research centers


Search results: Found 130

Listing 1 - 10 of 130 << page
of 13
>>
Sort by

Article
Cryptography Using Artificial Neural Network

Author: sawsan s. abed
Journal: AL-dananeer مجلة الدنانير ISSN: 2224414X Year: 2012 Volume: 1 Issue: 1 Pages: 387-402
Publisher: Iraqi University الجامعة العراقية

Loading...
Loading...
Abstract

التشفير بطريقة الشبكة العصبية تتعامل مع مشكلة تبادل المفاتيح مابين شبكتين عصبيتين باستخدام مفهوم التعلم العصبي المتبادل ، الشبكتين تتبادل الاخراجات والمفاتيح فيما بينهم تتمثل بالاوزان التعليمية النهائية ، متى ماكانت هذه الشبكة متزامنه كان من الصعوبة على المهاجم ان يخترق النظام او يتزامن معهم اثناء الفترة التعليمية .


Article
The Investigation of Monitoring Systems for SMAW Processes
الأستقصاء عن أنظمة المراقبة و السيطــــره على عمليات اللحـــام بالقوس الكهربائي

Loading...
Loading...
Abstract

The monitoring weld quality is increasingly important because great financial savings are possible because of it, and this especially happens in manufacturing where defective welds lead to losses in production and necessitate time consuming and expensive repair. This research deals with the monitoring and controllability of the fusion arc welding process using Artificial Neural Network (ANN) model. The effect of weld parameters on the weld quality was studied by implementing the experimental results obtained from welding a non-Galvanized steel plate ASTM BN 1323 of 6 mm thickness in different weld parameters (current, voltage, and travel speed) monitored by electronic systems that are followed by destructive (Tensile and Bending) and non-destructive (Hardness on HAZ) tests to investigate the quality control on the weld specimens. The experimental results obtained are then processed through the ANN model to control the welding process and predict the level of quality for different welding conditions. It has been deduced that the welding conditions (current, voltage, and travel speed) have a dominant factors that affect the weld quality and strength. Also we found that for certain welding condition, there was an optimum weld travel speed to obtain an optimum weld quality. The system supports quality control procedures and welding productivity without doing more periodic destructive mechanical test to dozens of samples.

إنّ مراقبة نوعيةَ وجودة اللحامِ مهمةُ جداً لأنها تزيد احتمالية الارباح الماليةَ وهذه تَحْدثُ خصوصاً في عمليات الأنتاج حيث ان اللحام المعيوبِ يذهب مع الخسائرِ في الإنتاجِ ويَستلزمُ معالجته خسارة في الوقتِ والكلفة.هذا البحثِ يَتعاملُ مع مراقبة نوعية اللحام وقابليةِ التحكم في عمليةِ اللحام الأنصهاري بالقوسِ الكهربائي التي تَستعملُ شبكة عصبيةَ إصطناعيةَ (ANN) كنموذج.تأثير عناصر اللحامِ على نوعيةِ اللحامَ دُرِسَ بتَطبيق نَتائِجِ تجريبيةِ تم الحَصول عليها مِنْ لحام صفيحة الفولاذِ (1323 ASTM BN non-Galvanized) بسمك 6 مليمتر في ظروف اللحامِ المختلفةِ (تيار لحامِ، فولتية لحامِ، سرعة اللحامِ) تمت المراقبة بالأنظمةِ الإلكترونيةِ، ثم تُبعت بأختبارات فحص أتلافية لعينات (أختبار الشدّ والإنحْناء) وغيرأتلافية لعينات أخرى (أختبار الصلادة) لتَحرّي مراقبة الجودة على نماذجِ اللحام.إنّ النَتائِجَ التجريبيةَ المكتسبةَ تمّ معالجتها بأدخالها لنموذجِ الشبكة العصبيةِ الإصطناعيِة للسَيْطَرَة على عمليةِ اللحام وتوقّعُ مستوى النوعيةِ لظروف اللحام المختلفةِ.إستُنتِجَ بأنّ ظروف اللحام (الفولتية، التيار، سرعة اللحام) كَانَت العوامل المهيمنة التي أَثّرتْ على نوعيةِ وقوّةِ اللحامَ. أيضاً وَجدنَا انه عند تحديد ظروف اللحام، كانت هناك سرعةُ لحام قصويةِ للحُصُول على نوعيةَ لحامِ قصويةِ.يَدْعمُ النظامُ إجراءاتَ مراقبة الجودةِ وانتاجية اللحام بدون عَمَل إختبار ميكانيكي تدميري الى أكثرِ من العشراتِ من العيناتِ.


