فیلتر های جستجو:
فیلتری انتخاب نشده است.
نمایش ۸۱ تا ۱۰۰ مورد از کل ۱۴۰ مورد.
پیش بینی موفقیت توسعه محصول جدید با استفاده از ترکیب تحلیل عاملی و شبکه عصبی مصنوعی(مقاله علمی وزارت علوم)
حوزه های تخصصی:
موفقیت محصولات جدید به عنوان برترین عامل برای موفقیت شرکت ها و حتی بقای آنها محسوب می شود. با این حال بررسی های متعدد نشان می دهد که نرخ شکست توسعه محصول جدید به عنوان یک معضل اساسی در بسیاری از شرکت ها مطرح بوده است. شرکت های بسیاری سعی دارند تا قبل از توسعه محصول جدید، اقدام به پیش بینی موفقیت توسعه محصول جدید نمایند. بر همین اساس نیز هدف این تحقیق پیش بینی موفقیت توسعه محصول جدید با استفاده از ترکیب روش های تحلیل عاملی و شبکه عصبی مصنوعی در صنایع غذایی و آشامیدنی می باشد. این تحقیق براساس هدف کاربردی و براساس روش انجام کار توصیفی بوده است. جامعه آماری این تحقیق، شرکت های تولید کننده مواد غذایی و آشامیدنی استان آذربایجان شرقی در سال 1394 بوده است. به منظور جمع آوری داده ها در این تحقیق از دو پرسشنامه استفاده شده است که بعد از اطمینان از روایی و پایایی آن در بین جامعه آماری توزیع گردیده است. به منظور تجزیه و تحلیل داده ها در این تحقیق از روش های تحلیل عاملی و شبکه عصبی مصنوعی استفاده شده است. نتایج تجزیه و تحلیل داده ها نشان دهنده وجود شش سازه اصلی مفهوم سازی محصول جدید، گرایش به بازار، گرایش به طراحی، گرایش به عوامل فنی و تکنولوژی، استفاده از منابع و مدیریت توسعه محصول جدید به عنوان عوامل موثر در موفقیت توسعه محصول جدید بوده است. همچنین پیش بینی موفقیت توسعه محصول جدید با استفاده از شبکه عصبی مصنوعی نشان می دهد که شبکه طراحی شده در 81 درصد موارد قادر به پیش بینی صحیح موفقیت توسعه محصول جدید بوده است.
خوشه بندی اعتباری مشتریان برای ارائه تسهیلات متناسب(مقاله علمی وزارت علوم)
حوزه های تخصصی:
مؤسسات اعتباری برای در اختیار قرار دادن انواع تسهیلات اعطایی به مشتریان خود ، نیاز به انجام بررسی های کاملی به منظور شناخت متقاضیان از ابعاد کیفی و کمّی دارند، تا از این طریق، ارزیابی کاملی از سنجش توان بازپرداخت و محاسبه احتمال عدم بازپرداخت تسهیلات و خدمات تأمین مالی از سوی آنان، به عمل آید، این بررسی ها را به طور عام اعتبارسنجی گویند. هدف از انجام این تحقیق رتبه بندی گروه های مشتریان و تعیین بخش های برتر از آنها می باشد تا با استفاده از آن شرکت کارگزاری بتواند عملیات تخصیص اعتبار را به نحوی مکانیزه انجام دهد. در اینجا پس از پیش پردازش اولیه از داده ها ،آنها به شکل مدل RFM پردازش می شوند. سپس با استفاده از شبکه عصبی SOM به عنوان یکی از الگوریتم های خوشه بندی، مشتریان به 10 خوشه تبدیل خواهند شد. در ادامه با استفاده از مدل پیشنهادی، خوشه ها رتبه بندی می شوند. خوشه های برتر شناسایی و عملیات اعطای تسهیلات برای اعضای این خوشه ها انجام می شود. در نهایت سه خوشه 5، 1 و 7 به عنوان خوشه های برتر تعیین شدند که به عنوان مشتریان هدف می باشند. ضریب تسهیلات اعطایی به این سه خوشه برتر به ترتیب 0.271 ، 0.173 و 0.556 می باشد.
