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

پیش بینی سری زمانی با استفاده از تبدیل ویولت

اعتبار موردنیاز: ۱ | تعداد صفحات: ۶ | تعداد نمایش خلاصه: ۹۳۵ | نظرات: ۰
سرفصل ارائه مقاله: کامپیوتر
سال انتشار: ۱۳۹۰
نوع ارائه: شفاهی
کد COI مقاله: ISCEE14_086
زبان مقاله: فارسی
حجم فایل: ۱۸۱.۸۴ کلیوبایت (فایل این مقاله در ۶ 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 ۶ 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 پیش بینی سری زمانی با استفاده از تبدیل ویولت

  معصوم ولیدی - دانشگاه صنعتی جندی شاپور دزفول
  مریم شکیبا - مربی، دانشگاه صنعتی جندی شاپور دزفول

چکیده مقاله:

با توجه به اهمیت کاربرد پیش بینی دقیق در سری زمانی در زمینه های مختلف در این مقاله هدف افزایش دقت پیش بینی سری زمانی به کمک شبکه عصبی TDL با استفاده از توابع ویولت می باشد. بدین منظور دو مدل به عنوان بردار ورودی اعمال شده به شبکه عصبی ارائه شده است. در روش اول بردار ورودی، متشکل از ویژگی های استخراج شده از سری زمانی به کمک تبدیل ویولت به همراه داده های سری زمانی می باشد و در روش دوم بردار ورودی شبکه عصبی فقط از ویژگی های استخراج شده از سری زمانی به کمک تبدیل ویولت تشکیل یافته است. نتایج حاکی از برتری روش پیشنهادی برای پیش بینی سری زمانی نسبت به حالتی است که بردار ورودی به شبکه عصبی صرفااز داده های سری زمانی می باشد. سری زمانی مذکور مربوط به نمونه برداری انجام شده از نرخ ترافیک ورودی به مسیر یاب واسط بین مرکز تحقیقات مخابرات ایران و شرکت دیتا می باشد.

کلیدواژه‌ها:

تبدیل ویولت، شبکه عصبیTDL پیش بینی سری زمانی، استخراج بردار ویژگی

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:
http://www.civilica.com/Paper-ISCEE14-ISCEE14_086.html
کد COI مقاله: ISCEE14_086

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:
ولیدی, معصوم و مریم شکیبا، ۱۳۹۰، پیش بینی سری زمانی با استفاده از تبدیل ویولت، چهاردهمین کنفرانس دانشجویی مهندسی برق ایران، کرمانشاه، دانشگاه کرمانشاه، سازمان علمی دانشجویی مهندسی برق کشور، http://www.civilica.com/Paper-ISCEE14-ISCEE14_086.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: (ولیدی, معصوم و مریم شکیبا، ۱۳۹۰)
برای بار دوم به بعد: (ولیدی و شکیبا، ۱۳۹۰)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز:
تعداد مقالات: ۷۰۲
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

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 پیشنهادی مرتبط

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.