Article
Simulation of Scheduling Production System by Using Integrating Simulation Models with Artificial Neural Network Model

Authors: Z. I. AL-Daoud --- Ouf A. Shams
Journal: Journal of Engineering مجلة الهندسة ISSN: 17264073 25203339 Year: 2008 Volume: 14 Issue: 4 Pages: 3121-3135
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

Traditional methods of dealing with finding the relationship between the inputs data of simulation models and the outputs data fail or takes a long time to find this relationship. Artificial neural networks (ANNs) have the ability to learn complex relationships between inputs and outputs. Their use can greatly enhance simulation models and allow for more accurate representations of real life scenarios. This paper is concerned with the application of the mechanism of integrating simulation models with artificial neural network (ANN) model. This mechanism was tested by integrating simulation models of re-tubing heat exchangers line (RTHEL) with ANN model to schedule entering exchangers to inside re-tubing workshop. The result of applying this mechanism of integration in system (RTHEL) was in reducing completion time of re-tubing batches of heat exchangers by about (12.5%).

النظريات التقليدية المستخدمة لأيجاد العلاقة بين البيانات الداخلة لنماذج المحاكاة والناتجة منها قد تفشل أو تأخذ وقت طويل لأيجاد هذه العلاقة. شبكات الخلايا العصبية الأصطناعية لها القابلية على التعلم لأيجاد أصعب العلاقات بين المدخلات والمخرجات (النواتج). أن أستخدام هذه الشبكات يحسن نماذج المحاكاة كثيراً وتسمح بتمثيل أدق لسيناريوهات العمل الحقيقية للأنظمة. يهتم هذا البحث بدراسة تطبيق آلية تكامل لنماذج المحاكاة بنموذج لشبكة خلايا عصبية أصطناعية. هذه الآلية أختبرت عن طريق تكامل نماذج المحاكاة لخط أعادة تأهيل المبادلات الحرارية مع نموذج لشبكة خلايا عصبية أصطناعية لجدولة دخول المبادلات الى داخل ورشة أعادة التأهيل. أن تطبيق آلية التكامل هذه على خط أعادة تأهيل المبادلات سوف يقلل من الوقت الكلي لأعادة تأهيل دفعات من المبادلات الحرارية بمقدار (12.5%).


Article
Integrating Neural Network With Genetic Algorithms For The Classification Plant Disease
تكامل الشبكات العصبية مع الخوارزميات الجينية لتصنيف امراض النبات

Authors: Alia Karim Abdul Hassan --- Sarah Sadoon Jasim
Journal: Engineering and Technology Journal مجلة الهندسة والتكنولوجيا ISSN: 16816900 24120758 Year: 2010 Volume: 28 Issue: 4 Pages: 686-701
Publisher: University of Technology الجامعة التكنولوجية

Loading...
Loading...
Abstract

In this work Aِِrtificial Neural Network (ANN) is used as a classifier capable ofrecognizing the most important features of the plant disease, with minimum errorvalue. Genetic algorithm has been used to minimize error values of the ANNclassifier. Error value of ANN classifier is defined as more than (%5). This ratiois a threshold (cut-of-value) to determine if GA is executed or not after the ANNclassifier execution. Genetic algorithm execution results in either optimal solution(%100) recognition or suggests a modified parameter to the ANN classifier(specifically learning rate and number of neurons).The result obtained fromintegrating neural network with genetic algorithm for classification plant diseasesindicates that the classifier recognizes most of input pattern with accuracy (96%).Integrating neural network with genetic algorithm for classification plant diseasesimplemented using Visual Basic version 6 programming

