البحث — المستودع الرقمي العراقي

نتائج البحث: 2 من أصل 2

بعض طرائق التقدير لمعلمتي توزيع باريتو من النوع الاول باستخدام المحاكاة مع تطبيقات عملية == Some Estimation Methods for the Parameters of Pareto type I by using Simulation with Practical Application

اسم المؤلف: عدويه ناجي عطيوي الخشالي

اسم المشرف: حازم منصور كوركيس

الموضوع العام: علوم الرياضيات

السنة: 2016

الموضوع الدقيق: الرياضيات التطبيقية

الدرجة: ماجستير

الجامعة: جامعة بغداد

اللغة: الانكليزية

مكان الجامعة: بغداد

الصفحات الاولى:

المستخلص: تناولت رسالة الماجستير هذه مناقشة العديد من الخصائص الاحصائية لتوزيع باريتو من النوع الاول ذو المعلمتين، كذلك تم التطرق الى العلاقة بين توزيع باريتو وعدد من التوزيعات المستمرة الاخرى.ان الغرض من الرسالة هو مقارنة طريقة بيز القياسية مع اربعة من الطرق التقليدية لتقدير معلمتي الشكل والقياس باستخدام طريقة مونت - كارلو لمحاكاة نماذج مختلفة.وقد تبين من خلال الدراسة ان مقدر بايز افضل من المقدرات الاخرى لتقدير المعالم باستخدام متوسط مربعات الخطا (M.S.E) من اجل المقارنة بين افضلية مقدرات طرائق التقدير المختلفة ولحجوم العينات المختلفة. علاوة على ذلك، تناول الباحث بعض التطبيقات الحقيقية من الحياة والتي تتوزع بعضها توزيع باريتو.تم استخراج النتائج عن طريق كتابة برامج باستخدام برنامج الماتلاب MATLAB R2013b. | In this thesis several statistical properties for Pareto distribution type one with two parameters had been discussed. The relationship of Pareto distribution with many other continuous distributions is also presented. However, the main purpose of this thesis is to compare between standard Bayes method and four classical methods to estimate the shape and scale parameters by using Monte Carlo simulation method for different models. It had been shown that standard Bayes estimator is better than other estimators in the sense of MSE by assuming different sample sizes. Moreover, some real life applications related to Pareto distribution are given. The computer programs are writing and the run is made by using MATLAB (R2013b) professional software.

تصميم شبكات عـصبية ملائمة لحل مسائل القيم الذاتية وتطبيقاتها == Design Suitable Neural Networks to Solve Eigen Value Problems and It?s Application

اسم المؤلف: عثمان مهدي صالح

اسم المشرف: عثمان مهدي صالح

الموضوع العام: علوم الرياضيات

السنة: 2015

الموضوع الدقيق: الرياضيات التطبيقية

الدرجة: ماجستير

الجامعة: جامعة بغداد

اللغة: الانكليزية

مكان الجامعة: بغداد

الصفحات الاولى:

المستخلص: الهدف من هذه الرسالة هو تصميم شبكات عصبية ملائمة ذات تغذية تقدمية كطريقة لحل مسائل القيم الذاتية للمعادلات التفاضلية الاعتيادية الشاذة وغير الشاذة ذات الشروط الحدودية. الشبكة المقترحة تتعلق بحساب القيم الذاتية والدالة الذاتية المرافقة لها والتي تمثل الحل الغير صفري لنموذج المسالة.ايضا ناقشنا عدد من خوارزميات الاداء ذات المستوى العالي المستخدمة في خوارزميات تدريب الانتشار المرتد للشبكات العصبية ذات التغذية التقدمية وعرض نتائج المقارنة الحاصلة من تطبيق MATLAB مثل ﻟﻴفنبرﻙ - ماركواردت , شبيه نيوتن, تنظيم بيزن, ومن ثم تسريع اداء الشبكات المقترحة من خلال تعديل خوارزميات التدريب هذه, حيث ان بعضها يمتلك نسبة تقارب سريعة جدا لشبكات ذات احجام معقولة.الهدف الاخر لهذه الرسالة هو تحسين خوارزمية التدريب ﻟﻴفنبرﻙ - ماركوارت من خلال الاختيار المناسب للمعامل μk والذي يضمن التقارب لخوارزمية التدريب هذه.ايضا عالجنا عدة مشاكل واجهتنا اثناء تقنية التدريب مثل : التوقف المبكر, خزن الذاكرة , التنظيم وحساب مصفوفة هيسين ومعكوسها.اخيرا تم توضيح الشبكات المقترحة من خلال حل مسائل متنوعة ومقارنتها مع حلول بطرق مختلفة اخرى لاثبات سرعة , دقة وفاعلية استخدام تقنية الشبكات في حل هذا النوع من المعادلات. | The aim of this thesis is to design suitable feed forward neural networks to present a method to solve eigenvalue problems for non - singular ordinary differential equations with boundary conditions. The suggested networks concerned with the computation of eigenvalues and associated eigenfunction which represent the nontrivial solution of the problem model. Also, we will discuss several high performance algorithms used in back propagation training of the feed forward neural networks and present comparative results obtained in MATLAB implementation such as : Levenberg - Marquardt, quasi - Newton and Bayesian regularization, update procedure, then speeding suggested networks by modification these training algorithms, many of them have a very fast convergence rate for reasonable size networks.Other aims of this thesis is to modify Levenberg - Marquardt training algorithm by suitable choice of the parameter μk which guarantee super linearly convergence for this training algorithm. Also, we treat many problems that confront during the training technique such as : early stopping, memory storage, regularization and calculating of Hessian matrix and its inverse.Finally, illustrate the suggested networks by solving a variety of model problems and present comparisons with solutions obtained using other different methods to show speed, accuracy and effectiveness of using the networks technique for solving this type of equations