دانلود و نمایش مقالات مرتبط با Mean Square Error::صفحه 1

دانلود بهترین مقالات isi همراه با ترجمه فارسی

کارابرن عزیز، مقالات isi بالاترین کیفیت ترجمه را دارند، ترجمه آنها کامل و دقیق می باشد (محتوای جداول و شکل های نیز ترجمه شده اند) و از بهترین مجلات isi انتخاب گردیده اند. همچنین تمامی ترجمه ها دارای ضمانت کیفیت بوده و در صورت عدم رضایت کاربر مبلغ عینا عودت داده خواهد شد.

پشتیبانی
اپلیکشن اندروید
آرشیو مقالات
ورود اعضا
توجه توجه توجه !!!!
تمامی مقالات ترجمه شده ، انگلیسی و کتاب های این سایت با دقت تمام انتخاب شده اند. در انتخاب مقالات و کتاب ها پارامترهای جدید بودن، پر جستجو بودن، درخواست کاربران ، تعداد صفحات و ... لحاظ گردیده است. سعی بر این بوده بهترین مقالات در هر زمینه انتخاب و در اختیار شما کاربران عزیز قرار گیرد. ضمانت ما، کیفیت ماست.
نرم افزار winrar

از نرم افزار winrar برای باز کردن فایل های فشرده استفاده می شود. برای دانلود آن بر روی لینک زیر کلیک کنید
دانلود

پیوندهای کاربردی
پیوندهای مرتبط
نتیجه جستجو - Mean Square Error

تعداد مقالات یافته شده: 9
ردیف عنوان نوع
1 Short and medium-term forecasting of cooling and heating load demand in building environment with data-mining based approaches
پیش بینی کوتاه مدت و متوسط مدت تقاضای خنک کننده و گرمای بار در محیط ساختمان با رویکرد مبتنی بر داده کاوی-2018
This paper depicted the novel data mining based methods that consist of six models for predicting accu rate future heating and cooling load demand of water source heat pump, with the objective of enhancing the prediction accuracy and the management of future load. The proposed model was developed to ease generalization to other buildings, by making use of readily available measurements of a comparatively small number of variables related to water source heat pump operation in the building environment. The six models are - tree bagger, Gaussian process regression, multiple linear regression, bagged tree, boosted tree and neural network. The input parameter comprised the prescribed period, external climate data and the diverse load conditions of water source heat pump. The output was electrical power consump tion of water source heat pump. In this study, simulations were conducted in three sessions - 7-day, 14-day and 1-month from 8th July to 7th August 2016. The forecast precisions of data mining models were measured by diverse indices. The performance indices which were used in assessing the prediction performance were - mean absolute error, coefficient of correlation, coefficient of variation, root mean square error, mean square error and mean absolute percentage error. The mean absolute percentage er ror results for 7-day future energy demand forecasting from tree bagger, Gaussian process regression, bagged tree, boosted tree, neural network and multiple linear regression were 3.544%, 0.405%, 1.703%, 1.928%, 2.592% and 13.053%, respectively. Moreover, when the proposed data mining model performance was compared with the existing studies, the mean absolute percentage error of 2.515% was found out for the first session, 7-day. The results also showed that the six models were efficient in foreseeing the abnormal behavior and future cooling and heating load demand in the building environment.
Keywords: Data mining based approaches ، Water source heat pump ، Clustering Analysis ، Load forecasting
مقاله انگلیسی
2 Supply chain forecasting when information is not shared
پیش بینی زنجیره تامین زمانی که اطلاعات به اشتراک گذاشته نمی شود-2017
The operations management literature is abundant in discussions on the benefits of information sharing in supply chains. However, there are many supply chains where information may not be shared due to constraints such as compatibility of information systems, information quality, trust and confidentiality. Furthermore, a steady stream of papers has explored a phenomenon known as Downstream Demand Inference (DDI) where the upstream member in a supply chain can infer the downstream demand without the need for a formal information sharing mechanism. Recent research has shown that, under more realistic circumstances, DDI is not possible with optimal forecasting methods or Single Exponential Smoothing but is possible when supply chains use a Simple Moving Average (SMA) method. In this paper, we evaluate a simple DDI strategy based on SMA for supply chains where information cannot be shared. This strategy allows the upstream member in the supply chain to infer the consumer demand mathematically rather than it being shared. We compare the DDI strategy with the No Information Sharing (NIS) strategy and an optimal Forecast Information Sharing (FIS) strategy in the supply chain. The comparison is made analytically and by experimentation on real sales data from a major European supermarket located in Germany. We show that using the DDI strategy improves on NIS by reducing the Mean Square Error(MSE) of the forecasts, and cutting inventory costs in the supply chain.