مدل طراحی بهینه معماری برای شبکههای عصبی مصنوعی و به‌کارگیری آن در پیشبینی مصرف ماهانه نفت‌گاز کل کشور(مقاله علمی وزارت علوم)
حوزه های تخصصی:
"یکی از گامهای مهم در توسعه شبکههای عصبی مصنوعی طراحی معماری شبکه است که تأثیر زیادی بر عملکرد شبکه دارد. در طراحی معماری شبکههای عصبی مصنوعی، عواملی از قبیل تعداد لایه‌های پنهان، تعداد نرون‌ها در هر لایه، توابع تبدیل و الگوریتم آموزش باید تعیین شوند. محققان در طراحی معماری شبکه به‌طور عمده از طریق سعی و خطا عمل می‌کنند و یا اینکه اثر متقابل بین عوامل مختلف در طراحی معماری شبکه را در نظر نمی‌گیرند. در این تحقیق، یک مدل مبتنی بر تکنیک طراحی آزمایشها برای طراحی بهینه معماری شبکه عصبی با یادگیری تحت نظارت، با توجه به اثر متقابل بین عوامل ذکرشده، ارائه می‌شود.
در این تحقیق، از مدل پیشنهادی برای طراحی معماری شبکه عصبی به منظور پیشبینی مصرف نفت‌گاز کل کشور استفاده شده است. به‌منظور مقایسه عملکرد مدل پیشنهادی با استفاده از روش سعی و خطا به‌عنوان یکی از روشهای مرسوم در طراحی معماری، یک مدل شبکه عصبی برای پیشبینی مصرف نفت‌گاز توسعه داده شده و طی آن برتری مدل پیشنهادی نشان داده شده است. همچنین برای مقایسه عملکرد شبکه عصبی با روشهای آماری، دو مدل با استفاده از رگرسیون و ARIMA طراحی شده‌اند. نتایج به دست آمده در پیشبینی مصرف نفت‌گاز در این بخش نیز نشان میدهد که پیشبینی با شبکه‌عصبی طراحی شده جوابهای بهتری دارد."
مقدمه ای در آشنایی با سیستم های متخصص
حوزه های تخصصی:
کاربرد تکنیک شبکة عصبی (ANN) برای ارزیابی روابط بین خریدار و فروشنده
حوزه های تخصصی:
تحلیل عوامل مؤثربراثربخشی انتقال فناوری براساس قواعد اگر-آنگاه فازی(مقاله علمی وزارت علوم)
حوزه های تخصصی:
کاربرد نقشه استراتژی شناختی فازی در تعیین مسیر موفقیت سازمان(مقاله علمی وزارت علوم)
حوزه های تخصصی:
هدف تحقیق حاضر تعیین مسیر موفقیت شرکت پارس خودرو با استفاده از نقشه استراتژی شناختی فازی و تحلیل نظرات 6 نفر از خبرگان دفتر استراتژی پارس خودرو می باشد. تحقیق حاضر بر اساس هدف در زمره پژوهش های کاربردی و توسعه ای و بر اساس چگونگی به دست آوردن داده ها در دو گروه تحقیقات آزمایشی قرار می گیرد. روش تحقیق به کارگرفته شده مبتنی بر بهره مندی از مفاهیم نوین تحقیق در عملیات (متدولوژی سیستم های نرم) می باشد .در این پژوهش از قابلیت های نقشه استراتژی شناختی فازی بهره داری شده است تا علاوه بر رفع محدودیت های کارت امتیازی متوازن، شبیه سازی استراتژیک نیز بررسی شود. نتایج به دست آمده نشان می دهد، شرکت پارس خودرو می تواند با تاکید بر جهت گیری های تعالی روزانه فرآیندهای عملیاتی و توسعه محصولات مبتنی بر پلتفرم های محدود و نوآور در مسیر موفقیت حرکت نماید و به چشم انداز خود نائل گردد. با استفاده از ساختار ارائه شده در این پژوهش، مدیران سازمان ها قادر خواهند بود با بهره مندی از قابلیت های مقایسه رفتارهای استراتژیک، برنامه عملیاتی سازمان خود را یکپارچه نموده و به موازات دست یابی به کارایی فرآیندها در مسیر تعالی و بهره وری حرکت نمایند.
