Submit Search
Upload
پیش بینی خوشه هاي لرزه اي پرخطر به روش شبکههاي عصبی کوهونن ( Masoud Azad Remote Sensing Researcher)
•
Download as PPTX, PDF
•
0 likes
•
102 views
Masoud Azad
Follow
پیش بینی خوشه هاي لرزه اي پرخطر به روش شبکههاي عصبی کوهونن
Read less
Read more
Presentations & Public Speaking
Report
Share
Report
Share
1 of 31
Download now
Recommended
Robust Vision-Based Simultaneous Multi-Target Tracking
Robust Vision-Based Simultaneous Multi-Target Tracking
Nima Mahmoudi
3DEC برآورد میزان همگرایی تونل انتقال آب چهلچای با استفاده از شبکه عصبی مصنو...
3DEC برآورد میزان همگرایی تونل انتقال آب چهلچای با استفاده از شبکه عصبی مصنو...
Hamed Zarei
تصوير برداري MRI ، جواد حسين زاده
تصوير برداري MRI ، جواد حسين زاده
Javad Hosseinzadeh
Loss Estimating Of Gas Pipeline Network Due To Earthquake (case study Sari)
Loss Estimating Of Gas Pipeline Network Due To Earthquake (case study Sari)
afshin khatami
الگوریتم های طراحی درمان
الگوریتم های طراحی درمان
mah ta gharib
Chaos control
Chaos control
Pourya Parsa
شبکه-عصبی-مصنوعی.ppt network network network
شبکه-عصبی-مصنوعی.ppt network network network
ahmedibraheemme
Cybernetic
Cybernetic
Somayeh GhaviDel
Recommended
Robust Vision-Based Simultaneous Multi-Target Tracking
Robust Vision-Based Simultaneous Multi-Target Tracking
Nima Mahmoudi
3DEC برآورد میزان همگرایی تونل انتقال آب چهلچای با استفاده از شبکه عصبی مصنو...
3DEC برآورد میزان همگرایی تونل انتقال آب چهلچای با استفاده از شبکه عصبی مصنو...
Hamed Zarei
تصوير برداري MRI ، جواد حسين زاده
تصوير برداري MRI ، جواد حسين زاده
Javad Hosseinzadeh
Loss Estimating Of Gas Pipeline Network Due To Earthquake (case study Sari)
Loss Estimating Of Gas Pipeline Network Due To Earthquake (case study Sari)
afshin khatami
الگوریتم های طراحی درمان
الگوریتم های طراحی درمان
mah ta gharib
Chaos control
Chaos control
Pourya Parsa
شبکه-عصبی-مصنوعی.ppt network network network
شبکه-عصبی-مصنوعی.ppt network network network
ahmedibraheemme
Cybernetic
Cybernetic
Somayeh GhaviDel
_160916185814
_160916185814
mehdi nakhzari moghadam
mehdi nakhzari ANFIS
mehdi nakhzari ANFIS
mehdi nakhzari moghadam
The effect of nanoparticle size on optical parameters and cellular toxicity i...
The effect of nanoparticle size on optical parameters and cellular toxicity i...
mohamadamiri5
فرآیندهای تصادفی
فرآیندهای تصادفی
sadjad zibafar
Aet
Aet
Fayyaz ASNT NDT LEVEL III
Identification of linear dynamic systems operating in a networked environment
Identification of linear dynamic systems operating in a networked environment
Pourya Parsa
Disclinations and strain hardening in nanocrystalline materials
Disclinations and strain hardening in nanocrystalline materials
Noushin Raeisi Kheirabadi
Wireless Sensor Network
Wireless Sensor Network
pouriya70
آنتالوژی
آنتالوژی
Babak Sorkhpour
Lidar hydrography
Lidar hydrography
Mehdi Moradi
بررسی روشهای مسیریابی شبکه های فرصت طلبانه
بررسی روشهای مسیریابی شبکه های فرصت طلبانه
abedin753
هوش مصنوعی - شبکه عصبی
هوش مصنوعی - شبکه عصبی
Ali Ghaeni
Statistic Dist
Statistic Dist
Seyed Yahya Moradi
More Related Content
Similar to پیش بینی خوشه هاي لرزه اي پرخطر به روش شبکههاي عصبی کوهونن ( Masoud Azad Remote Sensing Researcher)
_160916185814
_160916185814
mehdi nakhzari moghadam
mehdi nakhzari ANFIS
mehdi nakhzari ANFIS
mehdi nakhzari moghadam
The effect of nanoparticle size on optical parameters and cellular toxicity i...
