[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
اطلاعات نشریه::
آرشیو مجله و مقالات::
ثبت نام و اشتراک::
ارسال مقاله::
پایگاه‌های مرتبط::
برای داوران::
اخلاق در پژوهش::
تماس با ما::
تسهیلات پایگاه::
::
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
Google Scholar Metrics

Citation Indices from GS

AllSince 2020
Citations4817
h-index32
i10-index00
..
ثبت شده در

AWT IMAGE


..
نماد اعتماد الکترونیکی
..
آمار نشریه
تعداد دوره های نشریه: 19
تعداد شماره ها: 38
تعداد مشاهده ی مقالات: 3446508
تعداد دریافت (دانلود) مقالات: 929065

مقالات دریافت شده: 864
مقالات پذیرفته شده: 362
مقالات رد شده: 491
مقالات منتشر شده: 359

نرخ پذیرش: 41.9
نرخ رد: 56.83

میانگین دریافت تا پذیرش: 401 روز
میانگین دریافت تا اولین داوری: 5.7 روز
میانگین پذیرش تا انتشار: 510.2 روز
____
..
:: جستجو در مقالات منتشر شده ::
1 نتیجه برای شبکه‌های عصبی

مریم ترک‌زاده ماهانی، سروش علیمرادی،
جلد 3، شماره 1 - ( 6-1388 )
چکیده

یکی از ابارهایی که برای تعیین اثرات غیرخطی و اثرات متقابل بین متغیرهای تبیینی در یک مدل رگرسیون لوژستیک به کار می‌رود، استفاده از شبکه‌های عصبی واحد ضربی تکاملی است. به منظور براورد پارامترهای مدلی که بدین صورت به دست می‌آید. یک روش ترکیبی مورد استفاده قرار می‌گیرد؛ ین روش از ترکیب دو ابزار بهینه‌ساز کلاسیک و الگوریتم تکاملی ساخته می‌شود. در این ماله ساختار شبکه‌های عصبی به گونه‌ای تغییر داده می‌شود که تمام پارامترهای مدل با یک الگوریتم تکاملی قابل براورد باشند. سپس دو روش براورد مورد مقایسه قرار گرفته و نتایج نشان می‌دهد که براورد پارامترها با الگریتم‌های تکاملی منجر به مدلی می‌شود که از نظر معیار اطلاع آکائیک نسبت به مدل لوژستیک معمولی دقیق‌تر است، اما استفاده از روش ترکیبی، مدل بهتری را نتیجه می‌دهد.


صفحه 1 از 1     

مجله علوم آماری – نشریه علمی پژوهشی انجمن آمار ایران Journal of Statistical Sciences

Persian site map - English site map - Created in 0.05 seconds with 31 queries by YEKTAWEB 4710