علی رجب زاده قطری

علی رجب زاده قطری

رتبه علمی: استاد گروه مدیریت صنعتی، دانشگاه تربیت مدرس

مطالب
ترتیب بر اساس: جدیدترینپربازدید‌ترین

فیلتر های جستجو: فیلتری انتخاب نشده است.
نمایش ۸۱ تا ۸۳ مورد از کل ۸۳ مورد.
۸۱.

اولویت بندی ابزارهای مدیریت نوآوری بر پایه شاخصه های اقتصاد دانش محور: مدلAHP(مقاله علمی وزارت علوم)

نویسنده:
منبع: توسعه تکنولوژی صنعتی سال ۱۳ بهار و تابستان ۱۳۹۴ شماره ۲۵ 33 - 44

کلید واژه ها: نوآوری نوآور بودن سازمانی سازمان های نوآور رهبری

حوزه های تخصصی:
تعداد بازدید : ۴۸ تعداد دانلود : ۲۷
یکی از دشوارترین چالش های پیش روی مدیران امروزی در دنیای متمدن نوآور، مدیریت ابزارهای متنوعی است که موجب رقابت پذیری پایدار در حوزه های علم و فناوری و محیط های تجاری می شود. مدیریت مؤثر زمانی رخ خواهد داد که مجموعه ای گسترده از عناصر و فعالیت های سازمانی با صرف هزینه ها و زمان متعارف به صورت کاملا یکپارچه درآیند؛ این یکپارچگی مستلزم وجود ابزارها و تکنیک های قدرتمند و منطقی در محیط های پویا می باشد. این مقاله به شیوه تحلیل سلسله مراتبی(AHP) به تحلیل ابزارهای مدیریت نوآوری بر اساس اقتصاد دانش محور پرداخته و با بهره گیری از نظر خبرگان و مطالعه اسناد معتبر، تکنیک ها و ابزارهای ناب و اصولی را شناسایی و اولویت بندی نموده است.
۸۲.

مدلی برای تشخیص ادعاهای غیر عادی خسارت در بیمه کشاورزی با استفاده از یادگیری عمیق(مقاله علمی وزارت علوم)

نویسنده:
منبع: مطالعات مدیریت کسب و کار هوشمند سال ۱۲ پاییز ۱۴۰۲ شماره ۴۵

کلید واژه ها: تشخیص ناهنجاری بیمه کشاورزی یادگیری عمیق خودرمزگذار

حوزه های تخصصی:
تعداد بازدید : ۴۵ تعداد دانلود : ۴۳
موارد کلاهبرداری در سال های اخیر به ویژه در زمینه های مهم و حساس مالی و بیمه ای افزایش یافته است. از این رو، برای مقابله با این گونه کلاهبرداری ها نیاز به اقدامات متفاوتی نسبت به روش های بازرسی سنتی وجود دارد. بیمه کشاورزی نیز با توجه به ماهیت و گستردگی وسیع آن از این تهدید مستثنا نبوده و سالانه هزینه های زیادی صرف پرداخت به خسارت های ساختگی می شود. این پژوهش با هدف ارائه مدلی برای کشف ادعاهای خسارت غیرواقعی در بیمه کشاورزی با بکارگیری تکنیک های داده کاوی و یادگیری ماشین ارائه شد. برای ساخت مدل یادگیری عمیق مورد استفاده قرار گرفت. داده های مورد استفاده از صندوق بیمه کشاورزی اخذ شد و مربوط به بیمه نامه های گندم آبی و دیم استان خوزستان بود که در سال زراعی 1399-1398 برای آنها غرامت پرداخت شده بود. بعد از آماده سازی و پیش پردازش داده ها، با استفاده از یادگیری عمیق نسبت به کشف موارد غیرعادی اقدام و نتایج توسط کارشناسان صندوق بیمه کشاورزی مورد ارزیابی قرار گرفت. بعد از تحلیل نتایج مشخص شد یک درصد از خسارت های پرداختی مربوط به درخواست های غیرواقعی بوده و در پرداخت خسارت بایستی دقت و بررسی بیشتری انجام شود. دقت مدل در تشخیص موارد غیرعادی برای گندم آبی و دیم به ترتیب برابر با 53/53 و 63/37 درصد بدست آمد. در بررسی نتایج مشخص شد 5 دسته رفتار غیرعادی منجر به پرداخت خسارت غیرواقعی شده اند که رفتار عدم ارائه مستندات خسارت فراوانی بیشتری نسبت به بقیه داشت.
۸۳.

الگوریتم های یادگیری ماشین برای پیشگیری از انتشار بیماری های واگیر بر پایه ویژگی های مؤثر در تشخیص کووید-19(مقاله علمی وزارت علوم)

نویسنده:
منبع: پژوهشنامه پردازش و مدیریت اطلاعات دوره ۳۹ زمستان ۱۴۰۲ شماره ۲ (پیاپی ۱۱۶) 657 - 697

کلید واژه ها: اینترنت اشیاء بیماری های واگیر کووید19- یادگیری ماشین هوش مصنوعی

حوزه های تخصصی:
تعداد بازدید : ۱۷ تعداد دانلود : ۱۹
این مطالعه باهدف توسعه الگوریتم های هوش مصنوعی بر پایه اینترنت اشیاء انجام شده است که ضمن تشخیص و پیش بینی همه گیری در زمان واقعی با استفاده از مکان افراد، بر مراقبت و بهبود نیز تأکید می کند.بیماری هدف در این پژوهش باتوجه به اهمیت و فراگیری، کووید19 است.بر اساس نوع گردآوری داده ها از نوع پژوهش های کیفی بوده و باتوجه به توسعه الگوریتم ها، روش تحقیق در این پژوهش مبتنی بر علم طراحی است. رویکرد تحقیق آینده نگر است، به طوری که مکانیزم انتقال بیماری و ویژگی های تأثیرگذار آن ما را قادر به پیش بینی هایی در مورد بیماری و در نتیجه طرح استراتژی های کنترل بیماری و مراقبت های بهداشتی می نماید.پژوهش در یک فرایند 7 مرحله ای انجام شد. ویژگی های اینترنت اشیاء در پژوهش حاضر با نظر خبرگان استخراج شد و ویژگی های به دست آمده در آزمایش 2 الگوریتم مختلف «k نزدیک ترین همسایگی» و «درخت تصمیم» بر روی داده ها برای تعیین بهترین مدل ایجاد شد.پس از انتخاب بهترین عمق و بهترین همسایگی در الگوریتم ها، اعتبار و تصدیق مدل با تحلیل ماتریس ابهام انجام شد.نتایج اجرای الگوریتم ها برای پیش بینی بیماری کووید19، دقت بالاتر از 98 درصد را نشان دادند. حساسیت بالاتر (99 درصد) که برای تشخیص بیماری کووید19 اهمیت بالایی دارد و نشان دهنده حداقل موارد منفی کاذب در نتایج آزمون است، در الگوریتم درخت تصمیم به دست آمد.

کلیدواژه‌های مرتبط

پدیدآورندگان همکار

تبلیغات

پالایش نتایج جستجو

تعداد نتایج در یک صفحه:

درجه علمی

مجله

سال

حوزه تخصصی

زبان