•  Persian
    • Persian
    • English
  •   ورود
  • دانشگاه فردوسی مشهد
  • |
  • مرکز اطلاع‌رسانی و کتابخانه مرکزی
    • Persian
    • English
  • خانه
  • انواع منابع
    • مقاله مجله
    • کتاب الکترونیکی
    • مقاله همایش
    • استاندارد
    • پروتکل
    • پایان‌نامه
  • راهنمای استفاده
View Item 
  •   کتابخانه دیجیتال دانشگاه فردوسی مشهد
  • Fum
  • Articles
  • Latin Articles
  • View Item
  •   کتابخانه دیجیتال دانشگاه فردوسی مشهد
  • Fum
  • Articles
  • Latin Articles
  • View Item
  • همه
  • عنوان
  • نویسنده
  • سال
  • ناشر
  • موضوع
  • عنوان ناشر
  • ISSN
  • شناسه الکترونیک
  • شابک
جستجوی پیشرفته
JavaScript is disabled for your browser. Some features of this site may not work without it.

Use of the artificial neural network and meteorological data for predicting daily global solar radiation in Djelfa, Algeria

نویسنده:
Assas, O. , Bouzgou, H. , Fetah, S. , Salmi, M. , Boursas, A.
ناشر:
IEEE
سال
: 2014
شناسه الکترونیک: 10.1109/CICYBS.2014.7013367
یو آر آی: https://libsearch.um.ac.ir:443/fum/handle/fum/997273
کلیدواژه(گان): Bayes methods,computer network security,decision trees,learning (artificial intelligence),pattern classification,public domain software,Bro open-source system,CART decision tree classifier,Corsaro open-source system,DDoS attacks,IP addresses,NIDS,Naive Bayes machine learning classifier,backscatter darknet traffic,network intrusion detection systems,supervised learning techniques,Backscatter,Computer crime,Decision trees,IP networks,Ports (Computers),Protocols,Training,Back
کالکشن :
  • Latin Articles
  • نمایش متادیتا پنهان کردن متادیتا
  • آمار بازدید

    Use of the artificial neural network and meteorological data for predicting daily global solar radiation in Djelfa, Algeria

Show full item record

date accessioned2020-03-12T19:58:38Z
date available2020-03-12T19:58:38Z
date issued2014
identifier other6843807.pdf
identifier urihttps://libsearch.um.ac.ir:443/fum/handle/fum/997273
formatgeneral
languageEnglish
publisherIEEE
titleUse of the artificial neural network and meteorological data for predicting daily global solar radiation in Djelfa, Algeria
typeConference Paper
contenttypeMetadata Only
identifier padid8117188
subject keywordsBayes methods
subject keywordscomputer network security
subject keywordsdecision trees
subject keywordslearning (artificial intelligence)
subject keywordspattern classification
subject keywordspublic domain software
subject keywordsBro open-source system
subject keywordsCART decision tree classifier
subject keywordsCorsaro open-source system
subject keywordsDDoS attacks
subject keywordsIP addresses
subject keywordsNIDS
subject keywordsNaive Bayes machine learning classifier
subject keywordsbackscatter darknet traffic
subject keywordsnetwork intrusion detection systems
subject keywordssupervised learning techniques
subject keywordsBackscatter
subject keywordsComputer crime
subject keywordsDecision trees
subject keywordsIP networks
subject keywordsPorts (Computers)
subject keywordsProtocols
subject keywordsTraining
subject keywordsBack
identifier doi10.1109/CICYBS.2014.7013367
journal titleomposite Materials & Renewable Energy Applications (ICCMREA), 2014 International Conference
filesize815072
citations0
contributor rawauthorAssas, O. , Bouzgou, H. , Fetah, S. , Salmi, M. , Boursas, A.
  • درباره ما
نرم افزار کتابخانه دیجیتال "دی اسپیس" فارسی شده توسط یابش برای کتابخانه های ایرانی | تماس با یابش
DSpace software copyright © 2019-2022  DuraSpace