The effect of nanoparticle size on optical parameters and cellular toxicity i...
mohamadamiri5
فرآیندهای تصادفی
فرآیندهای تصادفی
sadjad zibafar
Aet
Aet
Fayyaz ASNT NDT LEVEL III
Identification of linear dynamic systems operating in a networked environment
Identification of linear dynamic systems operating in a networked environment
Pourya Parsa
Disclinations and strain hardening in nanocrystalline materials
Disclinations and strain hardening in nanocrystalline materials
Noushin Raeisi Kheirabadi
Wireless Sensor Network
Wireless Sensor Network
pouriya70
آنتالوژی
آنتالوژی
Babak Sorkhpour
Lidar hydrography
Lidar hydrography
Mehdi Moradi
بررسی روشهای مسیریابی شبکه های فرصت طلبانه
بررسی روشهای مسیریابی شبکه های فرصت طلبانه
abedin753
هوش مصنوعی - شبکه عصبی
هوش مصنوعی - شبکه عصبی
Ali Ghaeni
Statistic Dist
Statistic Dist
Seyed Yahya Moradi
Similar to پیش بینی خوشه هاي لرزه اي پرخطر به روش شبکههاي عصبی کوهونن ( Masoud Azad Remote Sensing Researcher)
(13)
_160916185814
_160916185814
mehdi nakhzari ANFIS
mehdi nakhzari ANFIS
The effect of nanoparticle size on optical parameters and cellular toxicity i...
The effect of nanoparticle size on optical parameters and cellular toxicity i...
فرآیندهای تصادفی
فرآیندهای تصادفی
Aet
Aet
Identification of linear dynamic systems operating in a networked environment
Identification of linear dynamic systems operating in a networked environment
Disclinations and strain hardening in nanocrystalline materials
Disclinations and strain hardening in nanocrystalline materials
Wireless Sensor Network
Wireless Sensor Network
آنتالوژی
آنتالوژی
Lidar hydrography
Lidar hydrography
بررسی روشهای مسیریابی شبکه های فرصت طلبانه
بررسی روشهای مسیریابی شبکه های فرصت طلبانه
هوش مصنوعی - شبکه عصبی
هوش مصنوعی - شبکه عصبی
Statistic Dist
Statistic Dist
پیش بینی خوشه هاي لرزه اي پرخطر به روش شبکههاي عصبی کوهونن ( Masoud Azad Remote Sensing Researcher)
1.
مهندسي فنی دانشکده عمران
مهندسي رشته-برداري نقشه ژئودزي گرايش پيشبينیخوشهلرزه هايايبه پرخطر روششبکههايعصبیکوهونن (Kohonen) استاد: فرنود فرشيد دکتر احمدی دانشيار،مهندسي دانشکده تبريز دانشگاه ،عمران دهنده ارائه: آزاد مسعود زمستان93
2.
