پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 43 |
| تعداد شماره‌ها | 1,706 |
| تعداد مقالات | 13,972 |
| تعداد مشاهده مقاله | 33,589,011 |
| تعداد دریافت فایل اصل مقاله | 13,318,851 |
رویکرد هوش مصنوعی در مطالعات دیرینه جغرافیایی: مطالعه موردی بر روی بازوپایان اردویسین پسین لورنشیا | ||
| پژوهش های چینه نگاری و رسوب شناسی | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 13 اسفند 1403 | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22108/jssr.2025.143190.1300 | ||
| نویسنده | ||
| اکبر سهرابی* | ||
| گروه زمین شناسی، دانشکده علوم طبیعی، دانشگاه تبریز | ||
| چکیده | ||
| طبق فرضیه قبلی که بر اساس مطالعات کیفی بر روی فونای بازوپایان اردویسین پسین انجام یافته است گونه‌های جوان‌تر و بزرگتر Hiscobeccus، که از فونای بازوپایان اپیکانتیننتال آمریکای شمالی بود، از گونه‌های قدیمی‌تر و کوچکتر Rhynchotrema، که در مناطق پریکراتونی زندگی می کرد، تکامل یافته‌اند. نتایج مطالعات کمی و آنالیزهای چند متغیره، که بر اساس ویژگیهای مورفولوژیکی بازوپایان اردوویسین پسین انجام یافته است، درستی این فرضیه را تایید می کنند. در این مطالعه برای تعیین ارتباط ویژگیهای مورفولوژیکی بازوپایان اردویسین پسین لورنشیا با موقعیت جغرافیایی آنها از یک مدل هوش مصنوعی مبتنی بر شبکه‌های عصبی استفاده گردید. این مدل شبکه عصبی از طریق ایجاد یک فرمول ریاضی بین ویژگیهای مورفومتریک بازوپایان و گستردگی جغرافیایی آنها، موقعیت دیرینه جغرافیای بازوپایان را تخمین و شناسایی می‌کند. بر اساس نتایج بدست آمده از این مطالعه، شبکه عصبی می‌تواند در تخمین موقعیت جغرافیایی نمونه‌های آزمایشی بازوپایان با دقت بالای ٪۸۲ عمل نماید. با ایجاد یک مجموعه داده جامع‌تر از پارامتر‌های مورفومتریکی بازوپایان لورنشیا و دیگر مناطق جهان و با استفاده از مدل شبکه عصبی، می‌توان موقعیت دیرینه جغرافیایی بازوپایان را با ضریب اطمینان بالایی مورد تخمین و ارزیابی قرار داد. | ||
| کلیدواژه‌ها | ||
| بازوپایان؛ شبکه عصبی؛ مورفومتریک؛ دیرینه جغرافیا؛ اردویسین پسین | ||
|
آمار تعداد مشاهده مقاله: 46 |
||