تلفن: ۰۴۱۴۲۲۷۳۷۸۱
تلفن: ۰۹۲۱۶۴۲۶۳۸۴

دانلود ترجمه مقاله پیش بینی عملکرد سرطاقه پارچه های پشمی تجاری – مجله Sage

عنوان فارسی: پیش بینی عملکرد (درزه ای) سرطاقه پارچه های پشمی تجاری با استفاده از رگرسیون لگاریتم چند گانه و شبکه های عصبی مصنوعی
عنوان انگلیسی: Predicting Seam Performance of Commercial Woven Fabrics Using Multiple Logarithm Regression and Artificial Neural Networks
تعداد صفحات مقاله انگلیسی : 10 تعداد صفحات ترجمه فارسی : 16
سال انتشار : 2009 نشریه : سیج - Sage
فرمت مقاله انگلیسی : PDF فرمت ترجمه مقاله : ورد تایپ شده
کد محصول : 4379 رفرنس : دارد
محتوای فایل : zip حجم فایل : 540.47Kb
رشته های مرتبط با این مقاله: مهندسی نساجی
گرایش های مرتبط با این مقاله: پوشاک، فناوری نساجی، شیمی‌ نساجی‌ و علوم‌ الیاف‌، ساختارهای نانو لیفی و منسوجات صنعتی
مجله: مجله پژوهشی نساجی (Textile Research Journal)
دانشگاه: موسسه پارچه و لباس، دانشگاه پلی تکنیک هنگ کنگ، کولوون
کلمات کلیدی: عملکرد درزه، پارچه های پشمی تجاری، رگرسیون لگاریتم چند گانه، شبکه های عصبی مصنوعی
وضعیت ترجمه عناوین تصاویر و جداول: ترجمه شده است
وضعیت ترجمه متون داخل تصاویر و جداول: ترجمه 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

شبکه های عصبی مصنوعی (ANNs)

آزمایش

تهیه مجموعه داده های آموزشی و آزمایشی

پارامتر های شبکه های عصبی

روش رگرسیون آماری

نتایج و بحث

نتیجه گیری

نمونه متن انگلیسی

Abstract

In this study, the capability of artificial neural networks and multiple logarithm regression methods for modeling seam performance of commercial woven fabrics based on seam puckering, seam flotation and seam efficiency were investigated. The developed models were assessed by verifying Mean Square Error (MSE) and Correlation Coefficient (R-value) of test data prediction. The results indicated that the artificial neural network (ANN) model has better performance in comparison with the multiple logarithm regression model. The difference between the mean square error of predicting in these two models for predicting seam puckering, seam flotation, and seam efficiency was 0.0394, 0.0096, and 0.0049, respectively. Thus, the ANN model was found to be more accurate than MLR, and the prediction errors of ANNs was low despite the availability of only a small training data set. However, the difference in prediction errors made by both models was not significantly high. It was found that MLR models were quicker to construct, more transparent, and less likely to overfit the minimal amount of data available. Therefore, both models were effectively predicting the seam performance of woven fabrics.

نمونه متن ترجمه

چکیده

در این مطالعه قابلیت شبکه های عصبی مصنوعی و روش های رگرسیون لگاریتم چندگانه برای مدل سازی عملکرد درزه سرطاقه(seam) پارچه های پشمی تجاری بر اساس چروک درزه، فلوتاسیون درزه و کارایی درزه مورد بررسی قرار گرفت. مدل های ایجاد شده با تایید ضریب همبستکی (R-value) و خطای مربع میانگین (MSE) پیش بینی داده های آزمایشی ارزیابی شدند. نتایج نشان داد که مدل شبکه عصبی مصنوعی دارای عملمرد بهتری در مقایسه با مدل رگرسیون لگاریتمی چند گانه بود. تفاوت بین خطای مربع میانگین پیش بینی این دو مدل برای پیش بینی چروکیدگی، فلوتاسیون و کارایی درزه به ترتیب 0.0394, 0.0096 و 0.0049 بود. از این رو مدل ANN بسیار صحیح تر ازMLR بود و خطای پیش بینی ANN علی رغم وجود تنها یک مجموعه داده کوچک پایین بود. با این حال، تفاوت در خطاهای پیش بینی ایجاد شده توسط هر دو مدل به طور معنی داری بالا نبود.پی برده شد که مدل های MLR را می توان سریع تر ایجاد کرد، این مدل ها شفاف تر بوده و کم تر با مقدار حداقل داده های موجود برازش دارند. بنابراین، هر دو مدل به طور کارامد عملکرد درزه سرطاقه پارچه های پشمی را پیش بینی کرد.