research centers


Search results: Found 9

Listing 1 - 9 of 9
Sort by

Article
The Use of neural networks to rationalize investment decisions
استخدام الشبكات العصبية في ترشيد القرارات الاستثمارية

Loading...
Loading...
Abstract

This study aims to demonstrate the importance of using the neural networks in the process of investment decision making and choosing the investment project that achieves the objectives of the organization. The problem of research is not to rely on modern technical methods in preparing management accounting information so that it can meet the current challenges facing business organizations. The importance of the study appears through the increasing need to make administrative decisions as quickly and accurately as possible. As well as the multiple advantages provided by artificial neural networks as one of the scientific techniques that began to be used in multiple areas. The RBF neural network was also used in the selection process between investment projects in Nineveh Governorate. The study concluded with a number of conclusions, including: The superiority of neural networks to the traditional statistical methods, using them in all areas and based on the conclusions reached by the study. A set of recommendations has been made including: The need for governmental agencies service and financial institutions to adopt the technology of neural networks for the ability to Deal with the vast amount of information and speed of access to the results at the lowest cost

تهدف الدراسة الى بيان اهمية استخدام الشبكات العصبية في عملية اتخاذ القرارات الاستثمارية واختيار المشروع الاستثماري الذي يحقق اهداف المنظمة، اذ تتجسد مشكلة البحث في عدم الاعتماد على الاساليب التقنية الحديثة في اعداد معلومات المحاسبة الادارية بحيث يمكنها الوفاء بمتطلبات التحديات الراهنة التي تواجه منظمات الاعمال، وتظهر اهمية الدراسة من خلال تزايد الحاجة الى اتخاذ القرارات الادارية بالسرعة والدقة الممكنة، فضلا عن المزايا المتعددة التي توفرها الشبكات العصبية الاصطناعية كونها احدى التقنيات العلمية التي بدأ استخدامها في مجالات متعددة، حيث تم استخدام دالة RBF في عملية الاختيار بين المشاريع الاستثمارية في محافظة نينوى. وخلصت الدراسة الى مجموعة من الاستنتاجات منها: تفوق الشبكات العصبية على الاساليب الاحصائية التقليدية، باستخدامها في كافة المجالات وبناءً على الاستنتاجات التي توصلت اليها الدراسة، تم تقديم مجموعة من التوصيات منها: ضرورة اعتماد الجهات الحكومية والمؤسسات الخدمية والمالية تقنية الشبكات العصبية، لقدرتها على التعامل مع الكم الهائل من المعلومات وسرعة وصولها الى النتائج بأقل كلفة.


Article
Digital Modulation Recognition in Noisy Environment Using a Learning Machine

Authors: M.A. Shakir --- S.H. Haji --- B.K. AL-Sulaifanie
Journal: Engineering and Technology Journal مجلة الهندسة والتكنولوجيا ISSN: 16816900 24120758 Year: 2017 Volume: 35 Issue: 6 Part (A) Engineering Pages: 624-633
Publisher: University of Technology الجامعة التكنولوجية

Loading...
Loading...
Abstract

This paper proposes a method to identify the type of digitally modulated signals. The modulation classification process is performed using Support Vector Machines (SVMs) with one versus all approach. A multi-class recognition system is required. Consequently, the Radial Basis Function (RBF) kernel is proposed. The system is intended to classify three types of signals: ASK FSK, and PSK. Five features are extracted from amplitude, frequency and phase of each modulated signal to be the input of the SVM classifier. The system is simulated using MATLAB software. The system is tested against Additive White Gaussian Noise (AWGN). The classification rate for all modulated signals is measured at different values of SNR. The overall performance of this classifier is around 83% at -5 dB. Furthermore, to enhance the performance of the classifier further, the data inputs to the SVMs for each modulated signal is reduced by eliminating some key features. These are the standard deviation of the direct value of the centered non-linear component of the instantaneous phase and the standard deviation of the absolute value of the normalized-centered of the instantaneous amplitude. The overall performance after input data reduction is greater than 84% at -5 dB.


