مقایسه روش های رگرسیونی کلاسیک با شبکه عصبی و ماشین بردار پشتیبان در رده بندی منابع آب های زیر زمینی
محل انتشار: دوفصلنامه اندیشه آماری، دوره: 24، شماره: 2
سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 103
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ISS-24-2_003
تاریخ نمایه سازی: 21 شهریور 1401
چکیده مقاله:
در عصر حاضر دسته بندی داده ها به منظور تشخیص و پیش بینی وقایع، یکی از موضوعات بسیار مهم در علوم مختلف است. در علم آمار دیدگاه سنتی این کلاس بندی ها براساس روش های کلاسیک و بر پایه مدل های آماری از جمله رگرسیون لژستیک امکان پذیر خواهد بود. در عصر حاضر که به عبارتی عصر انفجار اطلاعات نامیده می شود، در اکثر موارد با داده هایی مواجه هستیم که نمی توان توزیع دقیقی را برای آن ها یافت؛ از این رو استفاده از روش های داده کاوی و یادگیری ماشین که به مدل های از پیش تعیین شده نیاز ندارند، می تواند مسمر ثمر باشد. در بسیاری از کشورها تشخیص دقیق نوع منابع آب های زیر زمینی، یکی از مسائل قابل توجه در زمینه علوم آب است. در این مقاله به مقایسه نتایج حاصل از رده بندی یک مجموعه داده مربوط به منابع آب های زیرزمینی با استفاده از روش های رگرسیونی، شبکه عصبی و ماشین بردار پشتیبان پرداخته ایم. نتایج از این کلاس بندی ها نشان داد که روش های یادگیری ماشین در تشخیص دقیق نوع چشمه ها موثر بوده است.
کلیدواژه ها:
نویسندگان
اکرم حیدری گرمیانکی
Razi University
مهرداد نیاپرست
Razi University
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :