محمدجعفر تارخ
مطالب
فیلتر های جستجو:
فیلتری انتخاب نشده است.
نمایش ۱ تا ۸ مورد از کل ۸ مورد.
استفاده از تکنیک دیمتل فازی برای رتبه بندی راهبردهای مدیریت دانش(مقاله علمی وزارت علوم)
حوزه های تخصصی:
دانش یکی از کلیدی ترین منابع هر سازمان است که باید همانند سایر منابع به صورت اثربخش مدیریت شود. علاوه بر دلایل درون سازمانی، بسیاری از شرکت ها برای واکنش به محیط رقابتی کسب وکار بر نقش پراهمیت مدیریت دانش تأکید داشته و بهره گیری از آن را اهرمی برای مقابله با فشار بازار می دانند. با وجود آنکه امروزه تحقیقات فراوانی در این زمینه انجام گرفته، مدیران و تصمیم گیران سازمان ها همچنان در انتخاب مسیر و راهبرد مناسب مدیریت دانش به عنوان گام اولیه و پایه ایِ این حوزه دچار مشکل هستند. لذا، این تحقیق با هدف انتخاب راهبرد مناسب مدیریت دانش برای شرکت های پروژه محور انجام گرفته است. پیشنهاد این پژوهش توجه به عوامل اصلی موفقیت مدیریت دانش، در عین توجه به ویژگی های خاص هر پروژه و به دست آوردن روابط متقابل آن ها با روش دیمتل فازی است. بدین منظور، 6 عامل اصلی موفقیت مدیریت دانش با توجه به مطالعات پیشین و 10 ویژگی مهم پروژه پیاده سازی سیستم برنامه ریزی منابع سازمانی به عنوان عوامل فرعی شناسایی گردیده است. پروژه مذکور مربوط به یکی از شرکت های بزرگ صنعت پخش ایران می باشد. عوامل انتخاب شده به عنوان معیارهای ارزیابی برای سه راهبرد انسان محور، سیستم محور و پویا در نظر گرفته شده اند. در نهایت، با استفاده از تکنیک دیمتل فازی اهمیت و میزان تأثیر هر راهبرد با توجه به معیارها مشخص گردیده است.
شناسایی آلزایمر با استفاده از شبکه عصبی یادگیری عمیق(مقاله پژوهشی وزارت بهداشت)
حوزه های تخصصی:
زمینه و هدف: بیماری آلزایمر شایع ترین شکل زوال عقل است که مهم ترین نمود آن اختلال در حافظه است. آسیب دیدگی مغزی و اختلال استرس پس از حادثه (حوادث ایجادشده برای جانبازان جنگ، رزمندگان و نیروهای مسلح)، نقش بسزایی در افزایش خطر بیماری آلزایمر دارد. ماهیت ابعاد بالای داده های عصبی، درعین حال تعداد کمی از نمونه های موجود، باعث می شود که یک سیستم تشخیص دقیق کامپیوتری ایجاد شود. هدف از انجام مطالعه حاضر به کارگیری شبکه های عصبی یادگیری عمیق برای ایجاد یک سیستم خودکار تشخیص بیماری می باشد. مواد و روش ها: مطالعه حاضر، بر روی ۲۰۰ نمونه تصاویر مغزی جانبازان جنگ توسط نرم افزار پایتون انجام شده است. در مدل پیشنهادی این پژوهش ۷۰% از تصاویر پایگاه داده برای آموزش و ۳۰% تصاویر پایگاه داده برای آزمون انتخاب شدند. در مرحله اول آموزش از یادگیری عمیق با شبکه کانولوشن برای استخراج ویژگی سپس در مرحله دوم به منظور طبقه بندی وضعیت سلامت بر پایه ویژگی های یاد گرفته شده می باشد. یافته ها: نتایج حاصل از خروجی تجزیه وتحلیل شده و با روش های ارائه شده در مطالعات قبلی مقایسه شده است. روش پیشنهادی، دقت تشخیص بالاتری دارد که نسبت به روش های موجود باعث افزایش بیش از ۱۰% در دقت تشخیص در بسیاری از موارد گردیده است. نتیجه گیری: نتایج این پژوهش نشان داد که استفاده از روش های هوشمند بر مبنای یادگیری عمیق می تواند با دقت مطلوبی بیماری آلزایمر را تشخیص دهد. همچنین از الگوریتم های استفاده شده در این تحقیق را می توان در سایر امور مدیریتی، نظامی و دفاعی نیز استفاده کرد.
بررسی رویکرد تلفیقی در سیستم های هوش کسب وکار با تمرکز بر داده کاوی(مقاله علمی وزارت علوم)
در دنیای کسب وکار و عصر دانایی، هوشمندی یکی از الزامات انکارناپذیر برای اغلب سازمان ها است تا بتوانند از راه افزایش دانش و خلق آگاهی بر قابلیت هایشان بیفزایند و خود را برای سازگاری با تغییرات و تحولات محیط آماده کنند. هوشمندی کسب وکار، مجموعه توانایی ها، فناوری ها، ابزارها و راهکارهایی است که به درک بهتر از شرایط کسب وکار و سازگاری با آن کمک می کند. داده کاوی درحکم ابزار قدرتمند هوش کسب و کار برای کشف دانش شناخته شده، اما هنوز کاملاً با آن یک پارچه نشده است. با توجه به بررسی ادبیات موضوع، رویکردی جامع و کاملی که همه ابعاد هوش کسب و کار را دربر گیرد کمتر یافت شده است. هدف از این مطالعه بررسی رویکردی تلفیقی است که با مرور مدل های معتبر و ارزیابی شده به دست آمده است و در آن به ابعاد گوناگون مطرح شده در موضوع هوشمندی کسب وکار، ازجمله پیاده سازی مقرون به صرفه ، به کارگیری مؤثر و ارزیابی سیستم پرداخته شده است. در فاز پیاده سازی، استفاده از عامل های هوشمند و زبان داده کاوی کسب و کارگرا مطرح شده است. در فاز به کارگیری فرایند، به اشتراک گذاری دانش میان متخصصان و مدیران سازمان و در فاز آخر نیز ارزیابی سیستم ها مطرح شده است.
A Novel Analytical Framework Combining the Concepts of Credibility and Aspect based Opinion Mining(مقاله علمی وزارت علوم)
With the emergence of Web 2.0, user generated content in the form of online product reviews has proliferated. Although product reviews contain valuable information, they vary greatly in terms of quality and credibility. This study presents an opinion mining framework - Cred-OPMiner (Credibility-Specific-Opinion Miner) - by combining the concepts of credibility and aspect based opinion mining. Cred-OPMiner performs three main tasks. The first task is to group reviewers based on the credibility dimensions. The second critical task is aspect extraction in which aspects of a given product are identified using a novel hybrid and domain independent algorithm. The final task is the sentiment prediction task where the sentiment on each aspect is computed. The key novelty is utilizing source credibility concepts for online reviewer clustering. Source credibility dimensions including trustworthiness and expertise are quantified using reviewers’ data. In addition, a new aspect extraction technique is developed and incorporated in the Cred-OPMiner. Cred-OPMiner was tested using data crawled from epinions.com. It groups reviewers and then performs aspect based opinion mining by differentiating among opinions of various reviewer groups.