في هذا العمل استخدمت الشبكات العصبية الاصطناعيةقادر على تمييز اغلب الملامح المهمة في امراض النبات مع اقل قيمة خطأ . فأستخدمتالخوارزميات الجينية لتقليل قيم الخطأ للشبكات العصبية. قيمة الخطأ المعرفة في هذا المصنفهي اكثر من 5% بذلك سيتم معالجتها في الخوارزميات الجينية. فهذه القيمةلتحديد فيما اذا الخوارزميات الجينية سيتم تنفيذها او لا بعد تنفيذ الشبكات (threshold) تعتبر(% العصبية المقترحة. ان نتائج تنفيذ الخوارزميات الجينية هي أما حل امثل أي تمييز ( 100او ستقترح تعديل المعاملات المستخدمة في الشبكات العصبية الاصطناعية المقترحة خصوصاNo. of ) وعدد الخلايا العصبية في الطبقة المخفية (Learning rate) معامل التعلمفي هذا البحث تم استخدام الشبكات متعددة الطبقات .(neurons in the hidden layerالتي هي نوع من الشبكات العصبية مع خوارزمية الانتشار (Mlti-Layer-Percetron)لتدريب الشبكة لتصنيف أمراض النبات. (Back Propagation algorithm) الخلفي للخطأالنتيجة المحصلة من تكامل الشبكات العصبية مع الخوارزميات الجينية لتصنيف أمراض النبات.(% يشير إلى أن الشبكات العصبية المقترحة قد ميزت معظم رموز الأمراض مع دقة (


Article
Artificial Neural Networks Analysis of Treatment Process of Gypseous Soils
التحليل بالشبكات العصبية الاصطناعية لعملية معالجة الترب الجبسية

Authors: Mohammad M. Al-Ani --- Mohammad Y. Fattah --- Mahmoud T. A. Al-Lamy
Journal: Engineering and Technology Journal مجلة الهندسة والتكنولوجيا ISSN: 16816900 24120758 Year: 2009 Volume: 27 Issue: 9 Pages: 1811-1832
Publisher: University of Technology الجامعة التكنولوجية

Loading...
Loading...
Abstract

Artificial Neural Networks (ANNs) are used to relate the properties of gypseous soilsand evaluate the values of compression of soils under different conditions. Therefore, onelayerperception training using back propagation algorithm is used to assess the validity ofapplication of ANNs for modelling the settlement ratio for wetting process, (S/B)w, and thesettlement ratio for soaking process, (S/B)s.It was found that ANNs have the ability to predict the compression of gypseous soildue to soaking, washing process with high degree of accuracy. Also, performance of ANNsshowed that one hidden layer with one hidden nodes is practically enough for the neuralnetwork analysis.The sensitivity analysis indicates that the viscosity and specific gravity have themost significant effect on the predicated settlement ratio and the density of injection materialand void ratio have moderate impact on the settlement ratio. The results also show that theinitial gypsum content, stress and time have the smallest impact on settlement ratio.It was concluded that the artificial neural networks (ANNs) have the ability topredict the settlement ratio for wetting process (S/B)w, and settlement ratio for soakingprocess (S/B)s of gypseous soil with high degree of accuracy. The equations obtained using(ANNs) for (S/B)w, and (S/B)s showed excellent correlation with experimental results wherethe coefficients of correlation are (0.9541) and (0.991), respectively.

تستخدم الشبكات العصبية الاصطناعية لربط خواص الترب الجبسية و تقييم قيم الانضغاط للتربة تحتظروف مختلفة. و عليه أستخدم تدريب المدرك الحسي ذي الطبقة الواحدة بإتباع تقنية الانتشار الرجعيو نسبة (S/B)w لتقييم صلاحية تطبيق الشبكات العصبية الاصطناعية في تمثيل نسبة الهبوط للعملية الرطبة.(B يمثل هبوط الأساس الذي عرضه S حيث أن ) ، ( S/B)s الهبوط للعملية عند الغمرلقد وجد بان الشبكات العصبية الاصطناعية قادرة على دراسة المتغيرات مع بعضها البعض كمجموعةواحدة وإيجاد علاقة بينها بدقة عالية. استخدم في هذه الدراسة طبقة مخفية واحدة احتوت على عقدة واحدةمخفية .اظهر تحليل الحساسية لنماذج الفحوصات باستخدام الشبكات العصبية الاصطناعية بأن لزوجة المادةالمحقونة والكثافة النوعية للتربة لهما التأثير الأكبر على نسبة الهبوط وأظهرت النتائج أن كثافة المادة المحقونة مع نسبة الفجوات للتربة ذات تأثير متوسط على نسبة الهطول كما أظهرت النتائج أن نسبة الجبسالابتدائية والإجهاد والزمن لها تأثير ضئيل في تحديد نسبة الهبوط.لقد تم التوصل إلى استنتاج أن الشبكات العصبية الاصطناعية لها القابلية على تخمين نسبة الهبوطللترب الجبسية مع درجة عالية من الدقة، (S/B)s و نسبة الهبوط للعملية عند الغمر (S/B)w للعملية الرطبةعلاقات ممتازة مع النتائج العملية (S/B)s و (S/B)w فقد أبدت المعادلات التي تم الحصول عليها لتقديرحيث كانت قيم معامل الارتباط ( 0.9541 ) و ( 0.991 ) على التوالي


