Parameter Inversion Based on Levenberg-Marquardt Algorithm for Layered Formation Using Electromagnetic Wave Resistivity Tool

2021 ◽  
Author(s):  
Rui Zhang ◽  
Lijun Xu ◽  
Shijie Sun ◽  
Jiangtao Sun ◽  
Yuedong Xie ◽  
...  
Keyword(s):  
Electromagnetic Wave ◽  
Parameter Inversion ◽  
Marquardt Algorithm ◽  
Layered Formation ◽  
Levenberg Marquardt

Comparison of an Artificial Neural Network and a Multiple Linear Regression in Predicting the Heat of Combustion of Diesel Fuel Based on Hydrocarbon Groups

2020 ◽  
Vol 71 (6) ◽  
pp. 66-74
Author(s):  
Younis M. Younis ◽  
Salman H. Abbas ◽  
Farqad T. Najim ◽  
Firas Hashim Kamar ◽  
Gheorghe Nechifor
Keyword(s):  
Neural Network ◽  
Artificial Neural Network ◽  
Diesel Fuel ◽  
Back Propagation ◽  
Second Step ◽  
Heating Value ◽  
Network Training ◽  
Marquardt Algorithm ◽  
Levenberg Marquardt ◽  
Propagation Network

A comparison between artificial neural network (ANN) and multiple linear regression (MLR) models was employed to predict the heat of combustion, and the gross and net heat values, of a diesel fuel engine, based on the chemical composition of the diesel fuel. One hundred and fifty samples of Iraqi diesel provided data from chromatographic analysis. Eight parameters were applied as inputs in order to predict the gross and net heat combustion of the diesel fuel. A trial-and-error method was used to determine the shape of the individual ANN. The results showed that the prediction accuracy of the ANN model was greater than that of the MLR model in predicting the gross heat value. The best neural network for predicting the gross heating value was a back-propagation network (8-8-1), using the Levenberg�Marquardt algorithm for the second step of network training. R = 0.98502 for the test data. In the same way, the best neural network for predicting the net heating value was a back-propagation network (8-5-1), using the Levenberg�Marquardt algorithm for the second step of network training. R = 0.95112 for the test data.

scholarly journals IDENTIFIKASI IRIS MENGGUNAKAN IMPROVED LEVENBERG-MARQUARDT

2015 ◽  
Vol 1 (1) ◽  
pp. 10
Author(s):  
Rocky Yefrenes Dillak
Keyword(s):  
Hough Transform ◽  
Recognition Rate ◽  
Correct Recognition ◽  
Gray Level ◽  
Maximum Probability ◽  
Circular Hough Transform ◽  
Marquardt Algorithm ◽  
Levenberg Marquardt ◽  
Correct Recognition Rate

Sistem biometrika adalah suatu sistem pengenalan diri menggunakan bagian tubuh atau perilaku manusia seperti sidik jari, telapak tangan, telinga, retina, iris mata, wajah, suhu tubuh, tanda tangan, dll. Iris mata merupakan salah satu biometrika yang sangat stabil, handal, akurat dan merupakan metode autentikasi biometrika tercepat  oleh karena itu merupakan suatu topik penelitian yang sangat diminati oleh banyak peneliti. Penelitian ini bertujuan untuk mengembangkan suatu metode yang dapat digunakan untuk mengidentifikasi secara otomatis seseorang berdasarkan citra iris mata miliknya menggunakan jaringan syaraf tiruan levenberg-marquardt. Penelitian ini menggunakan metode deteksi tepi cany dan circular hough transform untuk segmentasi wilayah iris yang terletak diantara pupil dan sclera serta metode ekstraksi ciri gray level cooccurence matrix (GLCM) yang digunakan untuk ekstraksi ciri. Ciri-ciri tersebut adalah maximum probability, correlation, contrast, energy, homogeneity, dan entropy. Ciri-ciri tersebut kemudian dilatih menggunakan jaringan syaraf tiruan dengan aturan pembelajaran levenberg–marquardt algorithm untuk mengidentifikasi seseorang berdasarkan citra irisnya. Penelitian ini menggunakan 150 data citra iris yang masing-masing terbagi atas 100 data citra iris untuk pelatihan dan 50 data citra iris  untuk pengujian. Berdasarkan hasil pengujian yang dilakukan diperoleh correct recognition rate (CRR) sebesar 99.98%  yang menunjukkan bahwa metode ini dapat digunakan untuk mengidentifikasi secara otomatis seseorang berdasarkan citra iris mata miliknya.

Sign in / Sign up

Export Citation Format

Share Document