مرتضی جعفرزاده

در عصر پیچیده، رقابتى و نامطمئن جهانى شدن، تنها از طریق استفاده از نتایج پزوهش هاست که مى توان راه حل ها و راهنمایى هاى لازم را براى حل مسائل مورد نیاز جامعه کشف، ارائه نمود. از آن جا که کارآفرینى به عنوان یک عامل کلیدى رشد، توسعه اقتصادى، اجتماعى و فرهنگى کشورها شناخته شده است، پژوهش هاى مرتبط با آن، وأجد أهمیت بسیار است. این پزوهش یکى از مهم ترین موضوعات مرتبط با کارآفرینى، یعنى رابطه و همبستگى بین ویژگى هاى تحصیلى، مدیریتى، محیطى، جمعیت شناختى و روان شناختى دانش آموختگان و میزأن کارآفرینى آنان را مورد بررسى و مطالعه قرار داده است. بدین منظور، ابتدا خلاصه اى از مفاهیم و یافته هاى بنیادى 50 سال اخیر، در خصوص کارآفرینى ارائه و سپس نقش هر یک أز این مؤلفه ها در پیش بینى میزان کارآفرینى فارخ التحصیلان دانشگاهى، مشخص گردیده أست. در انجام این پژوهش از روش های تحقیق و همبستگی استفاده شده است . همچنین گرد آوری اطلاعات و داده ها به روش کتابخانه ای و پرسش نامه 84 سوالی ( در مجموع با زیر پرسش ها 165 سوال ) بوده و مورد بررسی جامعه ( متشکل از دانش آموختگان شش رشته از شش دانشکده دشگاه تهران در سال های 1370 تا 1380 در مقطع کارشناسی ) 2819 نفر و حجم نمونه 315 نفر و حجم نمونه باز آزمایی 30 نفر بوده است . برای این منظور داده های فارغ التحصیلان گرد آوری گردیده است آن گاه با استفاده از روش های آماری رگرسیون چندگانه و تحلیل مسیر و روش لیزرل به طراحی مدل پرداخته شده است .

در این مطالعه با استفاده از داده های دمای حداقل روزانه، در دوره ی آماری ۲۱ ساله ی به پیش بینی یخبندان های استان کرمانشاه با استفاده از شبکه های عصبی پرداخته شده است. داده های مورد استفاده از طریق تابعی یک به یک و پوشا به منظور تعیین معیاری جهت پیش بینی یخبندان به مقادیر بین صفر و یک تبدیل شده و از شبکه پیش رو با یک لایه میانی مخفی با تعداد نورون های متغیر برای هر یک از ایستگاه ها به پیش بینی و بالاخره تعیین بازه های یخبندان پرداخته شد. الگوریتم مورد استفاده در این پژوهش، پس انتشار با روش آموزش دسته ای و توابع انتقال Satlins، Logsig و Satlin بوده است. تعیین بازه های یخبندان و بدون یخبندان در هر یک از ایستگاه های سینوپتیک و پیش بینی یخبندان های زودرس و دیررس از نتایج این مطالعه بوده و شبکه طراحی شده بین 72.22 تا 80.55 درصد برای هر ایستگاه همگرایی داشته است. نتایج نشان می دهد با توجه به محدودیت داده ها، شبکه های عصبی MLP توانایی مطلوبی در پیش بینی و تخمین یخبندان ها دارد.