دانلود و نمایش مقالات مرتبط با عملکرد پیش بینی کننده::صفحه 1
بلافاصله پس از پرداخت دانلود کنید

با سلام خدمت کاربران در صورتی که با خطای سیستم پرداخت بانکی مواجه شدید از طریق کارت به کارت (6037997535328901 بانک ملی ناصر خنجری ) مقاله خود را دریافت کنید (تا مشکل رفع گردد). 

نتیجه جستجو - عملکرد پیش بینی کننده

تعداد مقالات یافته شده: 2
ردیف عنوان نوع
1 CFD data based neural network functions for predicting hydrodynamic performance of a low-pitch marine cycloidal propeller
توابع شبکه عصبی مبتنی بر داده های CFD برای پیش بینی عملکرد هیدرودینامیکی یک پروانه سیکلوئید دریایی کم فشار-2020
Today, various types of propulsion systems are used in different purpose ship types. Marine cycloidal propeller (MCP) is one of these propulsion systems, which has been designed for ships that require high maneuverability. MCP can be considered as an especial type of marine propulsion systems, since it produces the thrust force which is perpendicular to propeller axis of rotation. The magnitude and direction of the thrust force can be adjusted by controlling the pitching angle of the blades, so no separate rudder is needed to manoeuvre the ship. In this study, mathematical functions for predicting the open water hydrodynamic performance of a low-pitch MCP are presented by training a neural network based on computational fluid dynamics (CFD) data. For this purpose, the four nondimensional parameters of blade number (Z), ratio of blade thickness to MCP diameter (t/D), pitch (e) and advance coefficient (λ) are considered as input variables, whereas the hydrodynamic coefficients of thrust (Ks) and torque (Kd) are considered as targets. CFD simulations are performed for different cases of MCP with different combinations of Z, t/D, e and λ. The results showed that a two-layer feedforward network with one hidden layer of sigmoid neurons and at least 4 neurons in the hidden layer can be well trained by CFD data in order to obtain functions with good accuracy in predicting Ks and Kd coefficients of a low-pitch MCP.
Keywords: Marine cycloidal propeller | Hydrodynamic performance | CFD simulation | Neural network | Predictive function
مقاله انگلیسی
2 مروری بر روش های گرافیکی جهت ارزیابی عملکرد پیش بینی کننده در طبقه بندی
سال انتشار: 2010 - تعداد صفحات فایل pdf انگلیسی: 18 - تعداد صفحات فایل doc فارسی: 56
ارزیابی عملکرد پیش بینی کننده در حقیقت موضوع مهمی در طراحی ، توسعه و گسترش سیستم های طبقه بندی است . همانگونه که یک ارزیابی عملکرد پیش بینی کننده نوعی مسئله چند بعدی است ، کمیت واحد به خلاصه موضوعاتی چون میزان خطا می پردازد؛ اگرچه ، راه مناسب با توجه به سادگی می تواند به تنهایی همه جنبه هایی را که برآورد کامل و قابل اعتماد باید در نظر بگیرد ارزیابی می نماید . با توجه به همین موضوع ، روش های گرافیکی مختلف ارزیابی عملکرد شامل جلب توجه فراگیری ماشینی ، داده کاوی و گروه های تشخیص الگو است .مزیت اصلی انواع روش ها به توانایی آنها در ایجاد روابط متقابل بین جنبه های ارزیابی در فضای چند بعدی و کاهش این جنبه ها برای اندازه گیری کمیت واحد ی باشد که به صورت قراردادی انتخاب شده اند . مضافا" ، انتخاب مناسب یک روش گرافیکی برای فعالیت های مورد نظر مهم است تا نقاط ضعف و قوت شناسایی شوند . این مقاله به بررسی انواع روش های گرافیکی مختلف می پردازد که برای ارزیابی عملکرد پیش بینی کننده مورد استفاده قرار گرفته اند . ما امیدوار هستیم این مقاله بتواند برای روش هایی که استفاده مناسب تری در موقعیت های مختلف دارند نقاط روشنی را ایجاد کند .
کلمات کلیدی: یادگیری ماشین | داده کاوی | ارزیابی عملکرد | منحنی ROC | منحنی هزینه | نمودار های بالارو.
مقاله ترجمه شده
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi
بازدید امروز: 1931 :::::::: بازدید دیروز: 2317 :::::::: بازدید کل: 4248 :::::::: افراد آنلاین: 9