عنوان توضیح شورتشخیصالگوهزلرهايخوشهیابیپیشدرايهزپسلرمسأله ،
هاايدر مهم مطالعاتاست ی شناس لهزلز. باتوجه ا کاملسرشتايردایداديورچنین کهاینبهتصادفیاستاستفاده،ازشبکه مصنوعی عصبیهاي،ياهکاررمناسبايربيجداسازشودمیمحسوبها خوشه. شددادهنشانهشوپژایندراستهمانزساخودعصبی شبکهازاستفادهبا کهیافته کوهونن(SOFM)، منطقه درلاوزورچندههاىزپسلرمحل تعیینبامیتواندر محلىمقیاس،تمرکزآیندهههاىزپسلرنمود بینیاپیشر. ازلهزلزبه لهزلزیکازيخیزهزلرالگوهاي کهآنجاییدیگرتغییرکنندمیهمین بهو دلیلتواننمیبه ،آنها ازو لهزلزیابی پیشدرتنهاییامترپا دیگريگیرهزاندارهاي فیزیکیکرداستفاده.
3.
ازکه آنجاپسازوقوعمینلرزهزهاىدربزرگمنطقه،هزپسلرگربزهاىبعدىقابل اترخساتوجهیایجادمیکندبه جانىاترخسا
ازىجلوگیر منظورواقتصادىدقتباجدیدروشاین از استفادهباوانعطافوتعداد یادىزشکلخوشههااز محل درتوان مىارآیندهخدادرپیشبینیکرد. حدود44هاي لهزلزازصدردکمعمقبعد ،جهاندرازایشزافيخیزهزلرنرخدر مقیاسهايمختلف مکانیاتفاقافتادهاند. ،ايهزلرفعالیتهاي کهاستایننشانگرشواهداینقبلبهتمایلاصلیهاي لهزلزاز تشکیلخوشگیافراط درمرکزوراراصلی تکانندردا. بینیپیش کارايربظاهردر ،يخیزهزلرالگوهايلهزلزاییرکاشناساییايرباما ،ندرندا فیزیکیکارو سازمفیدهستند.
4.
دلیلبهغیریکنواختیب مبتنی کهشهاییور
،موجوديخیزهزلرکاتالوگهاياستداللر تقریبینمایدمیکمکپیچیدهآیندهايفرفتارريگیرتصمیمايرب ،است. عملشبیهیهاییزساايرب ،مصنوعیعصبیهاي شبکهنظیرتحلیلالگوهااین،یعزتو يخیزهزلربرجستها ر گسلصفحهدرترخواهدکرد. آن میانگینتعدادومیشودحادث منطقهدراصلىهزلرپساز ا معموالههازپسلربهمانزباها شکلیابد می کاهشنمایى. هاهزپسلرفعالیتاىربتجربى ابطهریکبهترصواستشدهایهرایرز: ابطهردرباالRنرخهاهزپسلریدادوروC , K ,Pمقادیرثابتمیباشند.اینزاسه ،ثابتمقدارمقدارPهمهازنشاننمایىترصوبهارهاهزپسلرنرخاریزاستمهمترمى دهد.
5.
ایندرفدرههازپسلرایجاد،تاثیرونىودر تقابلاساسربتنهااىزاجهمجوار،موقعیت آینده مکانىخودارتغییرمیدهند. ماننداساسربلمولکوهرآینده
موقعیتکه گازمحدودحجم یکپیشی موقعیتنآنو نیروهاىاز ی ناشدربرخوبامولکولها دیگرتعیینمیشود. باشبکهازاستفادهکوهوننعصبیمحل تعیینباوپسهزلرهاىدرلاوزورچند منطقهمیتواندر،محلى مقیاسنکانوهاىهزلرپستمرکزارآیندهی پیشابىنمود. شبکههاىنبدومدلهاىوعصبیمربى،رطو بهاخص،سخودعصبی شبکهمانزا یافتهکوهونن(SOFM)قادربهخوشهلهزلزیابىهاىد یاطبقهیک درمشابهسته است.بهکهىرطومیتواندهمبستگىمیاندادههاارکندکشف.
6.
