شبکه بیزی

زمینه: همواره پژوهشگران با انجام تحقیقات کوشیده اند تا با تصمیم سازی برای مدیران نظام آموزشی، از شکل گیری و تشدید افت تحصیلی پیشگیری کنند و در این راستا از روش های آماری پیش بینی استفاده کرده اند. شبکه بیزی از جمله روش های داده کاوی پیش بینی کننده و افت تحصیلی یکی از مشکلات بزرگ نظام آموزش عالی است. هدف: هدف از این تحقیق شناسایی عوامل مرتبط با افت تحصیلی با استفاده از داده کاوی آموزشی و شبکه بیزی بود. روش: جامعه پژوهش، کلیه دانشجویان دوره کارشناسی دانشگاه تهران بودند و نمونه ای به حجم800 نفر به روش تصادفی طبقه ایی انتخاب شد. بعد از اجرا پرسشنامه افت تحصیلی دانشجویان و کنارگذاشتن پرسشنامه های مخدوش، 746 پرسشنامه مورد تحلیل قرارگرفت و داده ها با استفاده از ابزار محقق ساخته سنجش افت تحصیلی دانشجویان، که دارای درستی مورد تأیید استادان و قابلیت اعتماد آلفای کرونباخ برابر با 0/971 بود، جمع آوری شد . یافته ها: داده های جمع آوری شده از دانشجویان تحلیل شد و مدل بیزی آن با میزان صحت الگوریتم 95/84% بدست آمد. نتیجه گیری: نتایج نشان داد، کلیه عوامل پرسشنامه در وقوع افت تحصیلی مؤثر بودند و عوامل فردی تنها عاملی بودکه هم بطور مستقیم و هم با تأثیر بر سایرعوامل بر وقوع افت تحصیلی اثرگذار بود. میزان صحت الگوریتم بیانگر این بودکه با استفاده از مدل شبکه بیز به خوبی می توان وقوع افت تحصیلی را پیش بینی کرد.

خدمات اکوسیستم می تواند از نظر مشارکت و یکپارچه سازی نقش شهروندان مفید باشد. بسیاری از موضوعاتی که به کمک مفهوم خدمات اکوسیستم به آن پرداخته می شود، در برنامه ریزی های شهری و منطقه ای مدنظر قرار می گیرد و با کمک توسعه سناریوی تعاملی با ذی نفعان قابل پشتیبانی است. یکی از این خدمات، خدمات فرهنگی اکوسیستم است. هدف این پژوهش طراحی چارچوبی مشارکتی از ذی نفعان با بهره گیری از شبکه های بیزی برای مفهوم سازی زیبایی شناسی چشم انداز در خدمات فرهنگی اکوسیستم است که در آن ذی نفعان نه رشته مختلف دخیل هستند. درحقیقت، پژوهش حاضر، کاربردی (توصیفی و علی) است که بعد از جمع آوری اطلاعات میدانی و کتابخانه ای، از تکنیک اندیشه باران یا طوفان مغزی بهره برده است. همچنین از میانگین و واریانس برای تبدیل نتایج ذی نفعان به احتمالات در شبکه بیزی استفاده شده است؛ چراکه اصطلاحات انتزاعی را می توان به کمک شبکه بیزی چندگرهی ارزش گذاری و در یک روش طوفان مغزی منسجم طبقه بندی کرد. تجزیه و تحلیل نهایی حساسیت ها با احتمالات خروجی نشان می دهد که توپوگرافی شامل برجستگی و شیب زمین، آب و پوشش گیاهی متراکم در مناطقی مانند پارک جنگلی چیتگر، محدوده دریاچه مصنوعی آزادی و پارک خرگوش دره دارای بالاترین ارزش زیبایی شناسی است. همچنین عناصر طبیعی مانند دریاچه، درختان جنگلی و زمین های کشاورزی از نظر تصویرسازی کیفیت های بیشتری را نشان می دهند. درمجموع پژوهش حاضر به شاخص های فردی تأکید ندارد، بلکه نوعی روش شناسی سازگار با مباحث زیبایی شناسی است که می توان از آن در مشارکت شهروندان محلی در کنار ذی نفعان و برنامه ریزی های آتی سنجش زیبایی شناسی چشم انداز استفاده کرد.