Keywords: Supply chain management | Information sharing | Simple moving average | ARIMA | Downstream demand inference
مقاله انگلیسی
3 Vision-based pest detection based on SVM classification method
تشخیص افت مبتنی بر بینایی بر اساس متد طبقه بندی در SVM-2017
Automatic pest detection is a useful method for greenhouse monitoring against pest attacks. One of the more harmful pests that threaten strawberry greenhouses is thrips (Thysanoptera). Therefore, the main objective of this study is to detect of thrips on the crop canopy images using SVM classification method. A new image processing technique was utilized to detect parasites that may be found on strawberry plants. SVM method with difference kernel function was used for classification of parasites and detection of thrips. The ratio of major diameter to minor diameter as region index as well as Hue, Saturation and Intensify as color indexes were utilized to design the SVM structure. Also, mean square error (MSE), root of mean square error (RMSE), mean absolute error (MAE) and mean percent error (MPE) were used for evaluation of the classification. Results show that using SVM method with region index and intensify as color index make the best classification with mean percent error of less than 2.25%.© 2017 Elsevier B.V. All rights reserved.
Keywords:Thrips | Image processing | SVM classification | Mean percent error
مقاله انگلیسی
4 Measure of bullwhip effect in supply chains with first-order bivariate vector autoregression time-series demand model
اندازه گیری اثرات شلاق چرمی در زنجیره های تامین با مدل تقاضای سری زمانی اتورگرسیون بردار دوبعدی سطح اول-2017
With supply chains becoming increasingly global, the issue of bullwhip effect, a phenomenon attribu table to demand fluctuation in the upstream section of the supply chains, has received greater attention from many researchers. However, most existing research studies on quantifying the bullwhip effect were conducted under the first-order autoregressive [AR(1)] incoming demand process or its variants as the fundamental demand process, thereby failing to account for the retailer demand dependency. This re search work thus examined the bullwhip effect for the first-order bivariate vector autoregression [VAR (1)] demand process in a two-stage supply chain consisting of one supplier and two retailers. The im pacts of the correlation parameters of the demand process, the correlation coefficient between the two error terms, and the variances of the error terms on the bullwhip effect were investigated. As such, the measure of the bullwhip effect was established using an analytical approach in which the minimum mean square error (MMSE) forecasting method and the base stock policy were applied to all members of the supply chain. Numerical experiments were then conducted to illustrate the behavior of the bullwhip effect with respect to various parameters of the demand processes to see in which situations the bull whip effect would be absent. In addition, an evaluation of the inventory variance ratio was analyzed.
Keywords: Supply chain | Bullwhip effect | Bivariate VAR(1) model | Base stock policy
مقاله انگلیسی
5 بررسی عملکرد شبکه عصبی دارای تغذیه رو به جلو برای حریم هم ارز با وسایل باسیم/ پروتکل های دسترسی محافظت شده با وای فای
سال انتشار: 2016 - تعداد صفحات فایل pdf انگلیسی: 14 - تعداد صفحات فایل doc فارسی: 21
هدف: میلیون ها نفر بدون اینکه جنبه های فناوری بی سیم را بدانند، از وسایل بی سیم در زندگی کارهای روزانه خود استفاده می کنند. هدف تحقیق ما ارتقای اجرای پروتکل های وسایل بی سیم ازطریق بررسی رفتار آنها در شبکه عصبی دارای تغذیه رو به جلو می باشد که به صورت گسترده استفاده می شوند. اساسا" شبکه عصبی یک شبکه رشته ای چند لایه ای می باشد. این شبکه، داده های ثبت شده را یکی یکی پردازش می کند و ازطریق مقایسه خروجی به دست آمده با خروجی واقعی، به اطلاعات دست می یابد. رشته های عصبی دارای لایه پنهان یک نقش اصلی در عملکرد نشر و انتشار رو به عقب دارد. فرآیند تعیین تعداد رشته های عصبی دارای لایه پنهان هنوزهم مبهم است. این کار تحقیقی روی ارزیابی عملکرد رشته های عصبی دارای لایه پنهان برای پروتکل های WEP (حریم هم ارز با وسایل با سیم) و WPA (دسترسی محافظت شده با وای فای) متمرکز می باشد.
روشها/ تحلیل آماری: برای این کار، سه معماری شبکه ای جهت انجام تحلیل، انتخاب شده است. این کار تحقیقی با استفاده از الگوریتم انتشار رو به عقب در جعبه ابزار شبکه عصبی روی داده های به دست آمده با استفاده از ابزار وایرشارک، انجام می شود.
