کاربرد شبکه های عصبی مصنوعی درتخمین حداکثروزن مخصوص خشک درمنابع قرضه
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 403
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CEUCONF03_244
تاریخ نمایه سازی: 16 شهریور 1395
چکیده مقاله:
چندین سال اخیر، شبکه های عصبی مصنوعی (ANNS) به طورموفقیت آمیزی برای مدل سازی تقریبا همه جوانب مسائل مهندسی ژئوتکنیک استفاده شده اند. ضمن اینکه شبکه های عصبی مصنوعی وعده های بسیاری راعرضه کرده اند، اما ضعف هایی دراستخراج دانش، تعمیم دهی وعدم قطعیت دارند، دراین تحقیق الگوریتمی جهت مدل سازی وتخمین حداکثروزن مخصوص خشک خاک تحت نرم افزار(NATLAB) ، با شبکه عصبی مصنوعی ارائه می شود. شبکه استفاده شده دراین تحقیق ازنوع پرسپترون چندلایه باپس انتشار خطامی باشد. شبکه دارای یک لایه ورودی ویک لایه میانی وی ک لایه خروجی بوده و تحت تابع تحریک سیگموئیدی کارمیکند. لایه ورودی شامل 3 نرون، لایه میانی شامل 14 نرون ولایه خروجی حاوی یک نرون می باشد. 21 نمونه که قبلا نتایج آزمایشگاهی آنها استخراج شده بودجهت مدل سازی (آموزش ، ارزیابی وتست) شبکه مورداستفاده قرارگرفتند، نمودارتابع خروجی تحت تابع هدف وهمچنین مقدارمتوسط مربع خطای خروجی(MSE) برابر32 000/0درصد، وهمچنین صحت سنجی داده ها بصورت حداقلی حداکثری ومیانگینی نشان دهنده موردقبول بودن نتایج حاصل از تخمین شکبه طراحی شده می باشد.
نویسندگان
شهرام انگردی
گروه مهندسی عمران، واحدتبریز، دانشگاه آزاد اسلامی ، تبریز
رضا قلی اجلالی
گروه مهندسی عمران، واحدتبریز، دانشگاه آزاد اسلامی ، تبریز ،
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 :