Article
MEASUREMENT OF HUMAN LEG JOINT ANGLE THROUGH MOTION BASED ON ELECTROMYGRAPHY (EMG) SIGNAL1

Author: Dr. Yousif I. Al-Mashhadany2,
Journal: IRAQI JOURNAL OF COMPUTERS,COMMUNICATION AND CONTROL & SYSTEMS ENGINEERING المجلة العراقية لهندسة الحاسبات والاتصالات والسيطرة والنظم ISSN: 18119212 Year: 2011 Volume: 11 Issue: 2 Pages: 44-55
Publisher: University of Technology الجامعة التكنولوجية

Loading...
Loading...
Abstract

Abstract: Surface electromyography (SEMG) measurement technique for the signal was produced through the contraction of muscles in a human body. The surface electrode is connected on the skin of the muscle. This paper presents an off-line design for the estimation of the actual joint angle of a human leg obtained in performing flexion-extension of the leg at slow and high speeds movement. The design is composed of two phases. The first is measurement of real EMG signal of human leg performance by using SEMG technique and processing this signal with filtering, amplification and then normalized with maximum amplitude. The second phase is to design an artificial neural network (ANN) and train it to predict the joint angle from the parameters extracted from the SEMG signal. Three main parameters of EMG signal are used in the prediction process: Number of turns in a specific time period, duration of signal repetition and amplitude of signal. The design of ANN includes the identification of a performing human leg EMG signal with two speed levels (slow-fast) and estimation of knee joint angle by recognition process depending on the parameters of real measured EMG signal. The real EMG signal is measured from full leg-extension to full leg-flexion by (3 sec) with slow motion and (1 sec) at fast motion. Root mean square (RMS) errors were calculated between the actual angle (measured by the trigonometric formula was applied with any human leg gives real EMG signal measurement) and the angle predicted by the neural network design. This design is simulated by using MATLAB Ver. R2010a, and satisfying results are obtained. That explains the ability of estimation of joint angle for human leg, where the RMS errors are obtained from (0.065) to (0.015) at fast speed leg flexion -extension and from (0.018) to (0.0026) at slow speed leg flexion-extension.

الخلاصة:تقنية قياس أشارة التحفيز العضلي باستخدام المتحسس السطحي إثناء تقلص عضلات الجسم البشري الذي يربط على الجلد المغطي للعضلة. هذا البحث يقدم تصميم لتخمين زاوية المفصل للساق البشري التي تحصل نتيجة انقباض – انبساط الساق عند الحركة البطيئة والسريعة. هذا التصميم يتكون من طورين الأول هو قياس أشارة التحفيز الحقيقة وإدخالها على عمليات عديدة كالتنقية والتكبير والتسوية مع أعلى قيمة للإشارة أما الطور الثاني فيضم تصميم شبكة عصبية صناعية وتدريبها لتخمين زاوية المفصل بالاعتماد على ثلاث خواص رئيسية ( عدد القمم في فترة محددة ، فترة الإشارة ، مستوى الإشارة ) لإشارة التحفيز للعضلات التي تسبب الحركة ( التقلص أو الانبساط ) وتصميم التخمين باستخدام الخلايا العصبية الصناعية يتضمن عملية التعليم والتعريف للإشارة التحفيز وعملية التخمين لقيمة الزاوية إثناء الحركة السريعة والتي قدرت بحوالي ثانية واحدة كحركة انقباض وانبساط وحوالي 3 ثانية كحركة بطيئة .تمت المقارنة بين درجة الخطأ في التخمين مع القياس الحقيقي لزاوية المفصل والتي حسبت بطريقة المثلثات، تمت محاكاة هذا التصميم باستخدام الماتلاب 2010a وحصلت على نتائج مرضية تبين إمكانية اعتماد هذا التصميم لقياس زاوية المفصل إثناء الحركة بالاعتماد على إشارة التحفيز العضلي لبعض العضلات المسببة لهذه الحركة حيث كانت نسبة الخطأ في الحركة البطيئة تتراوح ( 0.018) - (0.0026) وفي الحركة السريعة (0.065)- (0.015).


