ارزیابی عملکرد الگوریتم شبکه عصبی پرسپترون چندلایه در رده بندی ویژگیهای خاک در کلاسهای فازی
عنوان مقاله: ارزیابی عملکرد الگوریتم شبکه عصبی پرسپترون چندلایه در رده بندی ویژگیهای خاک در کلاسهای فازی
شناسه ملی مقاله: NACONF11_166
منتشر شده در یازدهمین همایش سراسری کشاورزی و منابع طبیعی پایدار در سال 1400
شناسه ملی مقاله: NACONF11_166
منتشر شده در یازدهمین همایش سراسری کشاورزی و منابع طبیعی پایدار در سال 1400
مشخصات نویسندگان مقاله:
سمیرا مرادی - دانشجوی کارشناسی ارشد گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه رازی، کرمانشاه، ایران
پرویز شکاری - استادیار گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه رازی، کرمانشاه، ایران.
خلاصه مقاله:
سمیرا مرادی - دانشجوی کارشناسی ارشد گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه رازی، کرمانشاه، ایران
پرویز شکاری - استادیار گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه رازی، کرمانشاه، ایران.
با توجه به محدودیتهای اقتصادی و زمانی، شبکه های عصبی مصنوعی( ANN) ۱ نسبت به روشهای سنتی روش مناسبی برای بررسی تغییرات ویژگیهای فیزیکی و شیمیایی خاک است. در این پژوهش کارآیی شبکه پر سپترون چند لایه( MLP) ۲ در رده بندی ویژگیهای فیزیکی و شیمیایی خاک در کلاسهای فازی بررسی شد. داده های خاک پردیس کشاورزی در شش کلاس بهینه فازی خوشه بندی گردید. MLP با %۷۰ داده ها تا صحت %۱۰۰ آموزش داده شد. ارزیابی آموزش با %۱۰ از داده ها صحت ۹۱/۷ درصد و راستی آزمایی با %۲۰ صحت %۱۰۰ را تایید نمود. نتایج توان بالای ANN در جایابیها را نشان داد.
کلمات کلیدی: تغییرات، رده بندی، سیستماتیک، محیط.
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1413227/