فایل پی دی اف کامل مطالعه ترجمه‌شده درباره تنوع رگرسیون چندمتغیره برای تحلیل سیستم‌های مهندسی ژئوتکنیک؛ بررسی روش‌ها و نتایج PDF

توجه : این فایل به صورت فایل PDF (پی دی اف) ارائه میگردد

 فایل پی دی اف کامل مطالعه ترجمه‌شده درباره تنوع رگرسیون چندمتغیره برای تحلیل سیستم‌های مهندسی ژئوتکنیک؛ بررسی روش‌ها و نتایج PDF دارای ۲۰ صفحه می باشد و دارای تنظیمات و فهرست کامل در PDF می باشد و آماده پرینت یا چاپ است

فایل پی دی اف فایل پی دی اف کامل مطالعه ترجمه‌شده درباره تنوع رگرسیون چندمتغیره برای تحلیل سیستم‌های مهندسی ژئوتکنیک؛ بررسی روش‌ها و نتایج PDF  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

این پروژه توسط مرکز فایل پی دی اف کامل مطالعه ترجمه‌شده درباره تنوع رگرسیون چندمتغیره برای تحلیل سیستم‌های مهندسی ژئوتکنیک؛ بررسی روش‌ها و نتایج PDF2 ارائه میگردد

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل پی دی اف کامل مطالعه ترجمه‌شده درباره تنوع رگرسیون چندمتغیره برای تحلیل سیستم‌های مهندسی ژئوتکنیک؛ بررسی روش‌ها و نتایج PDF،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن فایل پی دی اف کامل مطالعه ترجمه‌شده درباره تنوع رگرسیون چندمتغیره برای تحلیل سیستم‌های مهندسی ژئوتکنیک؛ بررسی روش‌ها و نتایج PDF :

فایل دانلودی فقط شامل فایل ترجمه شده با پسوند pdf بوده و فایل انگلیسی در آن موجود نمی باشد.

بخشی از ترجمه فارسی مقاله:

۲- جزئیات MARS
MARS روش رگرسیون غیر خطی و ناپارامتریک است که پاسخ های غیر خطی را بین ورودی ها و خروجی یک سیستم به وسیله مجموعه ای از قطعه های خطی تکه ای (کثیرالجمله های چند قطعه ای) با گرادیان های متفاوت مدل سازی می کند. فرضی ثابت درباره رابطه تابعی اساسی بین متغیرهای ورودی و خروجی لازم نیست. نقاط انتهایی این قطعه ها گره نامیده می شوند. گره انتهای یک ناحیه از داده ها و ابتدای ناحیه ای دیگر از داده ها را مشخص می کند. منحنی های تکه ای منتج (شناخته شده به عنوان توابع پایه)، انعطاف پذیری بیش تری را به مدل می دهند، انحناها، آستانه ها، و دیگر انحراف های حاصل از توابع خطی را در نظر می گیرند.
MARS توابع پایه را با جست و جو به روش مرحله ای ایجاد می کند. الگوریتم رگرسیون انطباقی برای انتخاب موقعیت های گره به کار می رود. مدل های MARS به روش دو مرحله ای ایجاد می شوند. مرحله مقدم توابع را جمع می بندد و گره های احتمالی را برای بهبود عملکرد می یابد، که به مدلی با برازش کامل می انجامد. مرحله دوم دربرگیرنده زدن از کم ترین جمله های حقیقی است. کد منبع باز در MARS از جکابسنز در انجام تحلیل های ارائه شده در این مقاله مورد استفاده قرار می گیرد.

۴- تحلیل شبکه عصبی و سنجه های عملکرد
در شش مثال ژئوتکنیکال تحلیل شده با استفاده از MARS در بخش بعدی، همان داده ها با استفاده از الگوریتم BPNN بر اساس Matlab نیز برای اهداف تطبیقی مورد تحلیل قرار گرفتند. برای سادگی، این مدل های BPNN فرض می شوند دارای یک لایه پنهانی منفرد هستند. ساختار بهینه BPNN از طریق روش آزمون و خطا، با تغییر تعداد نورون های پنهانی و نوع تابع انتقال (logsigmoid، tansigmoid، یا purelin) به دست می آید. جدول ۱ سنجه های عملکرد گوناگون مورد استفاده برای مقایسه پیش بینی های دو روش متاهوریستیک را نشان می دهد. به علاوه، سرعت فرایند (زمان CPU) برای هر دو روش نیز ارائه شده اند.
برای مثال پایانی (ارزیابی میعان لرزه ای) که در آن متغیر وابسته پارامتری پیوسته نیست بلکه بیش تر رویدادی دودوئی است، سنجه رایج در خصوص ارزیابی عملکرد مدل الگو- طبقه بندی برای تعیین بهر موفقیت SR است (درصد موارد به درستی طیقه بندی شده).

۵- تحلیل ها با استفاده از MARS
نه مثال برای نشان دادن کاربرد و دقت MARS ارائه می شود. نخست، سه مثال متشکل از توابع ریاضی نسبتا پیچیده (با یک یا دو متغیر) برای نشان دادن ظرفیت تقریبی تابع MARS ارائه می شود. این مطلب با مثالی برای ارزیابی کارایی MARS در تحلیل تابع غیرخطی فرضی دنبال می شود که در آن اختلال (خطا) نشان داده می شود. شش مثال آخر مثال های ژئوتکنیکال کاربردی هستند که بر قابلیت MARS در مدل سازی مسائل چند متغیری غیر خطی تاکید دارند.