فیلترها/جستجو در نتایج    

فیلترها

سال

بانک‌ها




گروه تخصصی











متن کامل


همکاران: 

اطلاعات : 
  • تاریخ پایان: 

    1395
تعامل: 
  • بازدید: 

    240
کلیدواژه: 
چکیده: 

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 240

نویسنده: 

TABATBABAI MASUMEH | JAVID DARUSH | MOAZAMI GOODARZI MUHAMMAD REZA

اطلاعات دوره: 
  • سال: 

    2015
  • دوره: 

    2
تعامل: 
  • بازدید: 

    344
  • دانلود: 

    0
چکیده: 

THE PURPOSE OF THIS STUDY WAS TO PREDICT THE BANKRUPTCY OF COMPANIES LISTED IN TEHRAN STOCK EXCHANGE IS USING RADIAL BASIS FUNCTION NEURAL Network (RBF). THIS STUDY IS A QUASI-EXPERIMENTAL BECAUSE LOOKING CAUSAL FACTORS ON THE FACTS AND CIRCUMSTANCES OF RESEARCH. STATISTICAL POPULATION BANKRUPT COMPANIES COVERED BY ARTICLE 141 OF THE COMMERCIAL CODE, 2012 AND 2013 YEARS AND 99 HEALTHY COMPANIES ON THE BASIS OF PROFITABILITY FOR THE TWO YEARS. HEALTHY COMPANIES WERE SELECTED THROUGH RANDOM SAMPLING. 5 INDEPENDENT VARIABLES INVESTIGATED INCLUDE WORKING CAPITAL TO TOTAL ASSETS, THE CUMULATIVE GAIN OR LOSS TO TOTAL ASSETS, EARNINGS BEFORE INTEREST AND TAXES EBIT TO TOTAL ASSETS, BOOK VALUE OF EQUITY TO BOOK VALUE OF TOTAL DEBT TO TOTAL ASSETS, WHOLE SALE AND THE DEPENDENT VARIABLE IS A BINARY VARIABLE EQUAL TO ZERO FOR NORMAL AND HEALTHY TO HAVE ONE. AFTER STATISTICAL SOFTWARE WEKA WITH RADIAL BASIS FUNCTION NEURAL Network TO PREDICT THE RATE OF 91 TO 95.34% AND 90.69% IS EQUAL TO 92 YEARS.

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 344

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 0
نویسندگان: 

ABBASPOUR M. | RAHMANI A.M. | TESHNEHLAB M.

اطلاعات دوره: 
  • سال: 

    2005
  • دوره: 

    1
  • شماره: 

    4
  • صفحات: 

    257-264
تعامل: 
  • استنادات: 

    1
  • بازدید: 

    497
  • دانلود: 

    0
چکیده: 

This paper introduces a new structure in neural Networks called TD-CMAC, an extension to the conventional Cerebellar Model Arithmetic Computer (CMAC), having reasonable ability in time series Prediction. TD-CMAC, the conventional CMAC and a classical neural Network model called Multi-Layer Perceptron (MLP) are simulated and evaluated for 1-hour-ahead Prediction and 24-hour-ahead Prediction of carbon monoxide as one of primary air pollutants. Carbon monoxide data used in this evaluation were recorded and averaged at Villa station in Tehran, Iran from October 3thrd. 2001 to March 14th. 2002 at one-hour intervals. The results show that the errors made by TD-CMAC is fewer than those made by other models.

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 497

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 1 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 4
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
نویسندگان: 

LIU W. | LIE L. | HANZO L.

اطلاعات دوره: 
  • سال: 

    2006
  • دوره: 

    63
  • شماره: 

    -
  • صفحات: 

    2173-2177
تعامل: 
  • استنادات: 

    1
  • بازدید: 

    113
  • دانلود: 

    0
کلیدواژه: 
چکیده: 

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 113

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 1 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
اطلاعات دوره: 
  • سال: 

    1389
  • دوره: 

    10
  • شماره: 

    2 (پیاپی 39)
  • صفحات: 

    61-80
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    1943
  • دانلود: 

    818
چکیده: 

در این مقاله، یک مدل ابتکاری با ترکیب شبکه های عصبی مصنوعی(ANN) ، برای پیش بینی رفتار قیمت سهام پیشنهاد و اجرا می شود. این مدل ترکیبی، به صورت ساختار دو طبقه می باشد: شبکه های عصبی طبقه اول یا پیشگو های پایه (Base Predictor)، مسوول پیش بینی روزانه داده ها با ویژگی مختلف یک سهام می باشند و در طبقه دوم، شبکه دیگر، به عنوان ترکیب کننده، پیش بینی نهایی را با بررسی و آنالیز اطلاعات پیشگوهای طبقه اول انجام می دهد. نتایج تجربی بر روی یکی از مجموعه داده های بورس ایران، برتری و کارایی مدل پیشنهادی را در مقایسه با مدل رایج پیش بینی نشان می دهد.

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 1943

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 818 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 11
نویسندگان: 

MOSAVI M.R.

