عنوان : مقاله Sea Waves Prediction Usin Fuzzy i Neural Network
قیمت : 11,800 تومان
توضیحات در پایین همین صفحه

درگاه 1
درگاه 2

توجه : دریافت شماره تلفن همراه و آدرس ایمیل صرفا جهت پشتیبانی می باشد و برای تبلیغات استفاده نمی شود

هدف ما در این سایت کمک به دانشجویان و دانش پژوهان برای بالا بردن بار علمی آنها می باشد پس لطفا نگران نباشید و با اطمینان خاطر خرید کنید

توضیحات پروژه

  مقاله Sea Waves Prediction Usin Fuzzy i Neural Network دارای 10 صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله Sea Waves Prediction Usin Fuzzy i Neural Network  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

این پروژه توسط مرکز آی سی بی سی آماده و تنظیم شده است

توجه : در صورت  مشاهده  بهم ريختگي احتمالي در متون زير ،دليل ان کپي کردن اين مطالب از داخل فایل ورد مي باشد و در فايل اصلي مقاله Sea Waves Prediction Usin Fuzzy i Neural Network،به هيچ وجه بهم ريختگي وجود ندارد


بخشی از متن مقاله Sea Waves Prediction Usin Fuzzy i Neural Network :

سال انتشار: 1384

محل انتشار: اولین کارگاه مشترک ایران و کره در مدلسازی اقلیم

تعداد صفحات: 10

نویسنده(ها):

Bahareh Arefmanesh – Islamic Azad University- Science and Research Unit
Teshnehlab – Departemant of Electric Engineering, Khajeh Nasir Toosi of Technology Tehran, Iran
Shenasa – Departemant of Electric Engineering, Khajeh Nasir Toosi of Technology Tehran, Iran
Kamali – Iran Meteorology Organization

چکیده:

Combination of neural networks and fhzzy systems yields intelligent Fuzzy-Neural system used to solve problems such as modeling, prediction, etc. In this paper, Fuzzy- Neural Network (FNN) has been designed to predict sea waves that are non-linear phenomena. The system trains parameters in three phases: first, system trains conclusion parameters (center of output membership fi~nction);t hen, the system trains antecedent parameters (center of input membership function) with conclusion parameters and; finally, the system trains variance of membership function with other parameters. Result of each phase was compared with each other. Result of third phase is better than other phases. The performance of this phase is slower than other phases because it has higher degrees of freedom. Next stage, three previous phases would be used recurrent Fuzzy- Neural Network to train the parameters. Training conclusion parameters, antecedent parameters and variance parameters together has the best result. In this paper, Error Back Propagation Algorithm was used for learning mechanism, and Fuzzy-Neural Networks were evaluated by Mean Square of Error (MSE).

برای دریافت پروژه اینجا کلیک کنید

آخرین مطالب وبلاگ

نظرات مشتریان

سلام و خسنه نباشید اول بگم که سایت خوب و جامع و با امکانات خیلی خوبی دارید.. مهمتر اینکه کاربر رو بعد از خریدش رها نمیکنید و واقعا پاسخگو هستید. موفق باشید ممنون. امیر

Copyright © 2014 icbc.ir