در بازار سهام، برخی سوداگران به منظور کسب منفعت بیشتر سعی می کنند به وسیله سفارش های صوری، سبب تأثیر هدفمند بر نوسان قیمت ها شوند و از وضعیت پیش آمده در قیمت ها سوءاستفاده کنند که به این عمل، حرکت القایی گفته می شود. به دلیل جمعیت آماری زیاد مشتریان، امکان نظارت چشمی یا نظارت سیستمی از طریق روش های سنتی برای کشف حرکت القایی وجود ندارد. پژوهش حاضر به دنبال ارائه سیستمی برای پیشگیری از وقوع حرکت القایی در معاملات بازار قرارداد های آتی سکه بورس کالای ایران مبتنی بر مدل سازی طبقه بند بیزی است. سیستم ارائه شده ضمن برخورداری از پیچیدگی زمانیِ چند جمله ای، به دلیل لحاظ کردن وابستگی های مهم میان ویژگی های مختلف داده، دقت زیادی دارد. برچسب گذاری اولیه داده ها با استفاده از خوشه بندی کا میانگین انجام گرفته است و آزمون مدل، تشابه 55/94 درصدی را میان نتیجه روش بیزی پیشنهادی و داده های برچسب گذاری شده نشان می دهد. استفاده از سیستم نوین ارائه شده به شناسایی افراد فریبکار در معاملات بازار از افراد سالم کمک به سزایی می کند.

دقت در تخمین تلاش لازم برای تولید نرم افزار، موجب شده است که تخمین تلاش هنوز به عنوان موضوع چالش انگیزی مطرح باشد. علاوه بر تخمین تلاش کلی، تعیین تلاش صرف شده در هر مرحله از تولید نیز به دلیل برنامه ریزی منابع اهمیت دارد؛ زیرا تخصیص نادرست منابع می تواند به شکست پروژه منجر شود. در این مقاله، یک شبکه بیزی برای تخمین تلاش برپایه مؤلفه های مؤثر و فرایند تولید ارائه شده است. در این مدل بین مراحل تولید، حلقه های تکرار در نظر گرفته شده که میزان تکرار آنها برای پروژه های مختلف، متفاوت خواهد بود و موجب می شود که درصد تلاش صرف شده در هر مرحله تولید برای هر پروژه به صورت منحصربه فرد تعیین شود. معیار خطای حاصل از تخمین تلاش، بهینه سازی شده و ضریب های بهینه برای اصلاح مدل به دست می آیند. نتایج مقایسه مدل پیشنهادی با مدل های دیگر تخمین نشان می دهد مدل پیشنهاد شده، علاوه بر توانایی در تخمین دقیق تلاش کلی (با خطا 114/0)، قابلیت بالایی نیز برای تعیین تلاش هر مرحله تولید دارد.

در جوامع امروزی، با توجه به افزایش گرایش به خرید از مجتمع های تجاری که بتواند تمام نیازهای خریدار را در یک زمان محدود برآورده سازد، ساخت روزافزون مجتمع های تجاری مدرن پدیده ای مشهود است. به دلیل وسعت خدمات و تنوع موجود در مجتمع های تجاری، نیاز به یک واحد کنترل مرکزی هوشمند که کنترل تمامی سیستم های موجود را به عهده بگیرد، ضروری است. اینترنت اشیا یکی از فناوری های جدید در دهه ی اخیر است که می تواند نقش مهمی در هوشمندسازی مجتمع های تجاری بر عهده داشته باشد. اینکه چه حجمی از مشتری به فروشگاه آمده، خدمت رسانی کارکنان و رفتار خرید مشتریان چگونه بوده است، عواملی هستند که تجزیه وتحلیل آن ها می تواند درآمدزایی فروشگاه ها را به میزان زیادی افزایش دهد و رضایت مشتریان را در پی داشته باشد. در این زمینه مدل های زیادی وجود دارد که یکی از این مدل ها مدل شبکه بیزی است. در این پژوهش با استفاده از این مدل بر اساس علایق و ترجیحات مشتریان و الگوهای خرید، نیاز مشتریان تشخیص داده می شود و محصول موردنظر در اختیار آن ها قرار می گیرد. پس از اجرای این مدل افزایش میزان فروش بالقوه در فروشگاه و افزایش کارایی و سرعت عملکرد فروشگاه مورد انتظار است.

عدم مدیریت نقدینگی بانک ها یکی از مهم ترین ریسک های هر بانک می باشد و کم توجهی به ریسک نقدینگی منجر به عواقب جبران ناپذیر می شود. جلوگیری از وقوع ریسک نقدینگی نیازمند یک روش اندازه گیری جامع می باشد؛ اما ریسک نقدینگی موضوعی پیچیده است و این پیچیدگی ارائه یک تعریف مناسب را دشوار می سازد. علاوه بر این، تعریف فاکتورهای تعیین کننده ریسک نقدینگی و فرمول بندی تابع هدف مرتبط برای تقریب و پیش بینی مقدار آن پیچیده است. در این تحقیق برای مقابله با این مشکلات و ارزیابی ریسک نقدینگی و فاکتورهای کلیدی آن، مدلی را پیشنهاد می کنیم که از شبکه های عصبی مصنوعی و بیزی استفاده می کند. طراحی و اجرای این مدل شامل چندین الگوریتم و آزمایش جهت اعتبارسنجی است. در این مقاله از الگوریتم های بهینه سازی لونبرگ-مارکوارت و ژنتیک جهت آموزش شبکه عصبی مصنوعی استفاده کرده ایم. همچنین یک مطالعه موردی در بانک ملت برای نشان دادن قابلیت اجرا، کارایی، دقت و انعطاف پذیری مدل اندازه گیری ریسک نقدینگی تحقیق، پیاده سازی کرده ایم.

