ارسل ملاحظاتك

ارسل ملاحظاتك لنا







استخدام الشبكات العصبية فى تقدير رتب سلاسل ماركوف مع التطبيق على سلسلة جبال بطمة فى محافظة نينوى

المصدر: المجلة العراقية للعلوم الإحصائية
الناشر: جامعة الموصل - كلية علوم الحاسوب والرياضيات
المؤلف الرئيسي: الخياط، باسل يونس ذنون (مؤلف)
مؤلفين آخرين: السبعاوي، أحمد محمود محمد (م . مشارك), الكسو، ابتهاج عبدالحميد محمد علي (م . مشارك)
المجلد/العدد: ع 10
محكمة: نعم
الدولة: العراق
التاريخ الميلادي: 2006
الصفحات: 30 - 47
ISSN: 1680-855X
رقم MD: 419445
نوع المحتوى: بحوث ومقالات
قواعد المعلومات: EcoLink
مواضيع:
رابط المحتوى:
صورة الغلاف QR قانون
حفظ في:
المستخلص: لقد أولى الباحثون اهتماما خاصا بدراسة السلاسل الماركوفية باعتبارها أحد النماذج الاحتمالية التي وجد لها العديد من التطبيقات، ومن الأمور المهمة المتعلقة بدراسة سلاسل ماركوف التي شغلت اهتمام الباحثين تقدير رتبتها. وإحدى طرائق تقدير الرتبة تعتمد على تقنيات الذكاء الاصطناعي المتمثل بأسلوب الشبكات العصبية. وقد اعتدت شبكة المدرك لتمييز الرتب واعدت خوارزمية خاصة لتدريب تلك الشبكة وبنيت شبكة لهذا الغرض، سميت (Order Neural Network) (ONN)، دربت على مجموعة من السلاسل الماركوفية والمولدة بالمحاكاة. وتمت معالجة بيانات واقعية لتتابعات صخرية مأخوذة من منطقه جبل بطمة باعتبارها سلسلة ماركوف وقدرت رتبة هذه السلسلة على أنها الثالثة.

The researchers have payed attention to the study of Markovian Chains, since they are considered as one of the probabilistic models which many applications were found about it in different fields. One of the important matters related to the study of Markovian chains that have attracted researcher’s attention since about half century is order estimateion. Method of order estimation depends on the Artificial Intellegent techniques such as Neural Networks. Perceptron network has been used for order discrimination and special Algorithim has been prepared for training the network. Special network has been proposed called (ONN) which has been trainied on many Markovian chains generated by simulation. This study treated realistic data collected from this area, the order of this chain is estimated as the third.

ISSN: 1680-855X