تلفن: 04142273781

ترجمه مقاله طراحی سیستم پیش بینی ماهیگیری مبتنی بر شبکه عصبی تابع پایه شعاعی – نشریه IEEE

عنوان فارسی: طراحی و پیاده سازی سیستم پیش بینی ماهیگیری مبتنی بر شبکه عصبی تابع پایه شعاعی
عنوان انگلیسی: Design and Implementation of Fishery Forecasting System Based on Radial Basis Function Neural Network
تعداد صفحات مقاله انگلیسی : 4 تعداد صفحات ترجمه فارسی : 9
سال انتشار : 2011 نشریه : آی تریپل ای - IEEE
فرمت مقاله انگلیسی : PDF فرمت ترجمه مقاله : ورد تایپ شده
کد محصول : 8792 رفرنس : دارد
محتوای فایل : zip حجم فایل : 1.46Mb
رشته های مرتبط با این مقاله: مهندسی کامپیوتر
گرایش های مرتبط با این مقاله: هوش مصنوعی، مهندسی الگوریتم ها و محاسبات و مهندسی نرم افزار
مجله: دومین کنفرانس بین المللی تولید و اتوماسیون دیجیتال
دانشگاه: دانشکده فناوری اطلاعات، دانشگاه اقیانوس شانگهای، چین
کلمات کلیدی: تابع پایه شعاعی، پیش بینی ماهیگیری، طراحی سیستم
وضعیت درج تصاویر: درج شده است
وضعیت فرمولها و محاسبات در فایل ترجمه: به صورت عکس، درج شده است
ترجمه این مقاله با کیفیت عالی آماده خرید اینترنتی میباشد. بلافاصله پس از خرید، دکمه دانلود ظاهر خواهد شد. ترجمه به ایمیل شما نیز ارسال خواهد گردید.
فهرست مطالب

چکیده

I. مقدمه

II. روش‌های طراحی

A. پردازش داده‌ها

B. مفهوم اساسی و اصول

III. طراحی سیستم

A. محیط توسعه سیستم

B. عملکرد ساختار سیستم

۱) ماژول پردازش داده‌ها

۲) ماژول آموزشی شبکه عصبی

IV. سنجش سیستم و تجزیه و تحلیل نتایج

A. آماده سازی داده‌ها

B. سنجش عملیات سیستم

۱)تست ماژول پردازش داده‌ها

۲) تست ماژول آموزشی شبکه عصبی

۳) تست ماژول پیش بینی شبکه عصبی

C. تجزیه و تحلیل خطای نسبی پیش بینی

V. کاربرد و چشم انداز

نمونه متن انگلیسی

Abstract

This article introduces the design and implementation of a fishery forecasting system based on Radial Basis Function (RBF) neural network. The system was developed using the Client/Server architecture, the C# programming language in the environment of Visual Studio 2008 on the Windows7 platform. It draws knowledge from RBF neural network theory, the production historical data of pelagic fishery and the marine environment data. The system uses the Object-Oriented analysis and design method. It can quickly obtain the forecast results available to users through inputting marine environment data information and the RBF neural network model. The forecasting system includes three major functional modules, namely preprocessing fishery production data, matching production data and environmental data, training RBF neural network and making predictions. Experiments have shown that this forecasting system can generate accurate and effective pelagic fishery knowledge.

نمونه متن ترجمه

چکیده

این مقاله طراحی و پیاده سازی سیستم پیش بینی ماهیگیری مبتنی بر تابع پایه شعاعی ( RBF) شبکه عصبی را معرفی می‌کند. سیستم با استفاده از سبک معماری ، Client/Server، زبان برنامه نویسی C# در محیط Visual Studio ۲۰۰۸ در ویندوز ۷، توسعه یافته بود. این سبک، دانش را از نظریه شبکه‌های عصبی RBF، تولید اطلاعات تاریخی شیلات دریایی و داده‌های محیط زیست دریایی استخراج می‌کند. سیستم از تجزیه و تحلیل مبتنی بر هدف و روش طراحی استفاده می‌کند. این می‌تواند به سرعت نتایج پیش بینی که در دسترس کاربران است را از طریق وارد کردن اطلاعات محیط زیست دریایی و مدل شبکه عصبی RBF به دست آورد. سیستم پیش بینی شامل سه مدل عملکردی بزرگ به نام‌های پیش پردازش اطلاعات تولید شیلات، تطبیق داده‌های تولیدی و داده‌های زیست محیطی، آموزش شبکه عصبی RBF و پیش بینی است. آزمایشات نشان داده‌اند که این سیستم پیش‌بینی می‌تواند اطلاعات دقیق و موثر شیلات دریایی تولید کند.