پس از انتخاب کلید عضویت در انتهای صفحه جدیدی که باز خواهد شد، اطلاعات خود را تکمیل و عضویت خود را تایید نمایید
درباره وب سايت
مرجع آموزش زمین شناسی، سنجش از دور، معدن و عمران
جامع ترین و معتبرترین آموزش برای نرم افزار های زمین شناسی، مهندسی معدن، ژئومکانیک (مکانیک سنگ و ژئوتکنیک)، عمران (خاک و پی)
............................................
رزومه مدرسان:دانشجویان کارشناسی ارشد و دکترا رشته های مهندسی معدن و عمران دانشگاه صنعتی امیرکبیر (پلی تکنیک) تهران
جهت آموزش حضوری و غیر حضوری (آنلاین و تهیه فیلم آموزشی) نرم افزار ها با شماره های زیر تماس حاصل فرمایید............................................
09157330367-09381295869 اسمعیلی-مدیریت وبسایت........ ................................................ در صورتی که موفق نشدید با شماره های فوق تماس حاصل فرمایید از طربق ایمیل زیر نیز می توانید در خواست خودتان را مطرح نمایید.......................................
raminesmaeili68@gmail.com
...................این سایت در ستاد ساماندهی پایگاه های اینترنتی به ثبت رسیده است و تمامی محصولات و خدمات این سایت حسب مورد دارای مجوز های لازم از مراجع مربوطه می باشد. همچنین فعالیت های این سایت تابع قوانین و مقررات جمهوری اسلامی ایران است
خبرنامه
براي اطلاع از آپيدت شدن وبلاگ در خبرنامه وبلاگ عضو شويد تا جديدترين مطالب به ايميل شما ارسال شود
اولین پکیج آموزشی کنکور دکتری مکانیک سنگ معدن (+پاسخ تشریحی سوالات 11 دوره اخیر کنکور) خرید آنلاین بیش از 55 ساعت فیلم آموزشی و دانلود بلافاصله پس از خرید
کاربرد شبکه عصبی در پیش بینی خرج ویژه الگوي آتشباري تونل
امروزه شبکه هاي عصبی مصنوعی ابزاري قدرتمند براي حل مسائل پیچیده از قبیل تخمین، تشخیص الگو و طبقه بندي انواع متغیرها هستند. در این تحقیق به منظور بررسی توانایی شبکه هاي عصبی در پیش بینی خرج ویژه آتشباري تونل، از دو نوع شبکه عصبی پرسپترون چند لایه و پایه اي شعاعی مبتنی بر داده هاي الگوهاي آتشباري تونل انتقال آب از سد دوستی به مشهد که اخیرا اجرا شده است، براي مطالعه موردي استفاده شده است. 14 پارامتر از ویژگیهاي ژئومکانیکی توده سنگ، چالهاي انفجاري و نوع ماده ناریه بعنوان ورودي شبکه در نظر گرفته شده است. نتایج بدست آمده مبین این است که شبکه هاي عصبی پس انتشار خطاي چند لایه و پایه اي شعاعی ارائه شده از توانایی بالایی در پیش بینی خرج ویژه برخوردار بوده و می توان از آنها با اطمینان قابل قبولی بدین منظور استفاده کرد، با این حال از شبکه عصبی پرسپترون چند لایه نتیجه و کارایی بهتري بدست آمده است.
واژه هاي کلیدي:
خرج ویژه، شبکه عصبی مصنوعی، شبکه پرسپترون چند لایه، شبکه پایه اي شعاعی، تونل
نویسندگان :
مجید نیکخواه (دانشجو دکتراي مکانیک سنگ; دانشکده فنی و مهندسی; دانشگاه تربیت مدرس ; تهران)
مرتضی احمدي (دانشیار مکانیک سنگ; دانشکده فنی و مهندسی; دانشگاه تربیت مدرس; تهران)
نازبانو فرزانه (دانشجو دکتراي کامپیوتر; دانشکده فنی و مهندسی; دانشگاه فردوسی ; مشهد)
عباسعلی صبا (کارشناس زمین شناسی; شرکت مهندسی مشاور طوس آب ; مشه)
چهارمين همايش بين المللي مهندسي ژئوتكنيك و مكانيك خاك ايران (1389)
این سایت در ستاد ساماندهی پایگاه های اینترنتی به ثبت رسیده است و تمامی محصولات و خدمات این سایت حسب مورد دارای مجوز های لازم از مراجع مربوطه می باشد همچنین فعالیت های این سایت تابع قوانین و مقررات جمهوری اسلامی ایران می باشد.
عضو شوید
عضویت سریع
آمار
مطالب
آمار بازدید
