مقاله مقایس? عملکرد الگوریتم‌های مختلف یادگیری شبک? عصبی در پیش‌بینی الگوی توزیع سفید‌ بالک پنبه Bemisia tabaci در خیارکاری‌های بهبهان


در حال بارگذاری
15 سپتامبر 2024
فایل ورد و پاورپوینت
2120
6 بازدید
۷۹,۷۰۰ تومان
خرید

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 مقاله مقایس? عملکرد الگوریتم‌های مختلف یادگیری شبک? عصبی در پیش‌بینی الگوی توزیع سفید‌ بالک پنبه Bemisia tabaci در خیارکاری‌های بهبهان دارای ۱۳ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله مقایس? عملکرد الگوریتم‌های مختلف یادگیری شبک? عصبی در پیش‌بینی الگوی توزیع سفید‌ بالک پنبه Bemisia tabaci در خیارکاری‌های بهبهان  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله مقایس? عملکرد الگوریتم‌های مختلف یادگیری شبک? عصبی در پیش‌بینی الگوی توزیع سفید‌ بالک پنبه Bemisia tabaci در خیارکاری‌های بهبهان،به هیچ وجه بهم ریختگی وجود ندارد


بخشی از متن مقاله مقایس? عملکرد الگوریتم‌های مختلف یادگیری شبک? عصبی در پیش‌بینی الگوی توزیع سفید‌ بالک پنبه Bemisia tabaci در خیارکاری‌های بهبهان :

تعداد صفحات :۱۳

امروزه تشریح الگوهای پراکندگی حشرات با استفاده از روش­های درون‌یابی و برآورد تراکم به‌منظور بررسی امکان مدیریت و کنترل متناسب با مکان آن‌ها مورد توجه بسیاری از محققان قرار گرفته است. این پژوهش به‌منظور ارزیابی قابلیت الگوریتم­های مختلف شبک عصبی پرسپترون چندلایه‌ای (MLP) در درون‌یابی و برآورد جمعیت سفید­ بالک پنبه در نقاط نمونه­برداری نشده و نیز ترسیم نقش پراکنش آن انجام شد. برای ارزیابی قابلیت الگوریتم­های مختلف شبک عصبی MLP از میانگین مربعات خطا و ضریب تبیین استفاده شد و برای ارزیابی شبکه با الگوریتم مطلوب از مقایس فراسنجه (پارامتر)­هایی مانند میانگین، واریانس، توزیع آماری و نیز ضریب تبیین رابط خطی رگرسیونی بین مقادیر پیش‌بینی‌شده توسط شبک عصبی با الگوریتم یادگیری مطلوب و مقادیر واقعی آن‌ها استفاده شد. نتایج نشان از عملکرد مطلوب شبک عصبی با الگوریتم لونبرگ- مارکوات و نرخ یادگیری ۲۶/۰، عامل مومنتوم ۷۵/۰ و شمار یازده نرون در لای میانی و همچنین نبود تفاوت معنی­داری بین مقادیر ویژگی­های آماری (میانگین، واریانس) و توزیع آماری مجموع داده‌های پیش­بینی‌شد تراکم آفت و میزان واقعی آن بود. به عبارتی شبک عصبی مصنوعی با الگوریتم لونبرگ- مارکوات به‌خوبی توانست مدل داده­های تراکم سفید­ بالک پنبه را بیاموزد. نقش به‌دست‌آمده از درون‌یابی نشان داد، این آفت توزیع تجمعی داشته و لذا امکان کنترل مناسب با مکان آن در مزرع مورد بررسی وجود دارد.

  راهنمای خرید:
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.