مقاله ترجمه شده درباره طراحی و پیاده سازی سیستم پیش بینی ماهیگیری مبتنی بر شبکه عصبی تابع پایه شعاعی – سال 2011
مشخصات مقاله:
عنوان فارسی مقاله:
طراحی و پیاده سازی سیستم پیش بینی ماهیگیری مبتنی بر شبکه عصبی تابع پایه شعاعی
عنوان انگلیسی مقاله:
Design and Implementation of Fishery Forecasting System Based on Radial Basis Function Neural Network
کلمات کلیدی مقاله:
تابع پایه شعاعی، پیش بینی ماهیگیری، طراحی سیستم
مناسب برای رشته های دانشگاهی زیر:
مهندسی کامپیوتر
مناسب برای گرایش های دانشگاهی زیر:
هوش مصنوعی، مهندسی الگوریتم ها و محاسبات و مهندسی نرم افزار
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
چکیده
I. مقدمه
II. روش‌های طراحی
A. پردازش داده‌ها
B. مفهوم اساسی و اصول
III. طراحی سیستم
A. محیط توسعه سیستم
B. عملکرد ساختار سیستم
۱) ماژول پردازش داده‌ها
۲) ماژول آموزشی شبکه عصبی
IV. سنجش سیستم و تجزیه و تحلیل نتایج
A. آماده سازی داده‌ها
B. سنجش عملیات سیستم
۱)تست ماژول پردازش داده‌ها
۲) تست ماژول آموزشی شبکه عصبی
۳) تست ماژول پیش بینی شبکه عصبی
C. تجزیه و تحلیل خطای نسبی پیش بینی
V. کاربرد و چشم انداز
قسمتی از مقاله انگلیسی و ترجمه آن:
I. INTRODUCTION
After many years of development pelagic fishery has become an important part of rural fisheries development planning in China. Fishery forecast can further improve the production of pelagic fishery. In China, determining the fishery grounds quality is by means of comprehensive fishery features and marine characteristics expert knowledge. Forecasting fishery knowledge quantitation in the fishery ground is performed through using Linear Regression. For example, Professor Shen Jinao forecasted the hairtail knowledge at Chenshan in winter with establishing the prediction equations using multivariate linear regression. Professor Chen Xinjun analyzed and researched the relationship between the squid catch per unit effort and seasurface temperature and established the linear equations. When there are two or more predicting indicators they must solve the multiple linear equations. In the same way as the development of information technology and space technology, satellite remote sensing data also plays an important role in marine fishery.
I. مقدمه
پس از سالها توسعه، شیلات دریایی بخش مهمی از برنامه ریزی توسعه شیلات روستایی را در چین دارد. پیش بینی ماهیگیری بیشتر می‌تواند تولید شیلات دریایی را بهبود بخشد. در چین، تعیین کیفیت محیط‌های ماهیگیری با استفاده از ویژگی‌های جامع ماهیگیری و دانش تخصصی ویژگی‌های دریایی صورت می‌گیرد. سنجش دانش پیش بینی ماهیگیری در محیط ماهیگیری با استفاده از رگرسیون خطی انجام می‌گیرد. برای مثال، پروفسور Shen Jinao اطلاعات راجع به ماهیان بال اسبی را در Chenshan در زمستان با ایجاد معادلات پیش بینی با استفاده از رگرسیون خطی چند متغیره پیش بینی کرد. پروفسور Chen Xinjun تجزیه و تحلیل نمود و به رابطه بین صید ماهی مرکب در هر واحد و دمای سطح و ایجاد معادلات خطی دست یافت. زمانی که دو یا چند شاخص پیش بینی وجود دارد، آن‌ها باید معادلات خطی چندگانه را حل کنند. در همین راه توسعه فناوری اطلاعات و تکنولوژی فضایی و اطلاعات دریافتی از ماهواره همچنین نقش مهمی را در شیلات دریایی ایفا می‌کنند.