Article
Outdoor Scene Classification Using Multiple SVM

Authors: Matheel E. Abdulmunem --- Eman Hato
Journal: Iraqi Journal of Science المجلة العراقية للعلوم ISSN: 00672904/23121637 Year: 2018 Volume: 59 Issue: 4C Pages: 2323-2335
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

This paper presents a hierarchical two-stage outdoor scene classification method using multi-classes of Support Vector Machine (SVM). In this proposed method, the gist feature of all the images in the database is extracted first to obtain the feature vectors. The image of database is classified into eight outdoor scenes classes, four manmade scenes and four natural scenes. Second, a hierarchical classification is applied, where the first stage classifies all manmade scene classes against all natural scene classes, while the second stage of a hierarchical classification classifies the outputs of first stage into either one of the four manmade scene classes or natural scene classes. Binary SVM and multi-classes SVMs are employed in the first and second stage of a hierarchical classification respectively. The proposed method is designed also to compare and find the most suitable multi-classes SVMs approach and the kernel function for classification task, where their performances are analyzed based on experimental results. The multi-classes SVMs used in this paper are One-versus-All (OvA) and One-versus-One (OvO), while the kernel functions used are linear kernel, Radius Basis Function (RBF) kernel and Polynomial kernel. Experimental results indicate that OvO classifier provides better performance than OvA classifier. The results, also show that the Polynomial kernel function is superior to others kernel function.

Keywords

Gist descriptor --- OvA --- OvO --- RBF kernel --- Polynomial kernel --- SVM.


Article
Image Clustering based on Artificial Intelligence Techniques

Author: Baydaa Ibraheem Khaleel
Journal: AL-Rafidain Journal of Computer Sciences and Mathematics مجلة الرافدين لعلوم الحاسوب والرياضيات ISSN: 18154816 Year: 2014 Volume: 11 Issue: 1 Pages: 99-112
Publisher: Mosul University جامعة الموصل

Loading...
Loading...
Abstract

Clustering has been widely used in data analysis and pattern recognition and classification. The objective of cluster analysis is the classification of objects according to similarities among them, and organizing of data into groups. There are several algorithms for clustering large data sets or streaming data sets, Their aims are to organize a collection of data items into clusters. These such items are more similar to each other within a cluster, and different than they are in the other clusters. We have take the advantage of classification abilities of Artificial Intelligence Techniques (AITs) to classify images data set into a number of clusters. The Gath-Geva (GG) fuzzy clustering algorithm, Artificial Bee Colony algorithm(ABC), Radial Basis Function Network(RBF), and then combined Gath-Geva algorithm with (RBF) algorithm to produce Fuzzy RBF (FRBF) method were applied using images data set to classify this data set into a number of clusters (classes). Each cluster will contain data set with most similarity in the same cluster and most dissimilarity with the different clusters. We compute the classification rate, and false rate on this data set. Finally we make comparisons between results obtained after applying these algorithms on this images data set. The FRBF is better than the other three methods that applied in this research such as G-G, ABC, RBF, because the FRBF was obtained higher classification rate in testing state equal (96.8571) and low false alarm equal(3.1429).

العنقدة تستخدم بشكل واسع في تحليل البيانات وتمييز الأنماط والتصنيف. أهداف تحليل العنقود هو تصنيف الاشياء طبقا للتشابه فيما بينها، وتنظيم البيانات على شكل مجاميع. هناك خوارزميات عدة لعنقدة مجاميع البيانات الكبيرة أو سيل من مجاميع البيانات، أهدافها تنظيم مجاميع البيانات في عناقيد ، وعناصر البيانات هذه الموجودة في العنقود الواحد تشبه بعضها البعض الآخر وتختلف عن عناصر البيانات في عناقيد أخرى. لقد تم اخذ الفائدة لقابليات التصنيف للتقنيات الذكائية الاصطناعية لتصنيف مجموعة بيانات الصور الى عدد من العناقيد. فقد تم تطبيق خوارزمية العنقدة المضببة G-G وخوارزمية مستعمرة النحل الاصطناعية ABC وشبكة دالة القاعدة الشعاعية RBF وبعد ذلك تم دمج خوارزمية G-G مع شبكة RBF لتنتج شبكة دالة القاعدة الشعاعية المضببة FRBF. تصنف مجموعة بيانات الصور الى عدد من العناقيد او الاصناف، حيث كل عنقود يحوي على مجموعة بيانات متشابه في نفس العنقود و غير متشابه مع العناقيد الاخرى. تم حساب نسبة التصنيف ونسبة الخطا لهذه البيانات. وأخيرا تم مقارنة النتائج التي تم الحصول عليها بعد تطبيق هذه الخوارزميات على مجموعة بيانات الصور. FRBF هي افضل من الطرق الثلاثة الاخرى التي تم تطبيقها في هذا البحث وهي G-G, ABC, RBF، وذلك لان FRBF حصلت على أعلى نسبة تصنيف في مرحلة الاختبار والتي تساوي (96.8571) واقل نسبة خطا وهي (3.1429).ABS


Article
مقارنة مقدرات عرض الحزمة (معلمة التمهيد) باستخدام الدوال اللبية في تحليل المركبات الرئيسية

