[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
:: جلد 24، شماره 2 - ( 12-1398 ) ::
جلد 24 شماره 2 صفحات 15-23 برگشت به فهرست نسخه ها
مقایسه روش‌های رگرسیونی کلاسیک با شبکه عصبی و ماشین بردار پشتیبان در رده‌بندی منابع آب‌های زیر زمینی
اکرم حیدری گرمیانکی*، مهرداد نیاپرست
دانشگاه رازی کرمانشاه
چکیده:   (126 مشاهده)
در عصر حاضر دسته‌بندی داده‌ها به‌منظور تشخیص و پیش‌بینی وقایع، یکی از موضوعات بسیار مهم در علوم مختلف است. در علم آمار دیدگاه سنتی این کلاس‌بندی‌ها براساس روش‌های کلاسیک و بر پایه مدل‌های آماری از جمله رگرسیون لژستیک امکان‎‌ پذیر خواهد بود. در عصر حاضر که به‌عبارتی عصر انفجار اطلاعات نامیده می‌شود، در اکثر موارد با داده‌هایی مواجه هستیم که نمی‌توان توزیع دقیقی را برای آن‌ها یافت؛ از این‌رو استفاده از روش‌های داده کاوی و یادگیری ماشین که به مدل‌های از پیش تعیین شده نیاز ندارند، می‌تواند مسمر ثمر باشد. در بسیاری از کشورها تشخیص دقیق نوع منابع آب‌های زیر زمینی، یکی از مسائل قابل توجه در زمینه علوم آب است. در این مقاله به مقایسه نتایج حاصل از رده‌بندی یک مجموعه داده مربوط به منابع آب‌های زیرزمینی با استفاده از روش‌های رگرسیونی، شبکه عصبی و ماشین بردار پشتیبان پرداخته‌ایم. نتایج از این کلاس‌بندی‌ها نشان داد که روش‌های یادگیری ماشین در تشخیص دقیق نوع چشمه‌ها موثر بوده است.
واژه‌های کلیدی: شبکه عصبی، ماشین بردار پشتیبان، رگرسیون لژستیک
متن کامل [PDF 515 kb]   (35 دریافت)    
نوع مطالعه: كاربردي | موضوع مقاله: تخصصي
دریافت: 1399/3/1 | پذیرش: 1399/3/16 | انتشار: 1399/3/17
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

heidari garmianaki A, niaparast M. Comparison of classic regression methods with neural network and support vector machine in classifying groundwater resources. Andishe. 2020; 24 (2) :15-23
URL: http://andisheyeamari.irstat.ir/article-1-795-fa.html

حیدری گرمیانکی اکرم، نیاپرست مهرداد. مقایسه روش‌های رگرسیونی کلاسیک با شبکه عصبی و ماشین بردار پشتیبان در رده‌بندی منابع آب‌های زیر زمینی. اندیشه آماری. 1398; 24 (2) :15-23

URL: http://andisheyeamari.irstat.ir/article-1-795-fa.html



جلد 24، شماره 2 - ( 12-1398 ) برگشت به فهرست نسخه ها
مجله اندیشه آماری Andishe _ye Amari
Persian site map - English site map - Created in 0.06 seconds with 32 queries by YEKTAWEB 4140