فهرست مقالات شبکه های عصبی

• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  1 - مرور نظام‌مند کاربردهای شبکه عصبی مصنوعی در مدیریت زنجیره تأمین
  سید مجتبی حسینی بامکان عارف  طغرالجردی پوریا مالکی نژاد
  معیار موفقیت شرکت‌ها و سازمان‌ها در بازار رقابتی امروز عملکرد زنجیره تأمین شرکت هاست. به منظور بهبود عملکرد زنجیره تأمین شرکت‌ها و موفقیت آنها تاکنون از روش‌ها و تکنیک‌های مختلفی استفاده شده است. یکی از روش‌های پرکاربرد در زمنیه حل این معضلات، شبکه عصبی مصنوعی است. هدف چکیده کامل

  معیار موفقیت شرکت‌ها و سازمان‌ها در بازار رقابتی امروز عملکرد زنجیره تأمین شرکت هاست. به منظور بهبود عملکرد زنجیره تأمین شرکت‌ها و موفقیت آنها تاکنون از روش‌ها و تکنیک‌های مختلفی استفاده شده است. یکی از روش‌های پرکاربرد در زمنیه حل این معضلات، شبکه عصبی مصنوعی است. هدف از این پژوهش مرور نظام‌مند کاربردهای مختلف شبکه‌های عصبی مصنوعی در حل معظلات و مشکلات بخش‌های مختلف زنجیره تأمین است. بدین منظور در ابتدا با استفاده از مرور ادبیات، واژگان کلیدی ارتباطی میان این دو حوزه شناسایی گردید. با استفاده از کلمات کلیدی استخراج شده از ادبیات پژوهش اقدام به جستجو در میان دو پایگاه داده اسکوپوس و وب آف ساینس گردید. با جستجو در این پایگاه داده‌ها مقالات مرتبط به کاربرد شبکه عصبی مصنوعی در حوزه‌های مختلف زنجیره تإمین استخراج گردید. در نهایت مقالات با استفاده از ابزارهای متعدد فیلتر و سپس مقالات دارای اهمیت بالا شناسایی گردید. با استفاده از مقالات مهم شناسایی شده، دسته‌بندی‌های مختلفی از کاربردهای شبکه‌ عصبی مصنوعی در مدیریت زنجیره تأمین صورت پذیرفت. نتایج این پژوهش نشان می‌دهد شبکه‌های عصبی مصنوعی در حل مسائل مربوط به مهندسی، علوم کامپیوتر و کسب و کار و مدیریت بیشترین کاربرد را داشته است. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  2 - عملکرد شاخص تخلخل ثانویه در بهبود تخمین نفوذ پذیری از نمودار های پترو فیزیکی به کمک روش های هوش مصنوعی وتکنیک فازی در مخزن سورمه میدان نفتی بلال
  سجاد کاظم شیرودی مرتضی خانیان
  برآورد مقدار نفوذ پذیری که بطور معمول توسط اندازه گیر یهای مستقیم روی نمونه های مغزه یا آزمایش چاه بدست می آید یکی از مشکلات قدیمی در تعیین پارامتر های مخزن است .معمولاً پارامتر های مخزن مانند تخلخل ،لیتو لوژی ،نفوذ پذیری از مغزه دست می آیند که هزینه زیادی را در بردارد چکیده کامل

