دانلود پاورپوینت پروژه آمار دبیرستان در مورد آمار و احتمالات در مورد عامل های کاهش ازدواج
فرمت فایل: پاورپوینت
تعداد اسلاید: 43
مقدمه
دانلود پاورپوینت پروژه آمار دبیرستان در مورد آمار و احتمالات در مورد عامل های کاهش ازدواج
دانلود پاورپوینت پروژه آمار دبیرستان در مورد آمار و احتمالات در مورد عامل های کاهش ازدواج
فرمت فایل: پاورپوینت
تعداد اسلاید: 43
مقدمه
بعضی از اسلاید های این PowerPoint
آمار و احتمالات
ترم
سوال
پاسخنامه
نیمسال اول ۸۸-۸۹
ج
نیمسال دوم ۸۸-۸۹
ج
نیمسال اول ۸۹-۹۰
ج
نیمسال دوم ۸۹-۹۰
ج
تابستان ۹۰
ج
نیمسال اول ۹۰-۹۱
ج
نیمسال دوم ۹۰-۹۱
ج
تابستان ۹۱
ج
نیمسال اول ۹۱-۹۲
ج
نیمسال دوم ۹۲-۹۳
ج
نیمسال اول ۹۳-۹۴
ج
نیمسال دوم ۹۳-۹۴
ج
لینک پرداخت و دانلود *پایین مطلب*
فرمت فایل : power point
تعداد اسلاید : 191
فهرست
فصل اول : آمار توصیفی
فصل دوم : احتمال
فصل سوم : توزیع متغیرهای تصادفی
فصل چهارم : توزیع های احتمال خاص
فصل پنجم : توزیع های نمونه گیری
فصل ششم : برآورد نقطه ای و فاصله ای پارامتر
فصل هفتم : آزمون فرض های آماری
فصل هشتم :همبستگی و رگرسیون
مقدمه
در این مطلب ابتدا نکاتی از درس آمار و احتمالات مهندسی را بیان میکنیم و سپس جزوه ای تایپ شده برای این درس خدمت شما عزیزان برای دانلود قرار میدهیم. آمار و احتمالات یکی از دروس پایه در مقطع کارشناسی میباشد که در بین بیشتر رشته های مهندسی مشترک است.کلمه آمار (Statistics) از کلمه لاتین Status نشأت گرفته که به معنای حالت, وضع و یا موقعیت می باشد.
همانطور که میدانیم آمار رشته وسیعی از رشته ریاضی است که به مطالعه راههای جمع آوری، خلاصه سازی و نتیجه گیری از داده ها میپردازد.
**********************************************************
این جزوه یک جزوه کامل است که تالیف دکتر پرویز نصیری میباشد . تمام مطالب مربوط به آمار و احتمالات به شکل زیبا و خوانا با پاورپوینت ساخته شده است . شامل 8 فصل است . تعداد اسلاید های آن حدود 190 عدد است و حجم آن حدود 2 مگابایت میباشد .
*********************************************************
**برای دانلود این فایل ، به پایین همین صفحه رفته ، پس از پرداخت مبلغ ، میتوانید آن را دریافت کنید**
لینک پرداخت و دانلود *پایین مطلب * فرمت فایل :Word (قابل ویرایش و آماده پرینت ) تعداد صفحه:19
فهرست:
1- مقدمه
شبکه های عصبی مصنوعی
مفاهیم پایه در شبکه های عصبی مصنوعی
شبکه عصبی پرسپترون[1] ساده
شبکه عصبی پرسپترون چند لایه ) MLP (
3- شرح تحقیق
استفاده از دادههای ماهیانه
استفاده از دادههای روزانه
فهرست مراجع
با توجه به اهمیت و حساسیت امر مهار آبهای سطحی خصوصاً در کشور ما که اکثر رودخانههای مناطق مختلف فصلی بوده و کمبود آبی که در پهنه وسیعی از کشور وجود دارد ، نیاز به شناسایی و به مدل درآوردن رفتار رودها و شریانهای آبی جهت برنامهریزیهای بلندمدت و استفاده بیشتر و بهتر از پتانسیلهای آنها عمیقاً احساس میشود . جدیدالتاسیس بودن بیشتر ایستگاههای هیدرومتری ، نواقص موجود در آمار اکثر این ایستگاهها ، قرارگرفتن بیشتر رودها در مناطق خشک ، وضعیت بحرانی برداشت آبهای زیرزمینی و لزوم توجه بیشتر به آبهای سطحی همه و همه دلایل بیشتر و ظریفتری میباشد که به مقوله پیشبینی و تولید آمار مصنوعی در حوزههای آبریز کشورمان جلوه و نمودی کاملتر میبخشد .
روشهای متداول آماری و احتمالی بر پایه روابط و فرمولهای صرفاً ریاضی که به طور اخص به پیشبینی سریهای زمانی میپردازد ، از دیرباز مورد توجه مهندسین علوم آب قرار گرفته است . آنها با دستمایه قراردادن این بخش از علم آمار به تحلیل ، بررسی و شناخت رفتار رودخانهها میپرداختند . در این راستا نرمافزارهای مختلفی نیز تهیه وتنظیم شده که از مهمترین و بارزترین آنها میتوان SPIGOT و HEC4 را نام برد .
شبکه عصبی مصنوعی[1] نامی نوین در علوم مهندسی است که بهطور ابتدایی و آغازین درسال 1962 توسط فرانک روزن بلات و در شکل جدی و تأثیرگذار در سال 1986 توسط روملهارت و مککلند با ابداع و ارائه مدل پرسپترون بهبود یافته به جهان معرفی شد . این شیوه از ساختاری نرونی و هوشمند با الگوبرداری مناسب از نرونهای موجود در مغز انسان سعی میکند تا از طریق توابع تعریف شده ریاضی رفتار درونسلولی نرونهای مغز را شبیهسازی کند و از طریق وزنهای محاسباتی موجود در خطوط ارتباطی نرونهای مصنوعی ، عملکرد سیناپسی را در نرونهای طبیعی به مدل در آورد. ماهیت و ذات تجربی و منعطف این روش باعث میشود تا در مسائلی مانند مقوله پیش بینی که یک چنین نگرشی در ساختار آنها مشاهده میشود و از رفتاری غیرخطی و لجامگسیخته برخوردار هستند ، به خوبی قابل استفاده باشد .
2- شبکه های عصبی مصنوعی
2-1- مفاهیم پایه در شبکه های عصبی مصنوعی
یک نرون بیولوژیک با جمع ورودیهای خود که از طریق دندریتها با یک وزن سیناپسی خاص به نرون اعمال میشوند ، با رسیدن به یک حد معین تولید خروجی میکند . این حد معین که همان حد آستانه میباشد ، در حقیقت عامل فعالیت نرون یا غیر فعال بودن آن است .
با توضیحات فوق میتوان گفت که در مدلسازی یک نرون بیولوژیک به طور مصنوعی میبایست به سه عامل توجه شود :