مقاله طراحی سیستم پیش بینی ماهیگیری مبتنی بر شبکه عصبی تابع پایه شعاعی (2011 آی تریپل ای)

I. مقدمه

II. روش‌های طراحی

A. پردازش داده‌ها

B. مفهوم اساسی و اصول

III. طراحی سیستم

A. محیط توسعه سیستم

B. عملکرد ساختار سیستم

۱) ماژول پردازش داده‌ها

۲) ماژول آموزشی شبکه عصبی

IV. سنجش سیستم و تجزیه و تحلیل نتایج

A. آماده سازی داده‌ها

B. سنجش عملیات سیستم

۱)تست ماژول پردازش داده‌ها

۲) تست ماژول آموزشی شبکه عصبی

۳) تست ماژول پیش بینی شبکه عصبی

C. تجزیه و تحلیل خطای نسبی پیش بینی

V. کاربرد و چشم انداز

This article introduces the design and implementation of a fishery forecasting system based on Radial Basis Function (RBF) neural network. The system was developed using the Client/Server architecture, the C# programming language in the environment of Visual Studio 2008 on the Windows7 platform. It draws knowledge from RBF neural network theory, the production historical data of pelagic fishery and the marine environment data. The system uses the Object-Oriented analysis and design method. It can quickly obtain the forecast results available to users through inputting marine environment data information and the RBF neural network model. The forecasting system includes three major functional modules, namely preprocessing fishery production data, matching production data and environmental data, training RBF neural network and making predictions. Experiments have shown that this forecasting system can generate accurate and effective pelagic fishery knowledge.

این مقاله طراحی و پیاده سازی سیستم پیش بینی ماهیگیری مبتنی بر تابع پایه شعاعی ( RBF) شبکه عصبی را معرفی می‌کند. سیستم با استفاده از سبک معماری ، Client/Server، زبان برنامه نویسی C# در محیط Visual Studio ۲۰۰۸ در ویندوز ۷، توسعه یافته بود. این سبک، دانش را از نظریه شبکه‌های عصبی RBF، تولید اطلاعات تاریخی شیلات دریایی و داده‌های محیط زیست دریایی استخراج می‌کند. سیستم از تجزیه و تحلیل مبتنی بر هدف و روش طراحی استفاده می‌کند. این می‌تواند به سرعت نتایج پیش بینی که در دسترس کاربران است را از طریق وارد کردن اطلاعات محیط زیست دریایی و مدل شبکه عصبی RBF به دست آورد. سیستم پیش بینی شامل سه مدل عملکردی بزرگ به نام‌های پیش پردازش اطلاعات تولید شیلات، تطبیق داده‌های تولیدی و داده‌های زیست محیطی، آموزش شبکه عصبی RBF و پیش بینی است. آزمایشات نشان داده‌اند که این سیستم پیش‌بینی می‌تواند اطلاعات دقیق و موثر شیلات دریایی تولید کند.