نشریه: 

GPS SOLUTIONS

اطلاعات دوره: 
  • سال: 

    2006
  • دوره: 

    10
  • شماره: 

    2
  • صفحات: 

    97-107
تعامل: 
  • استنادات: 

    1
  • بازدید: 

    168
  • دانلود: 

    0
کلیدواژه: 
چکیده: 

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 168

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 1 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
اطلاعات دوره: 
  • سال: 

    2011
  • دوره: 

    1
  • شماره: 

    1
  • صفحات: 

    21-28
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    309
  • دانلود: 

    0
چکیده: 

This paper presents the Prediction of vehicle's velocity time series using neural Networks. For this purpose, driving data is firstly collected in real world traffic conditions in the city of Tehran using advance vehicle location devices installed on private cars. A multi-layer perceptron Network is then designed for driving time series forecasting. In addition, the results of this study are compared with the auto regressive (AR) method. The least root mean square error (RMSE) and median absolute percentage error (MDAPE) are utilized as two criteria for evaluation of Predictions accuracy. The results demonstrate the effectiveness of the proposed approach for Prediction of driving data time series.

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 309

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
همایش: 

IRANIAN FUEL CELL SEMINAR

اطلاعات دوره: 
  • سال: 

    2012
  • دوره: 

    5
تعامل: 
  • بازدید: 

    180
  • دانلود: 

    0
چکیده: 

MICROBIAL FUEL CELL IS A NEW TECHNOLOGY AND IT IS A BIOREACTOR FOR ELECTRICITY GENERATION. THIS TECHNOLOGY IS ABLE TO TREAT BIODEGRADABLE ORGANIC MATTER AND GENERATE ELECTRICITY SIMULTANEOUSLY. ELECTRONS AND PROTONS PRODUCE BY OXIDATION OF ORGANIC MATTER AND THEN ELECTRONS MOVE FROM EXTERNAL RESISTANCE WHILE PROTONS TRANSFER ACROSS MEMBRANE AND REACTION BETWEEN ELECTRON, PROTON AND OXYGEN PRODUCE WATER ON CATHODE SURFACE. DIFFERENT KIND OF CONFIGURATION IS PRESENTED FOR MICROBIAL FUEL CELL SUCH AS DUAL AND SINGLE CHAMBER WITH MEMBRANE AND WITHOUT MEMBRANE. IN THIS RECENT STUDY BY APPLYING THE ARTIFICIAL NEURAL Network, WE HAVE PREDICTED BEHAVIOR OF THE MICROBIAL FUEL CELL, SO A MULTILAYER PERCEPTRON (MLP) WAS USED WHICH RESULTS OF Prediction WERE SHOWN A GOOD FIT BETWEEN ACTUAL AND Prediction DATA WITH NEGLIGIBLE MEAN SQUARE ERROR. ARTIFICIAL NEURAL Network (ANN) UTILIZES INTERCONNECTED MATHEMATICAL NODES OR NEURONS TO FORM A Network THAT CAN MODEL COMPLEX FUNCTIONAL RELATIONSHIP.

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 180

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 0
اطلاعات دوره: 
  • سال: 

    1390
  • دوره: 

    20
  • شماره: 

    78/2 (ویژه نامه ریاضی)
  • صفحات: 

    21-28
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    977
  • دانلود: 

    162
چکیده: 

مقدمه: درک درست ارتباطات تابعی بین متغیرها، لازمه انجام یک تحلیل چند متغیره است که در آن باید تعداد پارامترها متناهی باشند. در برخی از مطالعات که داده های ناتمام وجود دارد، مانند بقا، انجام تحلیل نیازمند پیش فرض هایی است که در موقعیت های عملی ممکن است برقرار نباشد. در چنین حالت هایی، استفاده از مدل هایی که انعطاف پذیر و  آزاد- توزیع باشند، مانند شبکه عصبی مصنوعی، پیشنهاد است.هدف: این مطالعه با هدف مقایسه پیش بینی بقا با مدل شبکه عصبی مصنوعی و رگرسیون وایبول در یک مطالعه شبیه سازی و مثال کاربردی انجام شده است.روش بررسی: در ابتدا برای انجام مطالعه شبیه سازی، متغیرهای تصادفی با توزیع های دوجمله ای و نرمال استاندارد تولید شد. همچنین زمان بقا با توزیع وایبول بر اساس رابطه بین پارامترهای این توزیع و متغیرهای مستقل تولید شد. در ادامه داده ها به دو قسمت آموزشی و آزمایشی تقسیم شدند و ارزیابی شبکه بر اساس ملاک حداقل مربعات خطای پیش بینی و ملاک اطلاع بیزی صورت پذیرفت.نتایج: شاخص هماهنگی در شبکه 0.812 و در رگرسیون وایبول 0.785 گردید.نتیجه گیری: صحت پیش بینی شبکه عصبی بیش تر از مدل رگرسیون وایبول به دست آمد.

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 977

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 162 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
نویسندگان: 

اطلاعات دوره: 
  • سال: 

    2019
  • دوره: 

    478
  • شماره: 

    75
  • صفحات: 

    0-0
تعامل: 
  • استنادات: 

    1
  • بازدید: 

    44
  • دانلود: 

    0
کلیدواژه: 
چکیده: 

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 44

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 1 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
litScript
telegram sharing button
whatsapp sharing button
linkedin sharing button
twitter sharing button
email sharing button
email sharing button
email sharing button
sharethis sharing button