CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

پیش بینی میزان آلایندگی در اکسید کربن با استفاده از شبکه عصبی پرسپترون چند لایه با نظارت الگوریتم جهت قورباغه

اعتبار موردنیاز : ۱ | تعداد صفحات: ۱۰ | تعداد نمایش خلاصه: ۱۴۳ | نظرات: ۰
سال انتشار: ۱۳۹۴
کد COI مقاله: NCCOS03_154
زبان مقاله: فارسی
حجم فایل: ۳۶۴.۴۲ کیلوبایت (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.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل 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 : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیش بینی میزان آلایندگی در اکسید کربن با استفاده از شبکه عصبی پرسپترون چند لایه با نظارت الگوریتم جهت قورباغه

  آنی یعقوب مسیحی - دانشجوی کارشناسی ارشد گروه مهندسی کامپیوتر واحد تهران جنوب دانشگاه آزاد اسلامی تهران ایران
  علیرضا یاری - هیات علمی پژوهشگاه ارتباطات و فناوری اطلاعات تهران ایران

چکیده مقاله:

امروزه مشکلات ناشی ازالودگی هوا درکلانشهرها به یک چالش زیست محیطی اساسی تبدیل شده است این مشکل درمورد شهرتهران به دلیل حجم ترافیکی سنگین ناشی ازترابری استفاده ازخودروهای غیراستاندارد احتراق ناقص سوختهای مورداستفاده خودروها و بی توجهی که طی سالهای گذشته نسبت به الودگی هوا صورت گرفته اهمیت ویژه ای دارد پیش بینی غلظت روزانه الاینده های هوا اولین گام اساسی دربرنامه ریزی کاهش اثرات آنهاست دراین مقاله ابتدا پیش پردازش داده ها صورت میگیرد که شامل پاکسازی داده ها نرمال سازی خطی و انتخاب ویژگی است سپس شبکه عصبی پرسپترون چندلایه بااستفاده ازالگوریتم جهش قورباغه اموزش داده میشود و خطای آن با خطای شبکه عصبی آموزش داده شده توسط الگوریتم رقابت استعماری مقایسه میشود نتایج نشان میدهد که شبکه عصبی پرسپترون چندلای اموزش یافته باالگوریتم جهش قورباغه بامیانگین مربعات خطای 0.089 و 0.088 به ترتیب دراموزش و ازمایش میتواند پیش بینی میزان الایندگی دی اکسیدکربن را انجام دهد

کلیدواژه‌ها:

پیش بینی ، پاکسازی داده ها ، نرمال سازی ، انتخاب ویژگی ، الگوریتم جهش قورباغه ، الگوریتم رقابت استعماری ، شبکه عصبی پرسپترون چندلایه

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-NCCOS03-NCCOS03_154.html
کد COI مقاله: NCCOS03_154

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:
یعقوب مسیحی, آنی و علیرضا یاری، ۱۳۹۴، پیش بینی میزان آلایندگی در اکسید کربن با استفاده از شبکه عصبی پرسپترون چند لایه با نظارت الگوریتم جهت قورباغه، سومین همایش ملی کامپیوتر، سنندج، آموزشکده فنی و حرفه ای سما واحد سنندج، https://www.civilica.com/Paper-NCCOS03-NCCOS03_154.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: (یعقوب مسیحی, آنی و علیرضا یاری، ۱۳۹۴)
برای بار دوم به بعد: (یعقوب مسیحی و یاری، ۱۳۹۴)
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 :

  • منهاج، محمدباقر، مبانی شبکه‌های عصبی(هوش محاسباتی)، جلداول، تهران، مرکز نشر ...
  • Eusuff, M.; Lansey, K.; Pasha, F.; Shuffled frog -leaping algorithm: ...
  • ltipong, P.; solving non-linear continuous mathematical using shuffled frog leaping ...
  • Eusuff, M.; Lansey, K.; Optimization of water distribution network design ...
  • Itipong, P.; solving non-linear continuous mathematical using shuffled frog leaping ...
  • Atashp az-Gargari, E.; Lucas, C.; Imperialist Competitive Algorithm: An algorithm ...
  • Pfeifer, R.; Damian, D, ; Fuchslin, R.; Neural Networks, University ...
  • Suzuki, _ Artificial Neural Networks: Arclitectures and Applications, InTech 2013. ...
  • Ahmadi, Mohammad A.; Prediction of Asphaltene Precipitation using Artificial Neural ...
  • Safdari , R.; Ghazi saeedi, M.; Gharooni, M.; Nasiri , ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: ۸۸۶۲
    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.