پیش بینی اثر بازدارندگی مشتقات بنزیمیدازول وابسته به فلز با استفاده از شبکه های عصبی مصنوعی
Abstract
No abstract recorded for this item.
No abstract recorded for this item.
به منظور پیش بینی محتوای رطوبتی پسته رقم اکبری به کمک شبکه عصبی مصنوعی، آزمایشاتی در پنج سطح دمایی از 40 تا 80 درجه سانتی گراد، چهار سرعت جریان هوای ورودی بین 5/0 تا 2 متر بر ثانیه و در سه تکرار (جمعا 60 سری) در یک خشک کن لایه نازک انجام شد. رطوبت اولیه پسته در آغاز آزمایش ها 30
رشد روزافزون تمایل به معنویت در محیط کار، به ایجاد پارادایم جدیدی در علم سازمانی منجر شده و مزایای برآمده از ایجاد محیط کار معنوی، کانون توجه بسیاری از پژوهشگران قرار گرفته است. از این رو، با توجه به اهمیت موضوع معنویت در محیط کار، هدف این پژوهش، ارایه مدلی برای پیش بینی سطح معنو
هدف از این مطالعه مدلسازی و پیش بینی رسانایی گرمایی نانو سیال گرافن به کمک شبکه عصبی مصنوعی چند لایه پرسپترون است. پارامترهای دمای نانوسیال، کسرحجمی و رسانایی گرمایی نانو ذره به عنوان ورودی شبکه در نظر گرفته شده است. بااطلاعات مربوط به اندازه گیریهای تجربی محققین قبلی در مورد رس
سابقه و هدف: روشهای مدل سازی غیر خطی برای مطالعات رابطهکمی ساختمان- اثر، راههای گویاتری نسبت به روشهای خطی، برای رفتارهای مولکولی هستند. شبکههای عصبی مصنوعی، مدل ها و الگوریتمهای ریاضی هستند که پردازش اطلاعات و یادگیری مغز انسان را تقلید میکنند. نشان داده شده است برخی مشتق