خانه عناوین مطالب تماس با من

ANN:Artificial Neural Networks

ISSLAB.IR

ANN:Artificial Neural Networks

ISSLAB.IR

پیوندها

  • ISSLab
  • eBoard
  • حمید احتشامی
  • هادی محمدی - SI
  • احمدرضا پاکرائی - IRE
  • مهدی جمشیدیان - IDS
  • علی اکبر سعادتمندی - Text Mining
  • کامبیز طباطبائی - CUDA Programming

دسته‌ها

  • مفاهیم و تعاریف پایه 1
  • معرفی مقاله 1
  • معرفی پایان نامه 1
  • معرفی کتاب 1
  • دیتا ست 1
  • برنامه نویسی 3

جدیدترین یادداشت‌ها

همه
  • نت پیشگویانه نت پیشگیرانه و پیشگویانه به منظور افزایش عمر تجهیزات، جلوگیری از توقف‌های غیرمنتظره و صرفه‌جویی در منابع مالی سازمان به...
  • پیاده سازی شبکه عصبی GMDH پیاده سازی شبکه عصبی GMDH
  • پیاده سازی گیت های OR ، AND و XOR با پرسپترون کد دروازه منطقی AND : clear all close all clc w1 = 0; w2 = 0; b = 0; s = [1 1 1; 1 -1 1; -1 1 1; -1 -1 1]; t=[1 -1 -1...
  • بهینه سازی مبتنی بر جغرافیای زیستی یا BBO بهینه سازی مبتنی بر جغرافیای زیستی یا Biogeography-Based Optimization (به اختصار BBO) یکی از الگوریتم های نسبتا جدید در...
  • GMDH توضیحات کلی از GMDH : مخفف GROUP MODEL OF DATA HANDLING و از خانواده الگوریتم های استتناجی (Algorithms Inductive )برای...
  • شبکه عصبی پرسپترون شبکه عصبی پرسپترون تاریخچه : الگوریتم پرسپترون در سال ۱۹۵۷ در لابراتوار کرنل آرونوتیکال توسط فرانک روزنبلت با...

بایگانی

  • مهر 1397 1
  • تیر 1397 2
  • خرداد 1397 2
  • اردیبهشت 1397 1

جستجو


آمار : 12746 بازدید Powered by Blogsky

عناوین یادداشت‌ها

  • نت پیشگویانه دوشنبه 30 مهر 1397 13:57
    نت پیشگیرانه و پیشگویانه به منظور افزایش عمر تجهیزات، جلوگیری از توقف‌های غیرمنتظره و صرفه‌جویی در منابع مالی سازمان به کار گرفته می‌شوند اما تفاوت در این‌جا است که آن‌ها برای حصول این اهداف رویکرد‌های متفاوتی دارند. کلید مدیریت کارآمد تجهیزات، فهم تفاوت میان نت پیشگیرانه و نت پیشگویانه و آموزش نیروها برای برقراری...
  • پیاده سازی شبکه عصبی GMDH جمعه 29 تیر 1397 23:26
    پیاده سازی شبکه عصبی GMDH
  • پیاده سازی گیت های OR ، AND و XOR با پرسپترون شنبه 23 تیر 1397 14:35
    کد دروازه منطقی AND : clear all close all clc w1 = 0; w2 = 0; b = 0; s = [1 1 1; 1 -1 1; -1 1 1; -1 -1 1]; t=[1 -1 -1 -1]; alfa = 0.9; %%lerning for i=1:1:4 X1=s(i,1); X2=s(i,2); y=t(1,i); w1new=w1+X1*alfa*y; w2new=w2+X2*alfa*y; bnew=b+alfa*1*y; X=-5:0.05:5; yin = b+w1*X1+w2*X2 if yin>=0 disp('yin = 1') else y <...
  • 6
  • صفحه 1
  • 2