بهبود عملکرد شبکه عصبی مصنوعی در برآورد درصد رطوبت بهینه و تراکم بیشینه خاکها بوسیله طبقه بندی فازی
محل انتشار: هفتمین کنگره ملی مهندسی عمران
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 632
فایل این مقاله در 9 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:
NCCE07_1174
تاریخ نمایه سازی: 16 مهر 1392
چکیده مقاله:
تاکنون مطالعات بسیاری درخصوص کاربرد شبکه های عصبی مصنوعی درمسائل مهندسی ژئوتکنیک انجام شده است همواره دستیابی به شبکه عصبی که توانایی ارایه پاسخ با کمترین خطای ممکن درشرایط مشابه را دارا باشد هدف اصلی بوده است این تحقیق سعی دارد که این فرایند را ازجهت ارایه الگویی برای انتخاب بهترین داده های لازم برای اموزش شبکه عصبی با استفاده ازروش طبقه بندی فازی Fuzzy C-Mean clustering مطرح نماید بدین منظور با هدف براورد درصد رطوبت بهینه ووزن وااحدحجم خشک بیشینه خاکها درازمایش تراکم استاندارد نتایج حدود 200 نمونه خاک جمع اوری شده است علاوه براین تعداد نمونه که جهت اموزش شبکه عصبی استفاده شده اند 16نمونه ازمایش دیگر برای ارزیابی اعتمادپذیری نتایج شبکههای عصبی اموزش دیده استفاده شده است به منظور تلفیق روش طبقه بندی فازی و شبکه عصبی یک برنامه با استفاده ازبرنامه متلب نوشته شده است که بهترین مجموعه اموزشی را با استفاده ازروش طبقه بندی فازی انتخاب نموده و برای اموزش به شبکه عصبی ارایه میدهد مقایسه نتایج نشان میدهد که استفاده ازطبقه بندی فازی باعث افزایش اعتمادپذیری نتایج شده و پاسخ شبکه عصبی بهبود یافته است
کلیدواژه ها:
نویسندگان
ایمان عشاری
استادیاردانشگاه رازی کرمانشاه
مهنوش بیگلری
استادیاردانشگاه رازی کرمانشاه
پیام حیدریان
دانشجوی کارشناسی مهندسی عمران
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 :