Article
Forecasting the Daily Peak Load Using Artificial Neural Networks
توقع حمل الذروة اليومي بإستخدام الشبكات العصبية الأصطناعية

Authors: Dhari Y. Al-Samaraee --- Sammar J. Ismail
Journal: Engineering and Technology Journal مجلة الهندسة والتكنولوجيا ISSN: 16816900 24120758 Year: 2005 Volume: 24 Issue: 10 Pages: 1344-1351
Publisher: University of Technology الجامعة التكنولوجية

Loading...
Loading...
Abstract


Article
Prediction Of Monthly Rainfall In Kirkuk Using Artificial Neural Network And Time Series Models
التنبؤ بالأمطار الشهرية لمدينة كركوك باستخدام إلشبكات العصبية الاصطناعية ونماذج السلاسل الزمنية

Author: . Shaymaa Abdul MuttalebAlhashimi شيماء عبد المطلب
Journal: Journal of Engineering and Sustainable Development مجلة الهندسة والتنمية المستدامة ISSN: 25200917 Year: 2014 Volume: 18 Issue: 1 Pages: 129-143
Publisher: Al-Mustansyriah University الجامعة المستنصرية

Loading...
Loading...
Abstract

One of the major problems in water resources management is the rainfall forecasting. With the effect of rainfall on water resources as a foregone conclusion, more accurate prediction of rainfall would enable more efficient utilization of water resources and power generation. On the other hand, climate and rainfall are highly non-linear and complicated phenomena, which require non-linear mathematical modeling and simulation for accurate prediction. One of the non-linear techniques being recently used for rainfall forecasting is the Artificial Neural Networks (ANN) approach which has the ability of mapping between input and output patterns without a prior knowledge of the system being modeled. In this study, three rainfall prediction models were developed and implemented based on past observations such as time series models based on autoregressive integrated moving average (ARIMA),Artificial Neural Network ANN model and Multi Linear Regression MLR model. A Feed Forward Neural Network FFNN model was applied to predict the rainfall on monthly basis. In order to evaluate the performance of three models, statistical parameters were used to make the comparison between these models. These parameters include the correlation coefficient (R) and Root Mean Square Errors(RMSE). The data set that has been used in this study includes monthly measurements for the rainfall, mean temperature, wind speed and relative humidity from year 1970 to 2008 for Kirkuk station. The models were trained with (25 years) of monthly rainfall data. The ANN, ARIMA and MLR approaches are applied to the data to derive the weights and the regression coefficients respectively. The performances of the models were evaluated by using remaining (13 years) of data. By comparing R2 values (0.91, 0.85, and 0.823) of the models, the study reveals that ANN model can be used as an appropriate forecasting tool to predict the monthly rainfall, which is preferable over the ARIMA model and MLR model.

واحدة من المشاكل الرئيسية في إدارة الموارد المائية هو التنبؤ بسقوط الأمطار.ومع تأثير الأمطار على موارد المياهبات امرأ" مهما التنبؤ الدقيق للأمطار لغرض التمكين من الاستخدام الأمثل للموارد المائية وتوليد الطاقة. من ناحية اخرى تعتبر الامطار من الظواهر غير الخطية المعقدة والتي تتطلب النمذجه الرياضية غير الخطية لغرض التنبؤ بها. واحدة من التقنيات غير الخطية المستخدمة حديثا" للتنبؤ بسقوط الإمطار هي الشبكات العصبية الاصطناعية(ANN) التي تمتلك القدرة على التنبؤ بنمط العلاقة بين المدخلات والمخرجات دون معرفة مسبقة للنموذج المراد تمثيله. في هذه الدراسة، تم تطوير ثلاثة نماذج للتنبؤ بهطول الأمطار اعتمادا" على بيانات سابقه وهذه النماذج هي نموذج السلاسل الزمنية على أساس متوسط الانحدار الذاتي المتكامل المتحرك (ARIMA) ونموذج الشبكات العصبية الاصطناعية((ANNوالنموذج الخطي المتعددMLR)). تم تطبيقا عادة توجيه تغذية نموذج الشبكة العصبية نموذج(FFNN)للتنبؤ بهطول الأمطار على أساس شهري. ومن أجل تقييم النماذج الثلاثة ، تم استخدام المعاملات الإحصائية للمقارنة بين هذه النماذج,وتشمل هذه المعايير معامل الارتباط(R) وجذر متوسط مربعات الأخطاء(RMSE). شملت مجموعة البيانات التي استخدمت في هذه الدراسة القياسات الشهرية لهطول الأمطار، سرعة الرياح, متوسط درجة الحرارة، والرطوبة النسبية خلال الفترة الزمنية منالعام1970 حتى 2008لمحطة كركوك. تم تدريب النماذج مع25 عاما" من بيانات هطول الأمطار الشهرية وتم تطبيق النماذج(ANN، ARIMAو(MLRعلى البيانات لاستخلاص الأوزان ومعاملات الانحدار على التوالي.أنجز تقييمأداءالنموذجبأستخدام13 سنة المتبقية من البيانات.من خلال مقارنةR2من النماذج، تم الاستنتاج على أنه يمكن استخدام نموذج((ANNكأداة تنبؤ مناسبة لقيم سقوط الأمطار، الذي يعتبر أفضل من نموذج( ARIMAو MLR).