عصبی هاي شبکهمصنوعیکوهونن هاينونرازانسانمغزآناتومیهمانند
شبکهاینساختارشوندمی تشکیلمصنوعی. بشدهيعزتويايموازي شزپردااءزاجازگربزسيستمي ،مصنوعيعصبي شبكةنورنونام اندشدهمتصلهمبه افرگيژتوپولويك در كهاستعصبيلسلويا.اهانورنوطريقز سيناپسبناميدارنزوتباطاتراشوندمي متصل هم به.
7.
Self Organizing ماندهزخودسا هايشبكه
،عصبي هايشبكه ازيديگر مهم دسته(ترنظا نبدو)تمي كه هستندبه وانند رطوخودكاروديروهايدادهبنديدهر و بنديدسته بهندزبپردا. کوهونن عصبی شبکه يژتوپولو اگربعدي یکباشدمج نونردو با نونر هر ،خودراو است همسایه،اینربنابمشخصات نقشه درنونر هر نزوبردار،)یک ترصو به که نمایش جىوخرفضاى در نقطهشود میداده(دو بهمیوصلخودرمجاو نونرشود .یک شکل بهمشخصات نقشه نهایت درخطمیدست به پیچرماکهآیدمنحنیپینو دردا نام. کوهونن عصبی شبکه يژتوپولو اگربعديدوباشدم نونر چهار با نونر هر ،رجاو همسایهخوداست،مشخصات نقشه در اینربنابنونر هر نزوبردار،)به که ترصویکنمایشدادهجىوخر فضاىدر نقطهمیشود(بهچهارخودرمجاو نونر میشودوصل.میدست به ىرتو یک شکل به مشخصات نقشه نهایتدرآید.
8.
این در،شبکهمجموعهودیهارو شامل
تنها ی شزآموباشد می. ، شبکهبینشباهتهايودیهارووكرداربنديطبقهکردهنهايزووآنهاتنظارکندمی یم. درمدل ایننونرتعداديمسطحيژتوپولو یکدر ا معموال کهمصنوعییکد کناریگر چیده،شوندمیبرمتقابلفتارربایکدیگريورودرويالگویکتبدیل ،هدفابعاد باي ارياختیارنماید میتأمینبعديدو یایکگسستهنقشهیکبه. تفکرخوبی منطقی توصیفیافتگیمانزخودساپدیدههايايربمقیاسنبدومینز نظیر هزلراست.
9.
های وزن همگرايی
و آموزش روند ها نرون و طول ،همان ورودىعرضجغرافيايىانتخاب شدهاست. دو داراى الگوريتم ايننقصعمدهميباشد: 1-نقاط، نهايىشرايط به وابسته بشدت براى و هستند اوليهلرزههايى پسبسيار که محلىجوابگوست است. 2-مرز و تعداد ،شکلاى عمده نقش ها خوشه دربندى طبقهايفا کنندهميکند.نتايج نشان تجربىميدهدکهافراز يک چگونه عمل است ممکن ورودى فضاى از نامناسبطبقه بندىسازد مختل را.
10.
یافته مانزسا خود
عصبی شبکه(Self Organizing FeatureMaps)در حقیقت در الگوها بندى طبقهیکایندرفو هاىربردا کهاست یابى خوشهار ودىر از یکى بهخوشههاىنسبت بعدى چند فضاى درشده ىیادگیر میدهد. اکزرمثقل مرکز از ودىرو بردارفاصله مبناى بر انتخاب این هاىربرداخوشهها شکلمیگیردوتعریففاصلهم ىیادگیر یتمرالگو نوع به توجه با نیزبه است مکن ترصو ی اقلیدسرغی یا و ی اقلیدس ترصوپذیرد.ایدهاصلىمکانیزم از شور این است شده گرفتهفضایى نگاشتهاى در انسان مغز.
11.