  برآورد مقدار نفوذ پذیری که بطور معمول توسط اندازه گیر یهای مستقیم روی نمونه های مغزه یا آزمایش چاه بدست می آید یکی از مشکلات قدیمی در تعیین پارامتر های مخزن است .معمولاً پارامتر های مخزن مانند تخلخل ،لیتو لوژی ،نفوذ پذیری از مغزه دست می آیند که هزینه زیادی را در بردارد وهم چنین تهیه مغزه در تمام چاه ها امکان پذیر نیست واز لحاظ زمانی وقت گیر می باشد .در این تحقیق سعی بر آن است که پارامتر نفوذ پذیری از طریق داده های چاه پیمائی بدست آید وبرای ارزیابی نتایج بدست آمده با پارامتر های حاصل از مغزه مورد مقایسه قرار گیرد وعوامل موثر در افزایش عدم قطعیت از جمله تخلخل ثانویه تعیین گردد .برای این کار در چاهی که هر دو نوع داده شامل نمودار های پترو فیزیکی ومغزه را دارد ،مدل پیش بینی نفوذ پذیری ساخته می شود ودر چاهی که فقط دارای نمودار های پترو فیزیکی است به پیش بینی نفوذ پذیری پرداخته می شود.امروزه استفاده از سیستم های هوشمند برای برآورد پارامتر های مخزن مطرح می باشند .هدف اصلی این تحقیق تخمین پارامتر تراوائی با استفاده از سیستم های مذکور می باشد .برای نیل به این هدف وساخت مدل تخمین تراوائی از سه روش استفاده شده است .ابتدا تکنیک منطق فازی Hambalek وGonzales استفاده شد تا کار برد آن برای کربناتهای سازند سورمه مورد بررسی قرار گیرد .روش دوم از الگوریتم Guddy وروش سوم از شبکه های عصبی مصنوعی ، برای تخمین تراوائی استفاده شده است ودر نهایت این سه روش با یکدیگر مقایسه شد ند.در این مقاله داده های دو چاه BL-1P ,BL-3I,از سازند سورمه واقع در میدان بلا ل بکار رفتند .از داده های چاه شماره BL-1P برای ساخت مدل واز داده های چاه شماره BL-3I برای تعمیم واعتبار سنجی مدل استفاده شد .پیش بینی نفوذ پذیری توسط مدل اولیه ، در بخش های زیرین چاه BL-1P ودر اکثر نقاط چاه تعمیم دور از مقادیر واقعی (نفوذ پذیری مغزه )بود که با بررسی های انجام گرفته ،مشخص گردید سازند مورد مطالعه دارای تخلخل های از نوع ثانویه ای است که نمودار صوتی قادر به شناسائی آن نیست ، به همین منظور شاخص تخلخل ثانویه (SPI) محاسبه ودر ساخت مدل بکار گرفته شد .نتایج بدست آمده از این تحقیق نشان داد در حالت دوم که شاخص تخلخل ثانویه وارد مدل گردید پیش بینی نفوذ پذیری بسیار دقیق تر (نزدیک به مقادیر مغزه )گردید . پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  3 - تلفیق شبکه‌های عصبی مصنوعی و الگوریتم ردیابی خودکار احتمال گسل نازک شده، جهت شناسایی، تفسیر و استخراج گسل‌ها
  علیرضا غضنفری حسین  محمدرضائی حمیدرضا انصاری
  شناخت گسل‌ها و بررسی سیر تکاملی آنها از اهمیت ویژه‌ای در اکتشاف و توسعه منابع هیدروکربوری برخوردار است. موفقيت در اكتشاف و توسعه ميادین هيدروكربوري، مستلزم شناسايي دقيق سيستم‌هاي نفتي منطقه بوده و در اين راستا يكي از مهمترين مسائل شناسايي گسل‌ها و نحوه گسترش آن‌ها، به ع چکیده کامل