Article
Predicting the Daily Evaporation in Ramadi City by Using Artificial Neural Network
التنبؤ بالتبخر اليومي باستخدام الشبكات العصبية الصناعية

Author: Atheer Saleem Almawla
Journal: Anbar Journal of Engineering Sciences مجلة الأنبار للعلوم الهندسية ISSN: 19979428 Year: 2017 Volume: 7 Issue: 2 Pages: 134-139
Publisher: University of Anbar جامعة الانبار

Loading...
Loading...
Abstract

In this paper the artificial neural network used to predict dilly evaporation. The model was trained in MATLAB with five inputs. The inputs are Min. Temperature, Max. Temperature, average temperature, wind speed and humidity. The data collected from Alramadi meteorological station for one year. The transfer function models are sigmoid and tangent sigmoid in hidden and output layer, it is the most commonly used nonlinear activation function. The best numbers of neurons used in this paper was three nodes. The results concludes, that the artificial neural network is a good technique for predicting daily evaporation, the empirical equation can be used to compute daily evaporation (Eq.6) with regression more than 96% for all (training, validation and testing) as well as, in this model that the Max. Temperature is a most influence factor in evaporation with importance ratio equal to (30%) then humidity (26%).


Article
Prediction of Groundwater Level in Safwan-Zubair Area Using Artificial Neural Networks

Authors: Ali H. Al-Aboodi علي حسن دهيم --- Kifah M. Khudhair --- Ali S. Al-Aidani
Journal: Basrah Journal for Engineering Science مجلة البصرة للعلوم الهندسية ISSN: Print: 18146120; Online: 23118385 Year: 2016 Volume: 16 Issue: 1 Pages: 42-50
Publisher: Basrah University جامعة البصرة

Loading...
Loading...
Abstract

Safwan-Zubair area is regarded as one of theimportant agricultural areas in Basrah province, South of Iraq.The aim of this study is to predict groundwater level in this areausing ANNs model. The data required for building the ANNmodel are generated using MODFLOW model (V.5.3).MODFLOW model was calibrated based on field measurementsof groundwater level in13 monitoring wells during a period ofone year (Nov./2013 to Oct/2014). The neural network toolboxavailable in MATLAB version 7.1 (2010B) was used to developthe ANN models. Three layers feed-forward network with Log-sigmoid transfer function was used. The networks were trainedusing Levenberg-Marquardt back-propagation algorithm. TheANN modes are divided into two groups, each of four models.The input data of the first group include hydraulic heads, while,the input data of the second group include hydraulic heads andrecharge rates. Based on results of this study it was found that;the best ANN model for predicting groundwater levels in thestudy area is obtained when the input data includes hydraulicheads and recharge rates of two successive months preceding thetarget month, the best structure of ANN model is of three layersfeed-forward network type composes of two hidden layers, eachof ten nodes, and the including of recharge rates as input data,beside the hydraulic heads has improved slightly the results.

Listing 1 - 10 of 130 << page
of 13
>>
Sort by
Narrow your search

Resource type

article (130)


Language

English (103)

Arabic and English (15)

Arabic (8)


Year
From To Submit

2019 (5)

2018 (17)

2017 (13)

2016 (16)

2015 (3)

More...