Authors: لقاء علي محمد --- أمير علي عبود
Journal: Journal Of AL-Turath University College مجلة كلية التراث الجامعة ISSN: 20745621 Year: 2016 Issue: 20 Pages: 412-436
Publisher: Heritage College كلية التراث الجامعة

Loading...
Loading...
Abstract

Always Principal Component Analysis (PCA) used multivariate analysis with high dimensional data sets, often using Principal Component Analysis (PCA) to reduce these dimensions, The Principal Component Analysis (PCA) based on the study of the relationship between a group of high-dimensional variables and convert them to a new group of components,The principle component analysis based on study the relation between the high dimension variable group and transfer it to new groups of components Which summarizes the measured variables and be qualified to explain the most of the contrast of the original data , and it depends mainly on the calculation of the covariance matrix or correlation matrix but this analysis is affected by the nature of the data, it can be performed only after the covariance matrix achieve to the conditions before starting their own analysis. One of these condition is the linearity of data , Since the data of the phenomenon studied in this research do not achieve this status being characterized by non-linear feature, so it was resorting to the use of Kernel functions in the analysis of the principle components ,which is based on its calculated on the beginning identification (bandwidth) estimated in our research with variety methods ,are Least Squares Cross Validation (LSCV), biased crossing valid (BCV), Smoothed Cross-Validation (SCV) , Direct Plug-in Rule (DPI) . comparing these estimatore through the effective principle components numbers when their eigen values increasing more than one and corresponds from the ratio in explain the Total variance .

عند استخدام تحليل متعدد المتغيرات مع مجاميع البيانات ذات الابعاد العالية , غالباً ما نستخدم تحليل المركبات الرئيسية (PCA) لتقليص تلك الابعاد .حيث يعمل تحليل المركبات الرئيسية (PCA) على دراسة العلاقة بين مجموعة من المتغيرات عالية الابعاد وتحويلها الى مجموعة جديدة من المركبات والتي تلخص المتغيرات المقاسة وتكون مؤهلة لتفسير معظم التباين الكلي للبيانات الاصلية ويعتمد بصورة رئيسية على حساب مصفوفة التباين المشترك او مصفوفة الارتباط , الا ان هذا التحليل يتأثر بطبيعة البيانات ولا يمكن اجراءه الا بعد تحقيق مصفوفة التباينات للشروط الخاصة بها قبل البدء بالتحليل ومن هذه الشروط هي الخطية في البيانات وبما ان بيانات الظاهرة المدروسة في هذا البحث لا تحقق هذه الصفة كونها تتصف بخاصية اللاخطية عليه تم اللجوء الى استخدام دالة (RBF KERNEL) اللبية في تحليل المركبات الرئيسية, والتي تعتمد في حسابها على معلمة التمهيد (عرض الحزمة) وقدرت في بحثنا هذا بمجموعة من الطرق هي (مقدر المربعات الصغرى للعبور الشرعي (LSCV) , مقدر العبور الشرعي المتحيز (BCV) , مقدر العبور الشرعي الممهد (SCV) , مقدر قاعدة الملئ المباشر (PI) ) , وتطبيقها على البيانات الناتجة من تجارب المحاكاة لحجوم العينات المختلفة (صغيرة , متوسطة , كبيرة) , والمقارنة بين تلك المقدرات من خلال عدد المركبات الرئيسية الفعالة التي تزيد قيم الجذور الذاتية لها عن الواحد الصحيح وما يقابلها من النسبة في تفسير التباين الكلي .


Article
Using radial basis function neural networks (RBFNNs) to forecasting with fuzzy time series
استخدام دالة الاشعاع الاساسية للشبكات العصبية RBF للتكهن بالمتسلسلات الزمنية المضببة

Author: Ayad hamad khalaf Lecturer اياد حمد خلف
Journal: Tikrit Journal For Administration & Economics Sciences مجلة تكريت للعلوم الادارية والاقتصادية ISSN: 18131719 Year: 2016 Volume: 12 Issue: 36 Pages: 126-140
Publisher: Tikrit University جامعة تكريت

Loading...
Loading...
Abstract

Abstractwe introduce study of a method to forecasting fuzzy time series relying on radial basis function neural networks in the process of lifting the misty during speculate process a few steps away from the use of FCM function and the process of fuzzy clustering. been integrating these processes to reach the best results when compared to previous studies which has recording data for students at the University of Alabama. has been using MATLAB program to create clusters that are used as groups Millbh and drawing functions, as well as the use of Excel software to perform calculations were obtained a few error ratio of between the numbers of registered university mentioned when compared to previous studies.

