مرجع آموزش زمین شناسی، سنجش از دور، معدن و عمران
جامع ترین و معتبرترین آموزش برای نرم افزار های زمین شناسی، مهندسی معدن، ژئومکانیک (مکانیک سنگ و ژئوتکنیک)، عمران (خاک و پی)
............................................
رزومه مدرسان:دانشجویان کارشناسی ارشد و دکترا رشته های مهندسی معدن و عمران دانشگاه صنعتی امیرکبیر (پلی تکنیک) تهران
جهت آموزش حضوری و غیر حضوری (آنلاین و تهیه فیلم آموزشی) نرم افزار ها با شماره های زیر تماس حاصل فرمایید............................................
09157330367-09381295869 اسمعیلی-مدیریت وبسایت........ ................................................ در صورتی که موفق نشدید با شماره های فوق تماس حاصل فرمایید از طربق ایمیل زیر نیز می توانید در خواست خودتان را مطرح نمایید.......................................
raminesmaeili68@gmail.com
...................این سایت در ستاد ساماندهی پایگاه های اینترنتی به ثبت رسیده است و تمامی محصولات و خدمات این سایت حسب مورد دارای مجوز های لازم از مراجع مربوطه می باشد. همچنین فعالیت های این سایت تابع قوانین و مقررات جمهوری اسلامی ایران است
مدلي جديد در شبیه سازی سیگنال تاريخچه زماني زلزله به کمک شبکه های عصبي مصنوعي و الگوريتم های تکاملي
خلاصه امروزه بدلیل استفاده روز افزون از تحلیل دينامیکي تاريخچه زماني براي محاسبه پاسخ سیستمها، تولید شتابنگاشتهاي مصنوعي مناسب، به علتکمبود رکوردهاي ثبت شده زلزله و همچنین محدوديت و اشکالات موجود در آنها، ضروري بوده و مي تواند بسیار مفید باشد. در روش پیشنهادي اينمقاله ابتدا تعدادي شتابنگاشت آموزشي بر اساس سرعت موج برشي زير ايستگاه ثبت کننده به دو گروه خاک و سنگ تقسیم مي شوند؛ سپس بااستفاده از تبديل ويولت به آنالیز آنها ميپردازيم. در اين مقاله از توانايي يادگیري شبکههاي عصبي مصنوعي براي نگاشت معکوس از طیف پاسخ بهضرايب تبديل ويولت استفاده ميشود، به موازات استفاده از الگوريتمهاي آموزشي موجود براي شبکههاي عصبي مصنوعي از توانايي الگوريتمهايتکاملي براي جستجو در يک فضاي گسترده استفاده شده تا ماتريسهاي وزن و باياس شبکهها بهینه شوند و از همگرا شدن شبکهها در نقاط بهینه محليجلوگیري گردد. در روش پیشنهادي از الگوي ضرائب MFCC (Mel Frequency Cepstral Coefficients) جهت فشرده سازي اطلاعاتسیگنالهاي زلزله، استفاده خواهد شد . در پايان اين شبکهها توسط رکوردهاي موجود زلزلههاي ايران آموزش داده ميشوند، بعد از آموزش شبکهها بر اساس طیف پاسخ موجود، شتابنگاشت نظیر هر طیف پاسخ را بدست ميآوريم.
کلمات کليدي:
شتابنگاشت مصنوعی زلزله . شبکه عصبی مصنوعی . تبدیل موجک . الگوریتمهاي تکاملی . آناليز MFCC
دهمین کنگره ملی مهندسی عمران (1396)
برای دانلود به ادامه مطلب بروید
مدلي جديد در شبیه سازی سیگنال تاريخچه زماني زلزله به کمک شبکه های عصبي مصنوعي و الگوريتم های تکاملي
خلاصه امروزه بدلیل استفاده روز افزون از تحلیل دينامیکي تاريخچه زماني براي محاسبه پاسخ سیستمها، تولید شتابنگاشتهاي مصنوعي مناسب، به علتکمبود رکوردهاي ثبت شده زلزله و همچنین محدوديت و اشکالات موجود در آنها، ضروري بوده و مي تواند بسیار مفید باشد. در روش پیشنهادي اينمقاله ابتدا تعدادي شتابنگاشت آموزشي بر اساس سرعت موج برشي زير ايستگاه ثبت کننده به دو گروه خاک و سنگ تقسیم مي شوند؛ سپس بااستفاده از تبديل ويولت به آنالیز آنها ميپردازيم. در اين مقاله از توانايي يادگیري شبکههاي عصبي مصنوعي براي نگاشت معکوس از طیف پاسخ بهضرايب تبديل ويولت استفاده ميشود، به موازات استفاده از الگوريتمهاي آموزشي موجود براي شبکههاي عصبي مصنوعي از توانايي الگوريتمهايتکاملي براي جستجو در يک فضاي گسترده استفاده شده تا ماتريسهاي وزن و باياس شبکهها بهینه شوند و از همگرا شدن شبکهها در نقاط بهینه محليجلوگیري گردد. در روش پیشنهادي از الگوي ضرائب MFCC (Mel Frequency Cepstral Coefficients) جهت فشرده سازي اطلاعاتسیگنالهاي زلزله، استفاده خواهد شد . در پايان اين شبکهها توسط رکوردهاي موجود زلزلههاي ايران آموزش داده ميشوند، بعد از آموزش شبکهها بر اساس طیف پاسخ موجود، شتابنگاشت نظیر هر طیف پاسخ را بدست ميآوريم.
کلمات کليدي:
شتابنگاشت مصنوعی زلزله . شبکه عصبی مصنوعی . تبدیل موجک . الگوریتمهاي تکاملی . آناليز MFCC
دهمین کنگره ملی مهندسی عمران (1396)
بلافاصله پس از پرداخت هزینه لینک دانلود توسط سیستم فعال و در اختیار شما قرار می گیرد و یک کد رهگیری جهت پیگیری احتمالی درخواست، به شما داده می شود. همچنین بعد از چند ثانیه به صفحه مورد نظر جهت دریافت مقاله انتقال داده خواهید شد.
عضو شوید
عضویت سریع
آمار مطالب
آمار بازدید