در صورت مدیریت نادرست یا عدم کنترل ریسک نقدینگی در یک بانک، امکان بروز صدمه های مالی و اعتباری و حتی ورشکستگی بانک به وجود می آید. در این مقاله روشی را پیشنهاد کرده ایم که از روش های بروز در یادگیری ماشین استفاده می کند و برای مقابله با این مشکلات، مدلی را پیشنهاد می کنیم که از شبکه های عصبی مصنوعی و بیزی استفاده می کند. متغیرهای مدل نسبت های نقدینگی هستند و از طریق داده های ترازنامه استاندارد بانکی به راحتی در دسترس هستند. طراحی و اجرای این مدل پیشنهادی شامل چندین الگوریتم و آزمایش جهت اعتبارسنجی مدل است. به عنوان تعریف ریسک نقدینگی بر روی مفهوم توانایی پرداخت تمرکز کرده ایم. همچنین یک مطالعه موردی در بانک ملت با استفاده از داده های صورت های مالی این بانک بین سال های 1390 تا 1396، برای نشان دادن قابلیت اجرا، کارایی، دقت و انعطاف پذیری مدل اندازه گیری ریسک نقدینگی تحقیق، پیاده سازی کرده ایم. نتایج عددی به دست آ مده در مطالعه موردی نشان می دهد که روش هوشمند دو فازی پیشنهادی توانایی تأیید نتایج از طریق اجرای مستقل و موازی مجموعه داده های مشابه را دارا می باشد.

هدف: امروزه مقاصد گردشگری برای بازاریابی هر چه بهتر جاذبه ها، خدمات و محصولاتشان نیازمند وفادار ساختن بیش از پیش گردشگران به این مقاصد هستند. وفادار ساختن گردشگران از این جهت حائز اهمیت است که علاوه بر ایجاد مزیت رقابتی، هزینه های بازاریابی برای گردشگران وفادار به مقصد بسیار پایین تر از بازاریابی برای جذب گردشگران جدید است. پژوهش حاضر با هدف تحلیل رفتار وفاداری به مقصد و عوامل مؤثر بر آن با استفاده از شبکه بیزی که شبکه ای گراف گونه مبتنی بر تئوری بیز هست، انجام گرفته است.روش و داده: پژوهش حاضر از لحاظ هدف کاربردی بوده و از لحاظ روش توصیفی-پیمایشی است. جامعه هدف پژوهش گردشگران خارجی سفر کرده به ایران در پاییز سال ۱۴۰۱ بوده اند و برای جمع آوری داده های پژوهش از پرسشنامه پنج گزینه ای استفاده شده است. تعداد ۳۸۴ پرسشنامه پخش و از این تعداد ۳۷۶ پرسشنامه صحیح جمع آوری و مورد تجزیه و تحلیل قرار گرفته است.یافته ها: نتایج تحلیل انجام شده با استفاده از روش بیزی نشان داده است که رضایتمندی گردشگر ۱۹ درصد، احساس امنیت از سفر به مقصد ۱۱ درصد، تصویر ذهنی از مقصد ۸ درصد، کیفیت ادراک شده ۷ درصد، ارزش ادراک شده، احساس تعلق به مقصد هر کدام ۶ درصد و آشنایی با مقصد گردشگری ۷ درصد در بهبود وضعیت وفاداری به مقصد نقش دارند.نتایج: ذی نفعان صنعت گردشگری می توانند با ایجاد سناریوهای مختلف که تحلیل برگشتی مهم ترین آن است، رفتار وفاداری و عوامل مؤثر بر آن را مورد تجزیه و تحلیل قرار دهند و از نتایج به دست آمده در ایجاد وفاداری بیشتر و بازاریابی مبتنی بر وفادار ساختن گردشگران، استفاده کنند.نوآوری، کاربرد نتایج: اگرچه پژوهش های زیادی در گردشگری برای شناسایی عوامل تأثیرگذار بر وفاداری به مقصد گردشگری، تبیین رابطه میان این عامل ها و تعریف مدل های مفهومی مختلف برای وفاداری به مقصد تا به حال انجام گرفته است، مطالعه های چندانی در زمینه پیش بینی میزان وفاداری گردشگران به مقصد و همچنین تحلیل پیش بینی کننده بیشترین و کمترین میزان تأثیرگذاری عوامل مؤثر بر وفاداری صورت نگرفته است.