المستخلصنقدم دراسة طريقة للتكهن بالمتسلسلات الزمنية المضببة بالاعتماد على دالة الاشعاع الاساسية للشبكات العصبية Radial Basis Function Neural Networks في عملية رفع الضبابية اثناء عملية التكهن بعد عدة خطوات من استخدام طريقةFCM وعملية العنقدة المضببة. وتم دمج جميع هذه العمليات للتوصل الى نتائج افضل اذا ما قورنت بالدراسات السابقة التي طبقت على بيانات لتسجيل الطلبة بجامعة الاباما. أُستخدام برنامج الماتلاب لايجاد العناقيد التي تستخدم كمجموعات مضببة ورسم الدوال واستخدام برنامج الاكسل لاجراء العمليات الحسابية .تم الحصول على نسبة متوسط مربع الخطأ منخفضة من بين اعداد المسجلين بالجامعة المذكورة والقيم المتكهن بها اذا ما قورنت بالدراسات السابقة.


Article
Diagnosis Lung Cancer Disease Using Machine Learning Techniques
تشخيص مرض سرطان الرئة باستخدام آلة تقنيات التعلم.

Author: Shokhan M. Al-Barzinji شوخان محمود حمة البرزنجي
Journal: Iraqi Journal of Information Technology المجلة العراقية لتكنولوجيا المعلومات ISSN: 19948638/26640600 Year: 2018 Volume: 8 Issue: 4 اللغة الانكليزية Pages: 110-130
Publisher: iraqi association of information الجمعية العراقية لتكنولوجيا المعلومات

Loading...
Loading...
Abstract

Lung cancer (LC) is the leading cause of cancer-related deaths, both in women and among men. Yearly, LC kills more people than other cancers such as colon cancer, prostate cancer, and lymphoma and breast cancer, with 2.8 million deaths in 2017. To analyze any disease characteristics, a data mining is used for decision support process, specify the disease with its details. Data mining techniques are the amount of actual data are used to analyze these data to predict wholesome data to support a decision-making in a problem-solving. In this paper, used a data mining techniques, hybrid model Radial Basis Function - Neural Network (RBF-NN) and Genetic Algorithms (GA) to support different healthcare fields and adopted a correct decision about the diagnosis of LC disease and specify the risk factors for this disease to support decision process. The results demonstrate that the prediction accuracy of LC through the hybrid method is about 94%.

يعد سرطان الرئة المسبب الرئيسي للوفيات لاغلب مرضى السرطان ، وفي كلا الجنسين. اذ يفتك سرطان الرئة بعدد كبيرا من الأشخاص مقارنة مع الأنواع الأخرى من السرطانات مثل سرطان القولون وسرطان البروستاتا والورم الليمفاوي وسرطان الثدي حيث وصلت عدد الوفيات عام 2016 فقط الى 2.6 مليون حالة وفاة. ولغرض تحليل أي مرض، يتم استخدام استخراج البيانات لدعم عملية اتخاذ القرار وتحديد المرض وتفاصيله. ان تقنيات استخراج البيانات هي كمية البيانات المستخدمة لتحليل عملية صنع القرار في حل المشكلات. في هذه الورقة البحثية ، تم استخدم تقنيات استخراج البيانات ، وكذلك نموذج هجين مكون من - الشبكات العصبية (RBF-NN) والخوارزميات الجينية (GA) لغرض دعم مختلف مجالات الرعاية الصحية واعتمد القرار الصحيح بشأن تشخيص مرض سرطان الرئة وتحديد عوامل الخطر لهذا المرض لدعم عملية اتخاذ القرار. تٌظهر النتائج أن دقة التنبؤ بمرض سرطان الرئة من خلال الطريقة الهجينة تبلغ حوالي 94٪.


Article
مقارنة تقنيات الاستيفاء المكاني لخرائط مناسيب المياه الجوفية في قضاء تلعفر باستخدام نظم المعلومات الجغرافية GIS

Author: أ.د. علي عبد عباس العزاوي
Journal: Journal of Kirkuk University Humanity Studies مجلة جامعة كركوك للدراسات الانسانية ISSN: 19921179 Year: 2019 Volume: 14 Issue: 1 Pages: 226-244
Publisher: Kirkuk University جامعة كركوك