کوهون عصبى شبکه
یادگیرى الگوریتمن يانداز اهر: مقادیرتصادفیاولیههاي نزوبردار اىربwj(0)کنید انتخاب.این انتخاب این در شرط تنها استکهwj(0)ایربj=1,2,…,lمتفاوتباشد.در کهآنlتعدادکلهاي نونردر موجود شبکهاست.اولیهرمقادی هزانداکه است مطلوبها نزوارکوچککنیم انتخاب. نمونهيبردار: بردارxرطو بهارتصادفیمیکنیم انتخاب وديروفضاياز. انتخابنونربرنده: فاصلهی اقلیدسنهايونرباار شبکهبرداروديروxمی هزانداگیریمايردا کهار نیونرآن و کمترینفاصلهورودي بردار با اقلیدسىباشدنرون عنوان بهبرندهi(x)انتخاب میکنیم
12.
تنظیموبرنده نونرنزونونرآن همسایگی
در واقعهاي: و برنده نونرسیناپتیکی نزو مرحله ایندرنهايونرر برنده نونر همسایگی در واقعلفرمو طبقا یرزتنظیممیکنیم کهآن درη(n)و يیادگیرنرخامتررپاhj,i(x)(n)تابعآنمرکز در برنده نونر کهاست همسایگی دردا اررق.هربه نتایج ايرب ،يیادگیر طیدر همسایگی تابع ويیادگیر نرخامتررپا دورطو بهتر میکنند تغییر دینامیکی. ادامه: مرحله بهفتنر2نش مشاهدهمشخصات نقشهدر توجهیقابلاترتغی گونههیچ اینکه تاود.
13.
منطقه ای هزلردقیق
عصبی،خصوصیات ی شبکه بهای هزلرهایداده اختصاص ایربدر،مو است نیاز.شعاعایردا قماستانشده ی سربر محدوده150یکیلومتر(،قم هایاستان شامل اصفهان ،اکر،اانرسمنان،ته)شعاعایردا سمناناستانشده ی سربرمحدوده واست200 یکیلومتر(انرته،یزد ،ان،گلستانرندزما هایاستان شامل)است.شکلدر1فعال های گسل استشدهداده نشان نظردرمو هایاستاندر شده ی سربر محدودهدر موجود.
14.
15.
از تر بزرگ
های زلزله مشخصات سابقه4/5های سال بین سمنان و قم های استان در داده رخ ریشتر 1903تا2012است شده شده آوری جمع ای لرزه مختلف های پایگاه از.های زلزله مشخصات های جدول در نظر مورد1و2است شده داده نشان سمنان و قم های استان برای ترتیب به.
16.
17.
18.
19.
20.
21.
شکل در6شبکه با
شده بینی پیش های لهزلز افیاییرجغ عرض و لطو شامل مکانی مشخصاتدر عصبی است شدهداده نشان سمنان و قم های استان .
22.
احتم زلزله خطر
بندی پهنه نقشه ترسیمالی شده بینی پیش های عصبی،داده های شبکه با احتمالیلهزلز وقوع مکان بینی پیش از پستحلیل توسط شدند شزپردا یآمار های.استجمعی احتمال تابع و احتمال چگالیتابع از هادادهتحلیل ایربتفاده شد.آیدمی بدست یرز ابطهر از یآمار هایداده احتمال چگالیتابع. استمیانگیندهنده نشان و یانسروادهنده نشان.خیز هزلر هایداده احتمال چگالیتابعپیش ی شکل در شده بینی7است شده داده نشان.
23.
24.
25.
26.
27.
28.
شکلیرز،سال لهزلز هاى
هزپسلر ومرکز ور2003بمسایت از که ار انرایاینترنتیهشگاوپژه بینلهزلز املللىی شناسم نشان اندشدهاجراستخ لهزلز ی مهندس ویدهد.
29.
30.
یادگیری آغاز در
بزرگ همسایگی شعاع زمان گذر با همسایگی شعاع کاهش
31.
تشکر با...
Download now