یافته ها: رفتار شبکه های عصبی غیر پنهان ازطریق روش شبیه سازی بررسی می شود. عملکرد شبکه نیز با کمک داده های تاریخی و خطای مربع میانگین (MSE) تشخیص داده می شود. عملکرد شبکه عصبی بررسی می شود و نتایج نشان می دهند که شبکه های عصبی دارای لایه پنهان بر کارکرد شبکه اثر می گذارند.
بهبود: ما دوست داریم که با پارامتر و یادگیری شبکه عصبی کار کنیم تا به بهترین نتایج دست یابیم.
کلیدواژه ها: انتشار رو به عقب | شبکه عصبی دارای تغذیه رو به جلو | لایه پنهان | خطای مربع میانگین | دسترسی محافظت شده با وای فای | حریم هم ارز با وسایل با سیم
مقاله ترجمه شده
6 طراحی و پیاده سازی ادغام تصاویر پزشکی براساس تبدیل کانتورلت غیر نمونه ای مجزا
سال انتشار: 2015 - تعداد صفحات فایل pdf انگلیسی: 5 - تعداد صفحات فایل doc فارسی: 17
تکنیک ادغام تصویر پزشکی به ترکیب منبع تصاویر MRI و CT اسکن بر اساس تبدیل کانتورلت غیر نمونه ای مجزا و قانون ادغام سطح پیکسل می انجامد. NSCT ( تبدیل کنترولت غیر نمونه ای مجزا) بر اساس ادغام و تلفیق شامل حداکثر انرژی گابور و حداکثر ضریب انتخاب گابور می شود که با فرکانس پایین و فرکانس بالا به مهار اطلاعات پس زمینه ای و افزایش اطلاعات از مناطق مورد نظر به تشخیص تصویر می پردازد. این تصویر در پالایشگاه در جزئیات درشت و در بهترین جزئیات با تفکیکات و جهت گیری های مختلف تجزیه می شود. همه ی گروهای فرعی با قانون ادغام سطح پیکسل با دقت بیشتری ادغام می شوند. هدف از ادغام تصویر بدست اوردن اطلاعات مفید مکمل از CT/MRI و تصاویر چند خصوصیتی است. با این روش می توانیم اطلاعات تکمیلی و رضایت بخش انتروپی ، بهترین ضریب همبستگی ، PSNR (بالاترین سیگنال نویز) و به میزان کمتری MSE (تطبیق متوسط خطا ) را بدست اوریم.
کلمات کلیدی: تصاویر پزشکی فیوژن | تصاویر مولتی | NSCT | قوانین فیوژن.
مقاله ترجمه شده
7 Integrated satellite data fusion and mining for monitoring lake water quality status of the Albufera de Valencia in Spain
فیوژن داده های ماهواره ای مجتمع و کاوش برای نظارت بر وضعیت کیفیت آب دریاچه Albufera de والنسیا در اسپانیا-2015
Lake eutrophication is a critical issue in the interplay of water supply, environmental management, and ecosystem conservation. Integrated sensing, monitoring, and modeling for a holistic lake water quality assessment with respect to multiple constituents is in acute need. The aim of this paper is to develop an integrated algorithm for data fusion and mining of satellite remote sensing images to generate daily estimates of some water quality parameters of interest, such as chlorophyll a concentrations and water transparency, to be applied for the assessment of the hypertrophic Albufera de Valencia. The Albufera de Valencia is the largest freshwater lake in Spain, which can often present values of chlorophyll a con-3Water qualitycentration over 200 mg m—and values of transparency (Secchi Disk, SD) as low as 20 cm. RemoteLake management Remote sensing Data fusionData mining Machine learningsensing data from Moderate Resolution Imaging Spectroradiometer (MODIS) and Landsat ThematicMapper (TM) and Enhance Thematic Mapper (ETMþ) images were fused to carry out an integrative near- real time water quality assessment on a daily basis. Landsat images are useful to study the spatial variability of the water quality parameters, due to its spatial resolution of 30 m, in comparison to the low spatial resolution (250/500 m) of MODIS. While Landsat offers a high spatial resolution, the low temporal resolution of 16 days is a significant drawback to achieve a near real-time monitoring system. This gap may be bridged by using MODIS images that have a high temporal resolution of 1 day, in spite of its low spatial resolution. Synthetic Landsat images were fused for dates with no Landsat overpass over the study area. Finally, with a suite of ground truth data, a few genetic programming (GP) models werederived to estimate the water quality using the fused surface reflectance data as inputs. The GP model for chlorophyll a estimation yielded a R2 of 0.94, with a Root Mean Square Error (RMSE) ¼ 8 mg m—3, and the GP model for water transparency estimation using Secchi disk showed a R2 of 0.89, with an RMSE ¼ 4 cm. With this effort, the spatiotemporal variations of water transparency and chlorophyll a concentrations may be assessed simultaneously on a daily basis throughout the lake for environmental management.© 2014 Elsevier Ltd. All rights reserved.