Loading...
Loading...
Abstract

Groundwater is one of the most important alternative water resources for civil and agricultural uses in arid and semi-arid regions, due to the increasing demand for domestic and agricultural uses. Therefore, groundwater forecasting is useful for managing the size, level, planning and maintenance of agricultural development. In this study, three geostatistics methods were compared. A dataset of the measured water level of 75 selected wells was selected in the fourth month of 2013 in Tal Afar for an area of 4596 km2, to choose the best method for producing the most accurate numerical map of groundwater (GWT). .Spatial Interpolation Techniques have been applied in three ways (kriging, IDW, and RBF) for spatial interpolation of groundwater. Several models of semivariograms (Spherical, Gaussian, Invers Multiquadric, Exponential) were performed and after testing for several models, the final model was selected to estimate groundwater levels in the area and the amount of variance (which expresses the accuracy of the water level estimation) Groundwater), and the best method of prediction was determined based on Cross-Validation technique. RMSE is the best model, and RBF is best used to create an Interpolation Map because it has a lower error ratio compared to the results of kriging (IDW). The above methods were implemented using ArcGIS 10.3.Keywords: spatial statistics, groundwater levels, cross-validation (IDW), (RBF), Kriging, ArcGIS 10.3

تعد المياه الجوفية من أهم موارد المياه البديلة للاستخدامات المدنية والزراعية في المناطق الجافة وشبه الجافة، نظرا للطلب المتزايد عليه للاستعمالات المنزلية والزراعية وعليه فإن التنبؤ بمنسوب المياه الجوفية مفيد لإدارة حجم ومستوى هذه الموارد والتخطيط لها والحفاظ عليها لعمليات التنمية الزراعية. في هذا ألبحث تم مقارنة ثلاثة طرق جيواحصائية (geostatistics) اخذت مجموعة بيانات لمنسوب المياه الجوفية المقاسة حقليا من 75 بئرا مختارة في شهر الرابع 2013 في قضاء تلعفر لمساحة 4596 كم2, لاختيار افضل طريقة لإنتاج ادق خارطة رقمية لمنسوب المياه الجوفية ( (G.W.T.. W.T... تم تطبيق تقنيات التخمين الاحصائي المكاني Spatial Interpolation Techniques بثلاث طرق هي (kriging) و(IDW) و(RBF) للاستيفاء المكاني لمنسوب المياه الجوفية. وتم عمل تقريب ملائم (fitted) لعدة موديلات من (semivariograms) منها (Spherical, Gaussian, Invers Multiquadric, Exponential) وبعد إجراء الاختبارات لعدة موديلات تم أختيار الموديل النهائي لتخمين مناسيب المياه الجوفية في المنطقة ومقدار التباين ( الذي يعبر عن دقة التخمين في منسوب المياه الجوفية ) ، وتم تحديد الطريقة الافضل للتنبؤ بناءا على تقنية Cross-Validation . وقيمة الجذر التربيعي لمتوسط الخطا RMSE حيث وجد ان نموذج Invers Multiquadric هو النموذج الافضل,وتم اعتماد RBF كافضل طريقة لانشاء خارطة استيفاء مكاني Interpolation Mapكونها تحوي على نسبة خطأ اقل اذا ما قورنت بنتائج (kriging , IDW ) تم تنفيذ الطرق اعلاه باستخدام برنامج ArcGIS 10.3 .


Article
A Study of Accuracy of Data Mining Algorithms in Diagnosis of Emphysema Disease (EmD)

Author: Abd Abrahim Mosslah
Journal: Diyala Journal For Pure Science مجلة ديالى للعلوم الصرفة ISSN: 83732222 25189255 Year: 2018 Volume: 14 Issue: 02 Pages: 1-16
Publisher: Diyala University جامعة ديالى

Loading...
Loading...
Abstract

Data mining techniques are the Amounts of actual data are used to analyze these data to predict whole some data to support a decision-making in a problem-solving. A data mining is very useful to analyze any disease characteristics to support the decision process and specify what the disease is and what Details IS. In the proposed present papers, using the real algorithms of data mining techniques to support different healthcare fields and adopted a correct decision about the diagnosis of emphysema disease and specify the risk factors for this disease to support decision process. In this research, a data-mining model of EmD prediction using a hybrid model Radial Basis Function - Neural Network (RBF-NN) and Genetic Algorithms (GA) has been presented. From the results, it has been seen that a hybrid model predicts EmD with nearly 95% accuracy. Furthermore, the examined samples of individuals share the same risk factors a symptom. Data mining depends on these symptoms and factors to diagnosis obstructive emphysema disease.

Listing 1 - 9 of 9
Sort by
Narrow your search

Resource type

article (9)


Language

English (5)

Arabic (2)

Arabic and English (2)


Year
From To Submit

2019 (2)

2018 (3)

2017 (1)

2016 (2)

2014 (1)