LEADER |
04071nam a22003257a 4500 |
001 |
1507499 |
041 |
|
|
|a eng
|
100 |
|
|
|9 539962
|a Ibrahim, Ahmed Dawod Mohammed
|e Author
|
245 |
|
|
|a Gold Detection Using Remote Sensing and Artificial Neural Networks
|
260 |
|
|
|a أم درمان
|c 2017
|
300 |
|
|
|a 1 - 118
|
336 |
|
|
|a رسائل جامعية
|
502 |
|
|
|b رسالة ماجستير
|c جامعة أم درمان الاسلامية
|f كلية العلوم الهندسية
|g السودان
|o 0064
|
520 |
|
|
|a تهدف هذه الدراسة إلى تقييم إمكانية الشبكات العصبية الاصطناعية للكشف عن الذهب استنادا على بيانات الأقمار الاصطناعية التي تم الحصول عليها بواسطة نظام لاندسات 8 الأمريكي إحدى أهداف الدراسة تتمثل في اختيار نموذج الشبكات العصبية الاصطناعية الأمثل لدراسة الكشف عن الذهب. شملت الدراسة مجموعة واسعة من الإجراءات المتبعة لتحقيق أهدافها. وقد انقسمت الإجراءات لثلاثة مراحل. المرحلة الأولى تضمنت إنشاء عينات التدريب والاختبار لبناء نموذج الشبكات الاصطناعية. المرحلة الثانية اهتمت بتصميم وبناء نموذج الشبكات الاصطناعية وفي المرحلة الثالثة تم تقييم أداء النماذج التي تم تدريبها وذلك من خلال تطبيق النموذج المدرب على مجموعة من عينات الاختبار (50 عينة) التي لم تستخدم في مرحلة التدريب تم إخضاع نتائج الاختبار للتحليل الإحصائي حيث تم حساب متوسط قيمة الخطاء والانحراف المعياري ومن ثم الخطاء القياسي. أوضحت الدراسة أن كل من نموذج الشبكة العصبية ذات الانتشار الخلفي (BPN) وذات الانخلال العام (GRNN) أعطت نتائج جيدة حيث تم معالجة كافة عينات الاختبار (50 عينة) بمقدار حطاء مقبول. نموذج الشبكة العصبية الاصطناعية ذات الانتشار الحلف أعطت نتائج أفضل من نموذج الشبكة العصبية الاصطناعية ذات الانحلال العام )في نموذجيها التكراري والتكيفي)، حيث بلقت قيمة الخطاء القياسي في شبكة العصبية ذات الانتشار الخلفي (BPN) 0.045±0.218 وشبكة العصبية الاصطناعية ذات الانخلال العام التكراري (GRNN-Iterative) 0.123±0.299 وشبكة العصبية الاصطناعية ذات الانخلال العام التكيفي (GRNN-Adaptive) 0.125±0.337 من جانب زمن التعلم كان الأسرع (GRNN-Iterative) بزمن قدره 1:18 دقيقة ومن ثم (GRNN-Adaptive) بزمن قدره 1:47 دقيقة و أخير (BPN) بزمن قدره 42:55 دقيقة.
|
653 |
|
|
|a هندسة الاتصالات
|a الكشف عن الذهب
|a الاستشعار عن بعد
|a الشبكات العصبية الاصطناعية
|
700 |
|
|
|a Bilal, Khalid Hamid
|e Advisor
|9 23881
|
856 |
|
|
|u 9818-003-017-0064-T.pdf
|y صفحة العنوان
|
856 |
|
|
|u 9818-003-017-0064-A.pdf
|y المستخلص
|
856 |
|
|
|u 9818-003-017-0064-C.pdf
|y قائمة المحتويات
|
856 |
|
|
|u 9818-003-017-0064-F.pdf
|y 24 صفحة الأولى
|
856 |
|
|
|u 9818-003-017-0064-1.pdf
|y 1 الفصل
|
856 |
|
|
|u 9818-003-017-0064-2.pdf
|y 2 الفصل
|
856 |
|
|
|u 9818-003-017-0064-3.pdf
|y 3 الفصل
|
856 |
|
|
|u 9818-003-017-0064-4.pdf
|y 4 الفصل
|
856 |
|
|
|u 9818-003-017-0064-O.pdf
|y الخاتمة
|
856 |
|
|
|u 9818-003-017-0064-R.pdf
|y المصادر والمراجع
|
856 |
|
|
|u 9818-003-017-0064-S.pdf
|y الملاحق
|
930 |
|
|
|d y
|
995 |
|
|
|a Dissertations
|
999 |
|
|
|c 1000945
|d 1000945
|