دوره 39 (1403)
دوره 38 (1402)
دوره 37 (1401)
دوره 36 (1400)
دوره 35 (1399)
دوره 34 (1398)
دوره 33 (1397)
دوره 32 (1396)
دوره 31 (1395)
دوره 30 (1394)
دوره 29 (1393)
دوره 28 (1392)
دوره 27 (1391)
دوره 26 (1390)
دوره 25 (1389)
دوره 24 (1388)
دوره 23 (1387)
دوره 22 (1386)
دوره 21 (1385)
دوره 20 (1384)
دوره 19 (1383)
دوره 18 (1382)
دوره 17 (1381)
دوره 16 (1381)
دوره 15 (1380)
دوره 14 (1380)
دوره 13 (1379)
دوره 12 (1379)
دوره 11 (1379)
دوره 10 (1379)
دوره 9 (1378)
دوره 8 (1378)
دوره 7 (1377)
دوره 6 (1377)
دوره 5 (1377)
دوره 4 (1377)
دوره 3 (1376)
دوره 2 (1376)
دوره 1 (1375)
فراورده های مرکب چوب
یک مدل ریاضی برای پیش‌بینی خواص تخته خرده چوب با کاربرد GMDH (نوعی شبکه عصبی مصنوعی و الگوریتم ژنتیک)

زهرا جهانی لمر؛ سعید رضا فرخ پیام؛ محمد شمسیان

دوره 29، شماره 3 ، مهر 1393، ، صفحه 376-389

https://doi.org/10.22092/ijwpr.2014.6130

چکیده
  چکیده در این مطالعه از شبکه عصبی GMDH براساس الگوریتم ژنتیک برای پیش‌بینی خواص فیزیکی و مکانیکی تخته خرده چوب در مقیاس آزمایشگاهی استفاده‌ شد. به‌منظور تعیین خواص فیزیکی و مکانیکی به‌وسیله شبکه عصبی GMDH، از مشخصات دمای پرس در 4 سطح 170،160،150 و 180 درجه سانتی‌گراد، زمان بسته شدن پرس در 3 سطح 20،10 و 30 ثانیه و رطوبت کیک در 4 سطح 12،10،8 و 14 به‌عنوان ...  بیشتر

فراورده های مرکب چوب
پیش بینی هوشمندانه خصوصیات تخته خرده چوب با استفاده از شبکه عصبی مصنوعی

زهرا جهانی لمر؛ سعید رضا فرخ پیام؛ محمد شمسیان

دوره 29، شماره 2 ، تیر 1393، ، صفحه 242-253

https://doi.org/10.22092/ijwpr.2014.5687

چکیده
  چکیده شبکه های عصبی در دهه ی اخیر به عنوان ابزار قدرتمندی جهت پیش بینی در حوزه های مختلف مورد استفاده قرار گرفته اند. در این تحقیق از شبکه عصبی پیشخور پرسپترون چند لایه (MLP) با یادگیری پس انتشار از الگوریتم آموزش انتشار به عقب (BP)، با تکنیک بهینه سازی عددی لونبرگ- مارکوات (LM)،توسط نرم افزار متلب مورد استفاده قرار گرفت. درصد رطوبت کیک ، ...  بیشتر