گزارش کار فیزیک هسته ای، بدست آوردن طیف تابع پاسخ آشکار ساز NE102 - آشکار ساز BF3 3- آشکار ساز NE213 و روش جدا سازی نوترون گاما

اختصاصی از فی موو گزارش کار فیزیک هسته ای، بدست آوردن طیف تابع پاسخ آشکار ساز NE102 - آشکار ساز BF3 3- آشکار ساز NE213 و روش جدا سازی نوترون گاما دانلود با لینک مستقیم و پر سرعت .

ابتدا آشکار ساز را برای مدت 5 دقیقه (300ثانیه) می گذاریم بشمارد تا تابش زمینه back ground مشخص شود وقتی شمارش تمام شد با یک چشمه سزیم Cs را برای آشکار سازی در کنار آشکار ساز NE102 قرار می­دهیم و شمارش را ادامه می­دهیم سپس برای بدست آمدن شمارش خالص شمارش بدست آمده را از تابش زمینه کم می­کنیم و طیف حاصل را در نرم افزار origin رسم می­کنیم. همین روند را برای چشمه کبالت Co و سدیم Na انجام می­دهیم و شکل آن را نیز رسم می کنیم.

خوشبختانه جداسازی تپهای گاما با وسایل الکتریکی امکان پذیر است. این روش، که جداسازی از طریق شکل تپ  ( PSD ) خوانده می شود بر پایه اختلاف پاسخ سوسوزن به رویدادهای وابسته به گاما و نوترون است. الکترون ها که از پرتو های گاما تولید می شوند، سوسوزنیشان سریعتر از سوسوزنیهای پروتون تولید شده از نوترون هاست. بنابراین تپ الکترونی وابسته به برهمکنش های فوتونی دارای زمان خیزش سریعتر از تپهای وابسته به نوترون هاست. مدار های مختلفی برای PSD وجود دارند. همه این مدار ها تپی تولید می کنند که ارتفاع آن بستگی به مولفه های آهسته و سریع سوسوزنی دارد.

کاربردهای سیستم های حرفه ای، سیستم های حرفه ای و کاربردهایشان پیش بینی تغییرات بورس از طریق شبکه های عصبی ( مشاهدات تجربی در کو

اختصاصی از فی موو کاربردهای سیستم های حرفه ای، سیستم های حرفه ای و کاربردهایشان پیش بینی تغییرات بورس از طریق شبکه های عصبی ( مشاهدات تجربی در کویت ) دانلود با لینک مستقیم و پر سرعت .

شامل فایل پی دی اف مقاله به زبان انگلیسی و فایل ورد و پی دی اف ترجمه آن

فایل اصلی  8 صفحه و فایل ترجمه 15 صفحه

عنوان مقاله : Forecasting stock exchange movement using neural networks:empirical evidence from Kuwait

مقاله از سایت elsevier.com مربوط به سال 2010 

قسمتی از ترجمه متن

     سری های زمانی مالی بسیار پیچیده و پویا هستند، به گونه ای که با ویژگی تغییرپذیری فراوان توصیف می شوند. هدف اصلی این پژوهش پیش بینی تغییرات قیمت نهایی بورس سهام کویت با استفاده از داده های سال های 2001 تا 2003 است. دو طرح شبکه های عصبی، یکی شبکه عصبی MLP و دیگری شبکه عصبی رگرسیون تعمیم یافته می باشد که برای پیش بینی تغییرات بورس سهام کویت به کار گرفته می شود. نتیجه این مطالعه نشان می دهد که مدل های محاسبه ای ذهنی ابزار مناسبی برای پیش بینی تغییرات بورس سهام در بازارهای نوپا است. این نتایج همچنین نشان می دهد که الگوریتم آموزشی شبه نیوتن خطای پیش بینی کمتری در مفایسه با دیگر الگوریتم های آموزشی دارد. به دلیل توانمدی و انعطاف پذیری الگوریتم های مدل سازی انتظار می رود که مدل های محاسبه ای ذهنی از تکنیک های آمار سنتی مانند رگرسیون و ARIMA به منظور پیش بینی تغییرات قیمت نهایی بورس سهام پیشی بگیرند.