Recent advancement in artificial in

Recent advancement in artificial intelligence and in particular techniques aimed at converting input to output for highly nonlinear,non-convex and dimensionalized processes such as rainfall field, provide an alternative approach for developing rainfall forecasting model. Artificial neural networks (ANNs), which perform a nonlinear mapping between inputs and outputs, are such a technique .Current literatures on artificial neural networks show that the selection of network architecture and its efficient training procedure are major obstacles for their daily usage. In this paper, feed-forward type networks will be developed to simulate the rainfall field and a socalled back propagation (BP) algorithm coupled with genetic algorithm (GA) will be used to train and optimize the networks. The technique will be implemented to forecast rainfall for a number of times using rainfall hyetograph of recording rain gauges in the Upper
Parramatta catchment in the western suburbs of Sydney, Australia. Results of the study showed the structuring of ANN network with the input parameter selection, when coupled with GA, performed better compared to similar work of using ANN alone. 2007 Elsevier Ltd. All rights reserved.

ผลลัพธ์ (ไทย) 1:

ความก้าวหน้าล่าสุด ในปัญญาประดิษฐ์ และเทคนิคเฉพาะแปลงการป้อนข้อมูลการแสดงผลสำหรับกระบวนการสูงไม่เชิงเส้น ไม่นูน และ dimensionalized เช่นเขตข้อมูลปริมาณน้ำฝน มีวิธีการอื่นสำหรับการพัฒนาแบบจำลองการคาดการณ์ปริมาณน้ำฝน ประดิษฐ์ประสาทเครือข่าย (ANNs), ที่ทำการแมปที่ไม่เชิงเส้นระหว่างอินพุตและเอาท์พุต เทคนิคดังกล่าวได้ Literatures ปัจจุบันบนเครือข่ายประสาทเทียมแสดงเลือกสถาปัตยกรรมเครือข่ายและกระบวนการฝึกอบรมที่มีประสิทธิภาพเป็นอุปสรรคสำคัญสำหรับการใช้งานประจำวันของพวกเขา ในเอกสารนี้ เครือข่ายชนิดดึงไปข้างหน้าจะพัฒนาขึ้นเพื่อจำลองเขตข้อมูลปริมาณน้ำฝน และการ socalled หลังเผยแพร่ (BP) อัลกอริทึมด้วยอัลกอริทึมทางพันธุกรรม (GA) จะใช้รถไฟ และการเพิ่มประสิทธิภาพเครือข่าย เทคนิคจะดำเนินการเพื่อคาดการณ์ปริมาณน้ำฝนจำนวนครั้งใช้ hyetograph ฝนของบันทึกฝนมาตรวัดบนลุ่มน้ำปาร์รามัตตาในชานเมืองตะวันตกของซิดนีย์ ออสเตรเลีย ผลการศึกษาพบว่าการจัดโครงสร้างของเครือข่ายแอนด้วยการเลือกพารามิเตอร์ป้อนเข้า เมื่อควบคู่กับ GA ทำดีกว่าเมื่อเทียบกับคล้ายงานของใช้คนเดียวแอน 2007 Elsevier จำกัด สงวนลิขสิทธิ์ทั้งหมด

ผลลัพธ์ (ไทย) 2:

ความก้าวหน้าล่าสุดในด้านปัญญาประดิษฐ์และโดยเฉพาะอย่างยิ่งในเทคนิคการมุ่งเป้าไปที่การแปลงการป้อนข้อมูลการส่งออกสำหรับกระบวนการเชิงเส้นสูงไม่นูนและ dimensionalized เช่นสนามปริมาณน้ำฝนให้เป็นวิธีทางเลือกในการพัฒนารูปแบบการพยากรณ์ปริมาณน้ำฝน เครือข่ายประสาทเทียม (ANNs) ซึ่งดำเนินการทำแผนที่เชิงเส้นระหว่างปัจจัยการผลิตและผลผลิตเป็นเช่นวรรณกรรม .Current เทคนิคบนเครือข่ายประสาทเทียมแสดงให้เห็นว่าการเลือกของสถาปัตยกรรมเครือข่ายและวิธีการฝึกอบรมที่มีประสิทธิภาพเป็นอุปสรรคสำคัญสำหรับการใช้งานในชีวิตประจำวันของพวกเขา ในบทความนี้เครือข่ายประเภทอาหารไปข้างหน้าจะมีการพัฒนาในการจำลองสนามปริมาณน้ำฝนและการขยายพันธุ์กลับ socalled (BP) ขั้นตอนวิธีการควบคู่ไปกับขั้นตอนวิธีพันธุกรรม (GA) จะถูกนำมาใช้ในการฝึกอบรมและเพิ่มประสิทธิภาพของเครือข่าย เทคนิคที่จะดำเนินการที่จะคาดการณ์ปริมาณน้ำฝนเป็นจำนวนครั้งที่ใช้ hyetograph
ปริมาณน้ำฝนในการบันทึกมาตรวัดฝนตกลงมาในสังคมที่กักเก็บน้ำมัตตาในย่านชานเมืองทางตะวันตกของนครซิดนีย์ประเทศออสเตรเลีย ผลการศึกษาแสดงให้เห็นว่าโครงสร้างของเครือข่าย ANN กับการเลือกพารามิเตอร์สำหรับการป้อนเมื่อคู่กับ GA, ทำได้ดีเมื่อเทียบกับการทำงานที่คล้ายกันของการใช้แอนคนเดียว 2007 เอลส์ จำกัด สงวนลิขสิทธิ์

ผลลัพธ์ (ไทย) 3:

ความก้าวหน้าล่าสุดในด้านปัญญาประดิษฐ์และเทคนิคเฉพาะที่มุ่งแปลง input output ที่ไม่เป็นเชิงเส้นสูง และกระบวนการที่ไม่นูน dimensionalized เช่นทุ่งฝน ให้ ทางเลือกสำหรับการพัฒนาแบบจำลองพยากรณ์ปริมาณฝน โครงข่ายประสาทเทียม ( แอนน์ ) ซึ่งแสดงแผนที่เชิงเส้นระหว่างอินพุตและเอาต์พุต มีเทคนิคดังกล่าววรรณกรรมปัจจุบันบนโครงข่ายประสาทเทียมที่แสดงให้เห็นว่าการเลือกของสถาปัตยกรรมเครือข่ายและกระบวนการของการฝึกอบรมที่มีประสิทธิภาพเป็นอุปสรรคสำคัญสำหรับการใช้งานทุกวันของพวกเขา ในกระดาษนี้เครือข่ายประเภท feed-forward จะพัฒนาขึ้นเพื่อจำลองฝนตกสนามและลากข้าง back propagation ( BP ) โดยคู่กับขั้นตอนวิธีเชิงพันธุกรรม ( GA ) จะถูกใช้เพื่อฝึกและเพิ่มประสิทธิภาพเครือข่าย เทคนิคจะดำเนินการพยากรณ์ปริมาณน้ำฝนสำหรับจำนวนของเวลาที่ใช้ในการบันทึกของฝนฝนฝนสะสมเกจด้านบน
มัตตาพื้นที่รับน้ำในเขตชานเมืองทางตะวันตกของซิดนีย์ ออสเตรเลีย ผลการศึกษาพบว่าการสร้างเครือข่ายด้วยการเลือกพารามิเตอร์ที่แอนใส่ เมื่อคู่กับกา แสดงได้ดีกว่าทำงานที่คล้ายกันของการใช้แอนคนเดียว 2007 บริษัท จำกัด สงวนลิขสิทธิ์