  شناخت گسل‌ها و بررسی سیر تکاملی آنها از اهمیت ویژه‌ای در اکتشاف و توسعه منابع هیدروکربوری برخوردار است. موفقيت در اكتشاف و توسعه ميادین هيدروكربوري، مستلزم شناسايي دقيق سيستم‌هاي نفتي منطقه بوده و در اين راستا يكي از مهمترين مسائل شناسايي گسل‌ها و نحوه گسترش آن‌ها، به عنوان مجراي اصلي مهاجرت سيال، مخصوصا در نواحي عميق‌تر مي‌باشد. گسل ها و شكستگي ها نقش مهمي را در ايجاد بخش هايي با تخلخل و تراوايي زياد و قطع سنگ مخزني و پوشش در مسيرهاي مهاجرت سيال ايفا مي كنند. علاوه بر اینها برای بیشینه کردن برداشت هیدروکربور از مخزن و نیز کاهش خطر پذیری حفاری، ضروری است تا اطلاعات مناسبی از هندسه و طبیعت گسل‌های مخزن به دست آورده شود. در این مقاله هدف بررسی کارایی ترکیب شبکه عصبی و الگوریتم ردیابی خودکار احتمال گسل در شناسایی و تفسیر گسل‌ها در داده لرزه‌ای می‌باشد. ابتدا با استفاده از قابلیت هدایت شیب نرم‌افزار، فیلتر مورد نظر اولیه که برای شناسایی دقیق شیب ساختارها و پدیده‌های موجود در داده می‌باشد، طراحی و اعمال گردیده است. سپس با طراحی و اعمال فیلترهای مناسب، داده لرزه‌ای بهبود یافته است. پس از آن نشانگرهای لرزه‌ای مناسب برای شناسایی گسل‌ها از داده لرزه‌ای سه بعدی، شناسایی و محاسبه شده‌اند. با انتخاب نقاط نمونه برای دو کلاس گسل و غیر گسل از داده، شبکه عصبی نظارت شده با استفاده از نشانگرهای منتخب تشکیل شده و پس از آموزش بهینه شبکه، خروجی مناسب از شبکه ایجاد گردیده است. سپس خروجی شبکه عصبی به عنوان ورودی برای الگوریتم ردیابی خودکار احتمال گسل نازک شده، استفاده شده است. خروجی این قسمت شامل حجم احتمال گسل‌های ردیابی شده، ارائه و نمایش داده شده است. در نهایت با استفاده از ابزارهای زیرمجموعه قسمت احتمال گسل، و تنظیمات پارامترهای آن به صورت بهینه، صفحات گسل سه بعدی به صورت خودکار استخراج و تفسیر گردیده‌اند. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  4 - استفاده از تحلیل احساسات و ترکیب روش¬های یادگیری ماشین برای تشخیص هرزنامه در توییتر
  مهدی سالخورده حقیقی امین الله  کرمانی
  محبوبیت شبکه های اجتماعی بخصوص توییتر چالش جدیدی را روبروی محققان قرار داده است و آن چیزی نیست جز هرزنامه . روش های گوناگون زیادی برای مقابله با آنها ارائه شده است. بعضی از این روش ها اگرچه در ابتدا کارآمد بودند اما به مرور توسط تولید کنندگان هرزنامه دور زده شدند. در ای چکیده کامل

  محبوبیت شبکه های اجتماعی بخصوص توییتر چالش جدیدی را روبروی محققان قرار داده است و آن چیزی نیست جز هرزنامه . روش های گوناگون زیادی برای مقابله با آنها ارائه شده است. بعضی از این روش ها اگرچه در ابتدا کارآمد بودند اما به مرور توسط تولید کنندگان هرزنامه دور زده شدند. در این تحقیق تلاش داریم با استفاده از یکی از جدیدترین روش های تشخیص هرزنامه و ترکیب آن با تحلیل احساسات دقت تشخیص هرزنامه را افزایش دهیم. ما با استفاده از روش تعبیه سازی، کلمات متن توییت را به عنوان ورودی به یک معماری شبکه عصبی پیچشی داده و خروجی تشخیص دهنده متن هرزنامه یا متن عادی خواهد بود. هم زمان با استخراج ویژگی های مناسب در شبکه توییتر و اعمال روش های یادگیری ماشین بر روی آنها تشخیص هرزنامه بودن توییت را بصورت مجزا محاسبه می کنیم. در نهایت خروجی هر دو روش را به یک شبکه پیچشی تلفیقی وارد می کنیم تا خروجی آن تشخیص نهایی هرزنامه یا نرمال بودن متن توییت را تعیین کند. ما در این تحقیق از دو مجموعه داده متعادل و نامتعادل استفاده می کنیم تا تاثیر مدل پیشنهادی را بر روی دو نوع داده بررسی کنیم. نتایج پژوهش نشان دهنده بهبود کارایی روش پیشنهادی در هر دو مجموعه داده می باشد. پرونده مقاله