مهندسی
    • مهندسی برق
    • مهندسی مکانیک
    • مهندسی کامپیوتر
    • مهندسی معماری
    • مهندسی شهرسازی
    • مهندسی کشاورزی
    • مهندسی محیط زیست
    • مهندسی صنایع
    • مهندسی عمران
    • مهندسی شیمی
    • مهندسی فناوری اطلاعات و IT
    • مهندسی منابع طبيعي
    • سایر رشته های فنی و مهندسی
  • علوم پزشکی
  • علوم پایه
  • ادبیات و علوم انسانی
  • فرهنگ و هنر
  • مراکز علمی
  • مطالب عمومی

جستجو در ...

نمایش نتایجی که شامل ...


تاریخ ایجاد

  • شروع

    پایان


آخرین بروزرسانی

  • شروع

    پایان


فیلتر بر اساس تعداد ...

تاریخ عضویت

  • شروع

    پایان


گروه


نام واقعی


جنسیت


محل سکونت


تخصص ها


علاقه مندی ها


عنوان توضیحات پروفایل


توضیحات داخل پروفایل


رشته تحصیلی


گرایش


مقطع تحصیلی


دانشگاه محل تحصیل


شغل

  1. من در حال استفاده از یک feedforward backpropagation neural network می باشم، که داده های ورودی 12*304 و خروجی1*304 می باشد و از ابزار nntool استفاده می کنم، شبکه دولایه مخفی که توابع انتقال برای لایه اول لایه دوم و خروجی : به ترتیب logsig,logsig,tansig تعداد نورونها در هر لایه مخفی 8 از تابع آموزش trainlm استفاده می کنم تعداد epoch ها روی 3000 تنظیم شده است اما همواره پس از آموزش تعداد epoch ها کمتر از 8 می شود. چرا منحنی validation با افزایش تعداد epoch ها خطا زیاد می شود؟ (نمودار در شکل زیر))
  2. چکیده : روش هاي رايج در پيش بيني خصوصيات مخزني با استفاده از داده‏هاي لرزه‏اي جستجو و پيدا کردن روابط تجربي- رياضي بين اين خصوصيات و برخي نشانگرهاي لرزه‏اي و در نهايت بکار بردن اين روابط بر روي داده‏هاي لرزه‏اي جهت پيش‏بيني خصوصيات مورد نظر در محدوده داده‏هاي لرزه‏اي است. در اين مطالعه، ابتدا با استفاده از اصول رگراسيون خطي چند متغيره و روش شبکه عصبي مصنوعي چند لايه پيشرو ، روابط بين سرعت موج طولي و نشانگرهاي لرزه‏اي درمحل 5 چاه واقع در يکي از ميادين جنوب غرب ايران استخراج شدند، ضريب همبستگي بين داده‏هاي اندازه‏گيري شده و استخراج شده، براي روش رگراسيون خطي چند متغيره و روش شبکه عصبي مصنوعي چند لايه پيشرو به ترتيب 76 و 5/83 درصد ‏بدست آمدند. در نهايت با اعمال روابط استخراج شده بر روي داده‏هاي 3 بعدي، سرعت موج طولي به صورت حجمي و براي کل ميدان مورد مطالعه استخراج گرديد. با توجه به کمبود داده‏هاي سرعتي در ميادين کشور و برازش نسبتاً خوب بدست آمده در اين تحقيق، اهميت موضوع در تبديلات عمقي داده‏هاي لرزه‏اي مشهود مي‏باشد ارائه دهندگان : اصغر نادري ، پژوهشگاه صنعت نفت ايرج مداحي، پژوهشگاه صنعت نفت فريبرز طالبي، پژوهشگاه صنعت نفت محل ارائه : دومین کنگره ملی مهندسی نفت ایران تاریخ انتشار : بهمن 86 تعداد صفحه : 11 [Hidden Content]
×
×
  • اضافه کردن...