دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Solving Problems in Environmental Engineering and Geosciences With Artificial Neural Networks
دانلود کتاب حل مسائل در مهندسی محیط زیست و علوم زمین با شبکه های عصبی مصنوعی
مشخصات کتاب
Solving Problems in Environmental Engineering and Geosciences With Artificial Neural Networks
ویرایش: نویسندگان: Dowla F.U., Rogers L.L. سری: ISBN (شابک) : 0262041480, 9780262041485 ناشر: MIT سال نشر: 1995 تعداد صفحات: 0 زبان: English فرمت فایل : CHM (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 2 مگابایت
قیمت کتاب (تومان) : 28,000
در صورت تبدیل فایل کتاب Solving Problems in Environmental Engineering and Geosciences With Artificial Neural Networks به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب حل مسائل در مهندسی محیط زیست و علوم زمین با شبکه های عصبی مصنوعی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
توضیحاتی در مورد کتاب حل مسائل در مهندسی محیط زیست و علوم زمین با شبکه های عصبی مصنوعی
شبکه‌های عصبی مصنوعی (ANN) روشی کارآمد برای یافتن استراتژی‌های پاک‌سازی بهینه برای توده‌های خطرناک آلوده کننده آبهای زیرزمینی با اجازه دادن به هیدرولوژیست‌ها برای جستجوی سریع در میان میلیون‌ها استراتژی ممکن برای یافتن ارزان‌ترین و مؤثرترین مهار آلاینده‌ها و احیای آبخوان ارائه می‌کنند. شبکه‌های عصبی مصنوعی همچنین روش سریع‌تری برای توسعه سیستم‌هایی ارائه می‌کنند که رویدادهای لرزه‌ای را به عنوان زلزله یا انفجار زیرزمینی طبقه‌بندی می‌کنند. فرید دولا و لیا راجرز تعدادی برنامه ANN را برای محققان و دانشجویان در هیدرولوژی و زلزله شناسی توسعه داده اند. این کتاب، با تمرین‌ها و الگوریتم‌های ANN، نشان می‌دهد که چگونه می‌توان از شبکه‌های عصبی مصنوعی در حل مسائل مهندسی محیط زیست و علوم زمین استفاده کرد و ابزارهای لازم برای شروع استفاده از این تکنیک‌های جدید ظریف و کارآمد را فراهم می‌کند. به دنبال توسعه چهار الگوریتم اصلی ANN (انتشار پس‌انداز، خود سازمان‌دهی، توابع پایه شعاعی، و شبکه‌های هاپفیلد)، و بحث در مورد مسائل مهم در فرمول‌بندی ANN (ویژگی‌های تعمیم، تولید کامپیوتر مجموعه‌های آموزشی، علل آموزش کند، استخراج ویژگی‌ها) و پیش پردازش، و ارزیابی عملکرد)، خوانندگان از طریق یک سری مسائل توضیحی ساده و در عین حال پیچیده راهنمایی می شوند. اینها شامل مدیریت تصحیح آبهای زیرزمینی، تمایز لرزه ای بین زلزله و انفجارهای زیرزمینی، پایش خودکار داده های سنسورهای صوتی و لرزه ای، برآورد منابع لرزه ای، تخمین مکانی، طبقه بندی سنگ شناسی از ورود به سیستم ژئوفیزیکی، پیش بینی زلزله و تغییرات آب و هوا می باشد. هر فصل شامل تمرین‌های مفصلی است که اغلب از داده‌های میدانی استخراج می‌شوند که از یک یا چند مورد از چهار الگوریتم اصلی ANN ارائه شده استفاده می‌کنند.
توضیحاتی درمورد کتاب به خارجی
Artificial Neural Networks (ANNs) offer an efficient method for finding optimal cleanup strategies for hazardous plumes contaminating groundwater by allowing hydrologists to rapidly search through millions of possible strategies to find the most inexpensive and effective containment of contaminants and aquifer restoration. ANNs also provide a faster method of developing systems that classify seismic events as being earthquakes or underground explosions. Farid Dowla and Leah Rogers have developed a number of ANN applications for researchers and students in hydrology and seismology. This book, complete with exercises and ANN algorithms, illustrates how ANNs can be used in solving problems in environmental engineering and the geosciences, and provides the necessary tools to get started using these elegant and efficient new techniques. Following the development of four primary ANN algorithms (backpropagation, self-organizing, radial basis functions, and hopfield networks), and a discussion of important issues in ANN formulation (generalization properties, computer generation of training sets, causes of slow training, feature extraction and preprocessing, and performance evaluation), readers are guided through a series of straightforward yet complex illustrative problems. These include groundwater remediation management, seismic discrimination between earthquakes and underground explosions, automated monitoring for acoustic and seismic sensor data, estimation of seismic sources, geospatial estimation, lithologic classification from geophysical logging, earthquake forecasting, and climate change. Each chapter contains detailed exercises often drawn from field data that use one or more of the four primary ANN algorithms presented.
