[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
آرشیو مجله و مقالات::
برای نویسندگان::
برای داوران::
ثبت نام و اشتراک::
تماس با ما::
تسهیلات پایگاه::
اصول اخلاقی نشریه::
سید جعفر حجازی، مدیر داخلی نشریه::
::
پیشگیری از تقلب در آثار علمی
نویسندگان این فصلنامه ملزم به استفاده از سامانه مشابه یاب سمیم نور  می باشند.
..
COPE
این نشریه از قوانین کمیته اخلاق نشریه  (COPE) پیروی می کند.
..
فرم تعارض منافع
فرم تعارض منافع(Docx-PDF)
..
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
نظرسنجی
نظرتان در مورد سطح علمي مقالات نشريه چيست؟
سطح علمي بالا
خوب
متوسط
   
..
نظرسنجی
نظرتان در مورد فرايند مقالات دريافتي و پاسخ نهايي مجله چيست؟
سريع پاسخ دريافت مي شود
پاسخ داوري كند است
پاسخ مديرداخلي سريع است
پاسخ مديرداخلي كند است
جوابي نمي گيرم
   
..
راهنمای نویسندگان
..
:: جلد 11، شماره 45 - ( تابستان 1394 ) ::
جلد 11 شماره 45 صفحات 220-187 برگشت به فهرست نسخه ها
ارائه روش ترکیبی طراحی آزمایشات تاگوچی- تاپسیس به منظور یافتن مناسب‌ترین ساختار شبکه‌ی عصبی مصنوعی مورد استفاده در پیش‌بینی تقاضای انرژی (مطالعه موردی: تقاضای بنزین در استان هرمزگان)
علی مروتی شریف آبادی1 ، رسول خوانچه مهر* 2
1- دانشگاه یزد
2- دانشگاه یزد ، rs_khanchehmehr@yahoo.com
چکیده:   (2636 مشاهده)
            استفاده از شبکه‌های عصبی مصنوعی در پیش‌بینی کاربرد زیادی دارد. طراحی مناسب پارامترهای (ساختار) شبکه موجب می‌شود تا دقت و عملکرد شبکه‌های عصبی مصنوعی افزایش یابد. در اکثر مطالعات از روش سعی و خطا برای تنظیم پارامترهای شبکه‌های عصبی مصنوعی استفاده می‌شود. هم‌چنین، سایر روش‌هایی که برای تعیین بهترین ساختار شبکه عصبی وجود دارد، تنها بر اساس یک معیار ارزیابی عملکرد شبکه، ساختار مناسب را تعیین می‌کنند. در مطالعه حاضر، محققین روش جدیدی را برای طراحی ساختار شبکه ارائه می‌دهند. در این روش، با استفاده از ترکیب روش‌ طراحی آزمایشات تاگوچی و روش تاپسیس، مناسب‌ترین ساختار شبکه‌های عصبی مصنوعی، با درنظر گرفتن سه معیار ارزیابی عملکرد شبکه به طور هم‌زمان، تعیین می‌شود. نتایج حاصل از پیش‌بینی تقاضای بنزین در استان هرمزگان با استفاده از روش مذکور، کارایی و اثربخشی این روش را نشان می‌هد. تجزیه و تحلیل واریانس پارامترهای شبکه‌های عصبی مصنوعی نشان می‌دهد که سهم مشارکت تعداد نرون در لایه پنهان اول در تعیین ساختار مناسب شبکه حدود 54% است و سهم مشارکت الگوریتم یادگیری نیز حدود 27% می‌باشد. 
 
واژه‌های کلیدی: شبکه‌های عصبی مصنوعی، روش طراحی آزمایشات تاگوچی، تاپسیس، دلفی فازی، آنتروپی.
متن کامل [PDF 821 kb]   (1127 دریافت)    
نوع مطالعه: رساله(پايان نامه)كارشناسي ارشد | موضوع مقاله: شبكه عصبي و هوش مصنوعي
دریافت: 1393/5/20 | پذیرش: 1393/11/16 | انتشار: 1395/2/19 | انتشار الکترونیک: 1395/2/19
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

morovati sharif abadi A, khancheh mehr R. Using the hybrid Taguchi experimental design method – TOPSIS to identify the most suitable artificial neural networks used in energy forecasting. QEER 2015; 11 (45) :187-220
URL: http://iiesj.ir/article-1-381-fa.html

مروتی شریف آبادی علی، خوانچه مهر رسول. ارائه روش ترکیبی طراحی آزمایشات تاگوچی- تاپسیس به منظور یافتن مناسب‌ترین ساختار شبکه‌ی عصبی مصنوعی مورد استفاده در پیش‌بینی تقاضای انرژی (مطالعه موردی: تقاضای بنزین در استان هرمزگان). فصلنامه مطالعات اقتصاد انرژي. 1394; 11 (45) :187-220

URL: http://iiesj.ir/article-1-381-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
جلد 11، شماره 45 - ( تابستان 1394 ) برگشت به فهرست نسخه ها
فصلنامه مطالعات اقتصاد انرژی Quarterly Energy Economics Review
Persian site map - English site map - Created in 0.05 seconds with 44 queries by YEKTAWEB 4660