روشی جدید برای بهینه سازی ساختار شبکه عصبی با استفاده از روش تکامل همکارانه
 

تشخيص هوشمند بيماري ديابت با استفاده از شبکه هاي عصبي چند لايه
 

مدلسازي درد با استفاده از شبكه‌هاي عصبي مصنوعي
 

12- پاورپوينتي در زمينه مدلسازي درد با استفاده از شبكه‌هاي عصبي مصنوعي
:)

محاسبه فاصله زهكشهاي زيرزميني در شرايط غير ماندگار با استفاده از شبكه هاي عصبي مصنوعي
 

13- محاسبه فاصله زهكشهاي زيرزميني در شرايط غير ماندگار با استفاده از شبكه هاي عصبي مصنوعي
:rolleyes:

تشخيص اشغال کاذب در تجهيزات مخابراتي توسط شبكه هاي عصبي
 

14- تشخيص اشغال کاذب در تجهيزات مخابراتي توسط شبكه هاي عصبي
:rolleyes:

پيش بيني قيمت نفت با دو روش arima و شبكه هاي عصبي مصنوعي
 

15- پيش بيني قيمت نفت با دو روش arima و شبكه هاي عصبي مصنوعي

چکيده:
توانايي كم نظير شبكه هاي عصبي مصنوعي به عنوان ابزاري قدرتمند براي تحليل و برآورد در حوزه علوم تجربي و مهندسي موجب شد تا مورد توجه اقتصاددانان قرار گيرد. در اين پژوهش، پس از مرور پژوهش هاي انجام شده در مورد توانايي پيش بيني مدل هاي خود توضيح جمعي ميانگين متحرك (arima) و شبكه هاي عصبي مصنوعي(ann) به مقايسه اين دو روش براي پيش بيني قيمت روزانه نفت در دوره آوريل 1983 تا ژوئن 2005 پرداخته ايم. افزون بر اين، در اين پژوهش پس از مدلسازي به وسيله شبكه هاي عصبي مصنوعي، به منظور تشخيص سهم مشاركت هر پارامتر ورودي در اين مدل از تجزيه و تحليل حساسيت استفاده كرده ايم. با توجه به حجم وسيع به كارگيري اطلاعات روزانه قيمت جهاني نفت (بيش از 5500 روز اطلاعات) نتايج به دست آمده نشان دهنده برتري غيرقابل مقايسه مدل شبكه هاي عصبي مصنوعي نسبت به مدل arima در پيش بيني قيمت روزانه نفت است.

کليدواژگان:
سري هاي زماني، شبكه هاي عصبي مصنوعي(ann)، مدل arima، آناليز حساسيت.

`کاربرد شبکه عصبی-مصنوعی (ann) برای پیش بینی ناهمواری در روسازی های انعطاف پذیر
 

کاربرد شبکه هاي عصبي در شبيه سازي توابع و نگاشتهاي غير خطي-معکوس
 

مقايسه دقت روشهاي شبكه هاي عصبي مصنوعي و پنمن-مانتيس در محاسبه تبخير و تعرق پتانسيل
 

تشخيص اختلالات تفسي انسدادي و تحديدي با استفاده از شبکه هاي عصبي