Keywords: Water quality | Lake management | Remote sensing | Data fusion | Data mining | Machine learning
مقاله انگلیسی
8 مقایسه مدلهای تخمین تبخیر تعرق در نواحی خشک و نیمه خشک شمال شرقی ایران
سال انتشار: 2014 - تعداد صفحات فایل pdf انگلیسی: 5 - تعداد صفحات فایل doc فارسی: 10
در این مطالعه، تبخیر و تعرق(ET0) شهر بجنورد در استان خراسان با چندین مدل تعیین گردید. خزوجی ها از ایستگاه هواشناسی IMO(سازمان هواسنجی ایران)، محلی در بجنورد برای تمام سالها به دست آمد. روش فائو پنمن مونتیث (FAO-56 PM) که مورد قبول محققان و دستگاههای بین المللی بعنوان روشی استاندارد و مرجع میباشد. دقت روشهای متفاوت با روش FAO-56 PM مورد مقایسه قرار گرفتند. نتایج نشان داد که مدل بلانی کریدل(BC) بهترین سبک را براساس میانگین خطای مبنا(MBE)، ریشه دوم میانگین خطا(RMSE) و ماکزیمم خطای مطلق(MAXE) به دست امد. میانگین مقادیر MBE، RMSE و MAXE در مدل بلانی کریدل به ترتیب 0.554-، 0.69 و 1.429 mm.d-1محاسبه شد. در تمام سالها نسبت ET0در زمستان پایین بود و کمترین و بیشترین آن در طول تابستان بود. همچنین بیشترین و کمترین ET0 سالانه به روشهای بلانی کریدل و FAO-56 PM به ترتیب در سالهای 2001 و 1996به دست آمد.
کلمات کلیدی: تبخیر و تعرق | ایران| بلانی کریدل | تورک | فائو پنمن مونتیث
مقاله ترجمه شده
9 تحلیل کارایی روش شبکه های عصبی مصنوعی جهت پیش بینی بازار بورس
سال انتشار: 2010 - تعداد صفحات فایل pdf انگلیسی: 6 - تعداد صفحات فایل doc فارسی: 177
در این مقاله ما روشی را نشان می دهیم تا با استفاده از شبکه های عصبی قیمت روزانه سهام پیش بینی شود و نتیجه پیش بینی شبکه عصبی با نتیجه آمار پیش بینی مقایسه می شود. پیش بینی قیمت سهام یکی از زمینه های نو ظهور یافته در زمینه پیش بینی شبکه عصبی می باشد. همچنین این مقاله توانایی شبکه های عصبی را جهت پیش بینی قیمت های روزانه بازار بورس ارائه می دهد. پیش بینی بازار بورس بسیار مشکل است زیرا بستگی به چندین عامل شناخته شده و شناخته نشده دارد. در حالی که شبکه عصبی مصنوعی روش محبوب برای پیش بینی بازار بورس دارد. شبکه عصبی مبتنی بر "یادگیری با مثال" است. در این مقاله ، شبکه های عصبی و روش های آماری به کار گرفته می شوند که قیمتهای روزانه بازار بورس را پیش بینی و مدل سازی کنند. و سپس نتایج این دو مدل با هم مقایسه می شوند.توانانایی پیش بینی این دو مدل با استفاده از MAPEو MSE و RMSE ارزیابی می شود. نتایج نشان می دهد که وقتی شبکه های عصبی با اطلاعات کافی و با ورودی های مناسب و معماری مناسب طراحی می یابند می توانند به خوبی قیمت های بازار بورس را پیش بینی کنند. تکنیک های آماری اگر چه خوب ساخته شده باشند ولی توانایی پیش بنی آنها با پیچیده شدن سری ها، کاهش می یابد. بنابراین شبکه های عصبی می توانند به صورت روش بهتر دیگری جهت پیش بینی قیمت های روزانه بازار بورس استفاده شود.
کلمات کلیدی: سرمایه گذاران خارجی جریان | میدان متوسط خطا | مجموع مربع خطا | متوسط خطای مطلق | ریشه میانگین مربع خطا | شاخص قیمت عمده فروشی | عرضه پول پول پهن | عرضه پول پول باریک | اوراق بهادار ارزش گذاری | تولید صنعتی
مقاله ترجمه شده
موضوعات
footer