پیش بینی ساختار دوم پروتئین به کمک شبکه های عصبی

پیش بینی ساختار دوم پروتئین ها با استفاده از شبکه های عصبی

شناخت عملکرد پروتئین ها با توجه به گستره فعالیت آنها از مسائل مهم زیست شناسی محسوب می شود. ساختار سه بعدی یک پروتئین در نحوه عملکرد آن نقش اساسی دارد. با توجه با رشد روز افزون رشته های پروتئین شناخته شده و مشکلات تعیین ساختار آنها به صورت آزمایشگاهی، روشهای محاسباتی برای پیش بینی

پیش بینی ساختار دوم پروتئین با استفاده از شبکه عصبی

پروتئین ها نقش کلیدی در بسیاری از فعالیت های حیاتی موجودات زنده بر عهده دارند، با توجه به این اهمیت، تولید پروتئین و تغییر ساختار آن برای نیل به اهدافی از قبیل طراحی داروها، ارسال دارو به بافت هدف تولید جایگزین های زیستی برای از بین بردن ترکیبات شیمیایی خطرناک محیط و غیره، از اهد

پیش بینی ساختار دوم پروتئین ها از طریق کلاسه بندی عصبی- ژنتیکی

پروتئین ها مواد مغذی اصلی هر سلول زنده و مسئول انجام اعمال گوناگون آن هستند. هنگامی که پروتئین ها در دمای معمول و در حالت عادی در محیط آبی قرار می گیرند از آن ها شکلی سه بعدی به دست می آید که در قسمتی از بدن قرار گرفته و ویژگی های کاربردی آن ها وابسته به این ساختار می باشد. به هم

بررسی انرژی مصرفی، تعیین بهترین تابع تولید و پیش بینی انرژی مصرفی به کمک شبکه عصبی مصنوعی برای محصول گوجه فرنگی گلخانه ای استان اصفهان

در این تحقیق به منظور بررسی و پیش بینی انرژی مصرفی در تولید گوجه فرنگی گلخانه ای استان اصفهان از توابع تولید انرژی و شبکه های عصبی مصنوعی استفاده شد. برای این کار داده ها به روش کاملاً تصادفی به وسیله پرسش شخص به شخص، از میان 30 گلخانه استان اصفهان جمع آوری شد. کل انرژی ورودی در

مدل های مارکفی پنهان در پیش بینی ساختار دوم پروتئین ها

تخمین تبخیر-تعرق گیاه مرجع از طریق پیش بینی های هواشناسی با کمک شبکه های عصبی مصنوعی (مطالعه موردی: زنجان)

تولید حد مطلوب محصول کشت شده تحت شرایط حاکم بر مزرعه از اهمیت بسیار زیادی برخوردار می باشد. یکی از پارامترهای اصلی برای تولید حداکثر محصول، تأمین آب مورد نیاز گیاه از زمان کشت تا زمان برداشت می باشد. موقع انجام آبیاری علاوه بر نیاز آبی خالص گیاه، مقداری آب اضافه به زمین داده می ش

پیش بینی ورشکستگی با استفاده از شبکه عصبی مصنوعی و مقایسه آن با مدل تحلیل ممیز چندگانه آلتمن

با توجه به نگرانی های منطقی سرمایه گذاران از بازگشت اصل و سود سرمایه شان و پیامدها و هزینه هایی که وقوع ورشکستگی برای شرکت ها و اقتصاد کشور و سایر افراد و نهادها می تواند ایجاد نماید. در صورتی که بتوان از طریق مدلی احتمال وقوع ورشکستگی شرکت ها را پیش بینی نمود و پس از آن با علت ی

مدل سازی و پیش بینی گسترش شهری بر اساس شبکه عصبی پیش خورانده بهینه شده و فیلتر همسایگی با حدود آستانه مختلف؛ منطقه مورد مطالعه: شهر تهران

با توجه به افزایش روز افزون جمعیت و سرعت بالای آن و تاثیر آن در رشد شهری، مطالعه، بررسی، و پیش­بینی رشد شهری از موضوعات مهم جامعه امروزی محسوب می­گردد. لذا، هدف اصلی این مقاله بررسی و نمایش رشد شهری در سال­های اخیر و پیش­بینی آن برای سال­های آینده می­باشد. به این منظور، در این تح

مدل سازی و پیش بینی گسترش شهری بر اساس شبکه عصبی پیش خورانده بهینه شده و فیلتر همسایگی با حدود آستانه مختلف؛ منطقه مورد مطالعه: شهر تهران

با توجه به افزایش روز افزون جمعیت و سرعت بالای آن و تاثیر آن در رشد شهری، مطالعه، بررسی، و پیش­بینی رشد شهری از موضوعات مهم جامعه امروزی محسوب می­گردد. لذا، هدف اصلی این مقاله بررسی و نمایش رشد شهری در سال­های اخیر و پیش­بینی آن برای سال­های آینده می­باشد. به این منظور، در این تح

تاثیر کیفیت سود بر پیش بینی ورشکستگی با استفاده از شبکه عصبی مصنوعی

پیش بینی تداوم فعالیت عملیاتی واحدهای اقتصادی در دوره های آتی، یکی از عناصر مهم در تصمیم گیری برای سرمایه گذاران بوده و در این میان انتخاب متغیرهای پیش بینی کننده همواره به عنوان یکی از مسائل چالش برانگیز در ادبیات پیش بینی ورشکستگی مطرح بوده است که در راس آن ها همواره سود حسابدا

پیش بینی قیمت سهام بر اساس شبکه عصبی LM-BP و برآورد نقطه بیش از حد توسط شمارش فواصل زمانی: شواهدی از بورس اوراق بهادار

در این پژوهش برای تعیین روش پیش بینی قیمت سهام، یک شبکه عصبی LM-BP بر اساس سری های زمانی با توجه به قیمت باز، بالاترین قیمت، پایین ترین قیمت، قیمت بسته و حجم معاملات ارائه شد. در پژوهش حاضر، 315 روز قیمت سهام را برای ایجاد 10 نمونه انتخاب و مجموعه آزمون شامل قیمت سهام از روز 316

پیش بینی تبخیر با استفاده از شبکه عصبی مصنوعی و سیگنا لهای اقلیمی در حوضه دز

تبخیر از پدیده های مهم چرخه آبشناختی است و تخمین و پیش بینی آن در مدیریت و برنامه ریزی اصولی آب ضروری می باشد، به همین خاطر به پیش بینی این پدیده در حوضه دز که بخش مهمی از آب مصرفی کشور را تأ مین می کند پرداخته شده است. در شبیه سازی تبخیر و بررسی امکان پیش بینی آن ازمدل شبکه عصبی