CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

Sea Waves Prediction Usin Fuzzy i Neural Network

اعتبار موردنیاز: ۱ | تعداد صفحات: ۱۰ | تعداد نمایش خلاصه: ۱۲۵۶ | نظرات: ۰
سرفصل ارائه مقاله: Climate Prediction and Long-term Forecasting
سال انتشار: ۱۳۸۴
کد COI مقاله: IKWCM01_012
زبان مقاله: انگلیسی
حجم فایل: ۴۶۱.۰۸ کلیوبایت (فایل این مقاله در ۱۰ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۰ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله Sea Waves Prediction Usin Fuzzy i Neural Network

Bahareh Arefmanesh - Islamic Azad University- Science and Research Unit
Teshnehlab - Departemant of Electric Engineering, Khajeh Nasir Toosi of Technology Tehran, Iran
Shenasa - Departemant of Electric Engineering, Khajeh Nasir Toosi of Technology Tehran, Iran
Kamali - Iran Meteorology Organization

چکیده مقاله:

Combination of neural networks and fhzzy systems yields intelligent Fuzzy-Neural system used to solve problems such as modeling, prediction, etc. In this paper, Fuzzy- Neural Network (FNN) has been designed to predict sea waves that are non-linear phenomena. The system trains parameters in three phases: first, system trains conclusion parameters (center of output membership fi~nction);t hen, the system trains antecedent parameters (center of input membership function) with conclusion parameters and; finally, the system trains variance of membership function with other parameters. Result of each phase was compared with each other. Result of third phase is better than other phases. The performance of this phase is slower than other phases because it has higher degrees of freedom. Next stage, three previous phases would be used recurrent Fuzzy- Neural Network to train the parameters. Training conclusion parameters, antecedent parameters and variance parameters together has the best result. In this paper, Error Back Propagation Algorithm was used for learning mechanism, and Fuzzy-Neural Networks were evaluated by Mean Square of Error (MSE).

کلیدواژه‌ها:

Fuzzy-neural Networks, Error Back Propagation Algorithm, and Recurrent Fuzzy-neural Networks.

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-IKWCM01-IKWCM01_012.html
کد COI مقاله: IKWCM01_012

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Arefmanesh, Bahareh; Teshnehlab; Shenasa & Kamali, ۱۳۸۴, Sea Waves Prediction Usin Fuzzy i Neural Network, اولین کارگاه مشترک ایران و کره در مدلسازی اقلیم, مشهد, پژوهشکده اقلیم شناسی, https://www.civilica.com/Paper-IKWCM01-IKWCM01_012.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (Arefmanesh, Bahareh; Teshnehlab; Shenasa & Kamali, ۱۳۸۴)
برای بار دوم به بعد: (Arefmanesh; Teshnehlab; Shenasa & Kamali, ۱۳۸۴)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • Bart Kosko, University of Southern California, ،^Neural Network and Fuzzy ...
  • E.khan et al, Neufuz:، 0An Intelligent Combination of Fuzzy Logic ...
  • Wang, L.X., and J.M. Mendel [1992 b], "Generating fuzzy rules ...
  • Wang, Lie-Xin, 44A course in fuzzy systems and control?, Prentice-Hall, ...
  • Jang, J.S.R, Sum, C.T., Mizutani, E. *Neuro_ Fuzzy and Soft ...
  • Rumelhart, Hinton and Williams, *Learning Internal Repres entation by Error ...
  • E.khan & F.Unal, ' Recurrent Fuzzy Logic Using Neural Network?, ...
  • Box, G.E.P., and G.M. Jenkins (1976), ،'Time Series Analysis: Forecasting ...
  • P.D., Wasserman, ، Advanced methods in neural computing?, Van Nostrand ...
  • مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.