Matches in SemOpenAlex for { <https://semopenalex.org/work/W2756137577> ?p ?o ?g. }
Showing items 1 to 40 of
40
with 100 items per page.
- W2756137577 endingPage "963" @default.
- W2756137577 startingPage "951" @default.
- W2756137577 abstract "ارزیابی‌های کیفیت منظر عمدتا اشاره به نقش کلیدی عناصر طبیعی و مصنوعی منظر در ایجاد رضایت‌مندی و درک زیبایی از منظر دارند. هدف از این مقاله مدل‌سازی ارزیابی کیفیت زیباشناختی منظر با استفاده از شبکه عصبی مصنوعی به منظور کشف روابط حاکم در ساختار منظر و ارتباط عناصر منظر با کیفیت زیباشناختی آن است. جهت انجام پژوهش حاضر چهار بوستان (جمشیدیه، نهج البلاغه، قیطریه، آب و آتش) با تنوع بالا در کیفیت منظر و شیوه طراحی در شهر تهران انتخاب گردید. در این تحقیق به منظور مدل‌سازی ارزیابی کیفیت زیباشناختی منظر، ویژگی‌های ساختاری و عناصر هریک از مناظر ثبت و اقدام به طبقه‌بندی کیفیت زیباشناختی منظر در سه کلاس کیفیت زیباشناختی نامطلوب، مطلوب و عالی گردید. به منظور پردازش داده‌ها با ابزار هوشمند شبکه عصبی، از شبکه پرسپترون چندلایه استفاده شد. با توجه به ضرایب تعیین شبکه معادل 88/0، 86/0 و 99/0 در طبقه بندی کلاس‌های 1 تا 3، دقت شبکه عصبی در پیش‌بینی کیفیت زیباشناختی منظر از سطح بسیار مطلوبی برخوردار است. آنالیز حساسیت نشان می‌دهد جهت طراحی مهندسی بوستان‌ها و دستیابی به کیفیت منظر مطلوب به کارگیری تجهیزات نماسازی، کوه یا سنگ و پوشش گیاهی در الویت قرار می‌گیرد. در مناظر با کیفیت زیباشناختی عالی، ویژگی‌های ساختاری منظر شامل ترکیب منظر و سیمای منظر نیز جایگاهی ویژه در تعیین کیفیت زیباشناختی منظر می‌یابند." @default.
- W2756137577 created "2017-09-25" @default.
- W2756137577 creator A5030286669 @default.
- W2756137577 creator A5059084599 @default.
- W2756137577 date "2017-01-20" @default.
- W2756137577 modified "2023-09-25" @default.
- W2756137577 title "مدل سازی کیفیت زیباشناختی منظر در فضای سبز شهری با استفاده از شبکه عصبی مصنوعی" @default.
- W2756137577 doi "https://doi.org/10.22059/jne.2017.127667.949" @default.
- W2756137577 hasPublicationYear "2017" @default.
- W2756137577 type Work @default.
- W2756137577 sameAs 2756137577 @default.
- W2756137577 citedByCount "3" @default.
- W2756137577 countsByYear W27561375772020 @default.
- W2756137577 countsByYear W27561375772021 @default.
- W2756137577 crossrefType "journal-article" @default.
- W2756137577 hasAuthorship W2756137577A5030286669 @default.
- W2756137577 hasAuthorship W2756137577A5059084599 @default.
- W2756137577 hasConcept C127313418 @default.
- W2756137577 hasConceptScore W2756137577C127313418 @default.
- W2756137577 hasIssue "4" @default.
- W2756137577 hasLocation W27561375771 @default.
- W2756137577 hasOpenAccess W2756137577 @default.
- W2756137577 hasPrimaryLocation W27561375771 @default.
- W2756137577 hasRelatedWork W2133901676 @default.
- W2756137577 hasRelatedWork W2181461161 @default.
- W2756137577 hasRelatedWork W2548359670 @default.
- W2756137577 hasRelatedWork W2791370788 @default.
- W2756137577 hasRelatedWork W2920608438 @default.
- W2756137577 hasRelatedWork W2940502941 @default.
- W2756137577 hasRelatedWork W2968330642 @default.
- W2756137577 hasRelatedWork W3000646835 @default.
- W2756137577 hasRelatedWork W3007828481 @default.
- W2756137577 hasRelatedWork W3015967199 @default.
- W2756137577 hasVolume "69" @default.
- W2756137577 isParatext "false" @default.
- W2756137577 isRetracted "false" @default.
- W2756137577 magId "2756137577" @default.
- W2756137577 workType "article" @default.