مقاله مقاله نشریه

مشخصات مقاله

video

sound

نسخه انگلیسی

بازدید:

108

دانلود:

0

استناد:

اطلاعات مقاله نشریه

عنوان

مقایسه ی عملکرد الگوریتم های مختلف یادگیری شبکه ی عصبی در پیش بینی الگوی توزیع سفید بالک پنبه Bemisia tabaci در خیارکاری های بهبهان

صفحات

 صفحه شروع 119 | صفحه پایان 126

چکیده

 امروزه تشریح الگوهای پراکندگی حشرات با استفاده از روش های درون یابی و برآورد تراکم به منظور بررسی امکان مدیریت و کنترل متناسب با مکان آن ها مورد توجه بسیاری از محققان قرار گرفته است. این پژوهش به منظور ارزیابی قابلیت الگوریتم های مختلف شبکه ی عصبی پرسپترون چندلایه ای (MLP) در درون یابی و برآورد جمعیت سفید بالک پنبه در نقاط نمونه برداری نشده و نیز ترسیم نقشه ی پراکنش آن انجام شد. برای ارزیابی قابلیت الگوریتم های مختلف شبکه ی عصبی MLP از میانگین مربعات خطا و ضریب تبیین استفاده شد و برای ارزیابی شبکه با الگوریتم مطلوب از مقایسه ی فراسنجه (پارامتر) هایی مانند میانگین, واریانس, توزیع آماری و نیز ضریب تبیین رابطه ی خطی رگرسیونی بین مقادیر پیش بینی شده توسط شبکه ی عصبی با الگوریتم یادگیری مطلوب و مقادیر واقعی آن ها استفاده شد. نتایج نشان از عملکرد مطلوب شبکه ی عصبی با الگوریتم لونبرگ-مارکوات و نرخ یادگیری 26/0, عامل مومنتوم 75/0 و شمار یازده نرون در لایه ی میانی و همچنین نبود تفاوت معنی داری بین مقادیر ویژگی های آماری (میانگین, واریانس) و توزیع آماری مجموعه ی داده های پیش بینی شده ی تراکم آفت و میزان واقعی آن بود. به عبارتی شبکه ی عصبی مصنوعی با الگوریتم لونبرگ-مارکوات به خوبی توانست مدل داده های تراکم سفید بالک پنبه را بیاموزد. نقشه ی به دست آمده از درون یابی نشان داد, این آفت توزیع تجمعی داشته و لذا امکان کنترل مناسب با مکان آن در مزرعه ی مورد بررسی وجود دارد.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی

    کارگاه های پیشنهادی






    مرکز اطلاعات علمی SID
    مرکز اطلاعات علمی SID
    مرکز اطلاعات علمی SID
    مرکز اطلاعات علمی SID
    انتشارات انتخاب
    نهمین کنگره زخم و ترمیم بافت‎‎
    حوزه علمیه خواهران شهرستان اقلید
    فایل موجود نیست.