استخراج قواعد فازی از داده های gis با استفاده از شبکه عصبی فازی جهت تشخیص بافت های فرسوده مناطق 5 و 11 شهر تهران
Abstract
No abstract recorded for this item.
No abstract recorded for this item.
حضور فناوری اطلاعات در عرصه های کسب و کار شرکت ها و سازمان ها سبب افزایش درآمد و رونق بازار و ارائه خدمت های سریع تر و با کیفیت تر شده است. در دهه 90 میلادی سرمایه گذاری های و سیعی در صنعت فناوری اطلاعات جهت ارائه خدمات بر روی بستر شبکه و اینترنت انجام گرفت. هر چه سامانه ها و سیس
امروزه استفاده از داده های ورودی خروجی (داده های آزمایشگاهی) و شبکه های عصبی کاربرد بسیار وسیعی در مدلسازی فرایندهای پیچیده دارند. استفاده از شبکه های عصبی برای مدلسازی فرایندهای پیچیده معمولاً منجر به ارائه ی روابط ریاضی پیچیده بین ورودی ها و خروجی فرایند می شود. معمولأ با استفا
جهت ارزیابی عملکرد زنجیره تامین وجود مدلی جامع در کنار داده های قابل اعتماد، راهگشاست. این امر می تواند به بهبود کل زنجیره کمک نماید. در این تحقیق مدلی متناسب با ماهیت شبکه ای و چند مرحله ای زنجیره تامین ارائه گردیده است که عملکرد کل زنجیره را در قالب یک مدل ریاضی و با استفاده از
در مسائل عملی مهندسی کنترل، غالبا سیستم ها غیرخطی و شامل عناصر نامعینی می باشند. بازوهای انعطاف پذیر به عنوان زیرمجموعه مهمی از سیستم های غیرخطی بازوهای سبکی هستند که دارای کاربردهای فراوان در تحقیقات فضایی، نظامی و سازه های مهندسی می باشند. تحلیل دینامیکی و کنترل به روش کلاسیک و
مدل سازی و پیش بینی سری های زمانی یک مسئله بسیار مهم در چند دهه اخیر بوده و کاربرد وسیعی در زمینه های مختلف علوم و مهندسی از جمله هیدرولوژی دارد. در این راستا تخمین پارامترهای مدل های مختلف سری های زمانی یکی از مراحل اساسی در مدل سازی سری های زمانی است. روش های ارائه شده در این ز
از سال 1937، از چاه آزمایی به عنوان ابزاری برای شناخت مدل های مخازن هیدروکربوری و تشخیص پارامترهای مربوط به آن ها استفاده می شود. در واقع فرآیند چاه آزمایی به ایجاد یک تغییر جریانی در چاه و جمع آوری داده های فشاری در ته چاه اطلاق می گردد. آنالیز داده های چاه آزمایی مربوط به مخازن
در این تحقیق روشی جهت استخراج قوانین فازی مؤثر و قابل تفسیر از داده های GIS با استفاده از سیستم عصبی - فازی ارائه شده است. مدل فازی جهت رسیدن به دقت و تفسیرپذیری بالا از سه مرحله عبور کرده است. در مرحله اول وزن های اولیه شبکه عصبی - فازی با استفاده از الگوریتم خوشه بندی FCM به دس
تشخیص تعامل انسان و شیء (HOI) مجموعهای از سه تاییهای (انسان، شیء، تعامل) از یک تصویر را استخراج میکند. این حوزه، یکی از زمینههای تحقیقاتی رو به رشد در بینایی کامپیوتر است. علاوه بر اطلاعات دو بعدی مانند ظاهر انسان و اشیاء و موقعیت مکانی آنها، وضعیت سه بعدی به خصوص در پیک
چکیده مقدمه: در حال حاضر، سرطان پستان از شایعترین بیماریهای زنان است. دسته بندی دقیق تومور سرطان پستان نقش کلیدی را در امر تشخیص پزشکی ایفا میکند. متخصصین به دنبال روشهای بهینه جهت بهبود تشخیص این تومور می باشند. روش بررسی: در این مطالعه شبکه عصبی مبتنی بر جغرافیای زیستی ارایه گر
نسل جدید سنجنده های راداری فضایی با حد تفکیک مکانی بالا، امکان استفاده از این تصاویر را به منظور استخراج خودکار عوارض، به ویژه عارضه راه فراهم آورده اند. در پژوهش حاضر، استخراج عارضه راه از تصاویر راداری و اپتیک با حد تفکیک بالا با یکدیگر مقایسه شدند. بدین منظور از تصاویر آیکونوس
با توجه به جایگاه مبادلات پولی در زندگی روزمره، تجهیزات فراوانی مانند ماشین های فروش، مرتب کنندهای اسکناس، دستگاههای خودپرداز، و دستگاه تشخیص اسکناس برای نابینایان ساخته شده است. این تجهیزات روز به روز گسترده ترو با قابلیت بیشتر عرضه می گردند، که بالطبع نیاز به روش های تشخیص اسکن
در بازارهای سرمایه عاملهای مختلفی در پیش بینی قیمت سهام موثر می باشد بنابراین سرمایه گذار جهت سرمایه گذاری سودآور با کمترین ریسک با چالش، تردید و خطا مواجه می باشد. در راستای کاهش هزینه و بالا بردن سود سرمایه گذاری، تعیین عاملهای تاثیر گذار و زمان مناسب جهت خرید و فروش از مهم تر