طراحی پیاده سازی یک روش مدلسازی هوشمند داده های ورودی برای بهبود عملکرد سیستمهای تخمینگر عصبی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 385

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CITCONF03_065

تاریخ نمایه سازی: 12 تیر 1395

چکیده مقاله:

امروزه محققان ترجیح می دهند مکانیزمی در اختیار داشته باشند که بتوانند انها را در امور تصمیم گیریشیان یاری نماید به همین دلیل توجه به روشهای تشخیص و پیش بینی موردتوجه قرارگرفته اند. شبکه های عصبی مصنوعی ANNs ابزار ریاضی هستند که با تقلید از سیستم عصبی بیولوژیک ساخته شدهاند طراحی تخمینگر با استفاده از شبکه عصبی مصنوعی می تواند بر مشکلات عددی فائق آمده با سرعت بیشتری نسبت به سایر روشها عمل تخمین را انجامدهد. روش جدید ارائه شده ابتدا به اعتبارسنجی ویژگی ها می پردازد سپس ویژگیای انتخاب می شوند که رتبه بیشتری را کسب کرده اند.

نویسندگان

آذین قاسمی

دانشجوی کارشناسی ارشد

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 :
  • L. Yu, H. Liu, "Efficient Feature Selection via Analysis of ...
  • Guangtao Wang, Qinbao Song, Heli Sun, Xueying Zhang, A Feature ...
  • Silvia Cateni, Marco Vannucci, Marco Vannocci and Valentina Colla , ...
  • Zhongyi Hu, Yukun Bao, Hybrid filter-wrapper feature selection for short-term ...
  • Chao Sima, Edward R. Dougherty, The peaking phenomenon in the ...
  • PJM Electricity Market Data. [Online]. ...
  • نمایش کامل مراجع