شناسایی و دسته بندی عوامل حیاتی موفقیت پروژه های پیاده سازی سیستم های هوش کسب و کار در ایران
حوزه های تخصصی:
امروزه تعداد زیادی از سازمان ها جهت بهبود کیفیت تصمیم گیری خود از سیستم های هوش کسب و کار استفاده می نمایند. اگرچه بسیاری از سازمان ها به استقرار و استفاده از سیستم های هوش کسب و کار روی آورده اند، اما همه آن ها در پیاده سازی آن موفق نبوده اند. هدف این پژوهش، شناسایی عوامل حیاتی موفقیت اجرای سیستم های هوش کسب و کار در سازمان های ایران می باشد. بدین منظور، در ابتدا با مرور پژوهش های گذشته، 26 عامل حیاتی موفقیت در اجرای موفق سیستم های هوش کسب و کار شناسایی گردیده است. میزان اهمیت هر کدام از عوامل مذکور در قالب ابزار پرسشنامه از اعضای جامعه آماری تحقیق که عبارت از مدیران و کارشناسان دارای سابقه کاری حداقل 3 ساله در زمینه مشاوره و یا پیاده سازی سیستم های هوش کسب و کار در ایران پرسیده شده است. در ادامه با استفاده از تحلیل عاملی اکتشافی به شناسایی عوامل مکنون پرداخته شده است. بر مبنای نتایج حاصل از آن، عوامل سازمانی، انسانی، مدیریت پروژه و فنی به عنوان گروه های اصلی عوامل حیاتی موفقیت اجرای سیستم های هوش کسب و کار در ایران شناسایی شده اند. نتایج حاصل از این تحقیق می تواند به محققین و فعالان حوزه سیستم های هوش کسب و کار در درک بهتر مسائل و چالش های موجود در ایران بر سر راه پیاده سازی و استقرار این سیستم ها یاری رساند.
پیش بینی ورشکستگی شرکت ها با استفاده از شبکه عصبی
منبع:
حسابدار ۱۳۸۷ شماره ۲۰۰
حوزه های تخصصی:
یک مدل تلفیقی از شبکههای عصبی مصنوعی، تبدیل موجک و ARMA در پیشبینی تقاضای آب شهری
حوزه های تخصصی:
پیش بینی تقاضای آب شهری کمک موثری است به مدیران و بهره برداران سیستم های آب شهری میباشد تا بتوانند نسبت به مدیریت صحیح مصرف اقدام نمایند. در این راستا پیشبینی دقیق تقاضا از این نیاز حیاتی در دورههای زمانی مختلف حایز اهمیت میباشد. در این پژوهش با طراحی یک روش جدید که تلفیقی از مدلهای خطی و غیرخطی است، به بررسی روند تقاضای روزانه آب شهر تهران و عوامل موثر بر تقاضای روزانه این حامل پرداخته شد. دراین تحقیق، تقاضای روزانه آب شهری براساس مدلهای ARMA، شبکه عصبی مصنوعی و مدل تلفیقی برای 10 روز آینده به صورت ""گام به گام""پیشبینی گردید. در طراحی شبکه عصبی مصنوعی و مدل تلفیقی، عوامل موثر بر تقاضای روزانه آب شهری، دمای هوا (حداقل، حداکثر و متوسط)، روزهای هفته، ایام تعطیلات و روزهای خاص در نظر گرفته شد. نتایج حاصل از به کارگیری معیارهای ارزیابی دقت پیشبینی نشان میدهد مدل تلفیقی نسبت به بقیه الگوها دارای خطای کم و دقت بالایی در پیشبینی تقاضای روزانه آب شهری است. پساز مدل تلفیقی، شبکه عصبی مصنوعی و فرآیند ARMA به ترتیب در اولویتهای بعدی قرار گرفتند.
پیش بینی سطح مدیریت سود با استفاده از شبکه های عصبی مصنوعی(مقاله علمی وزارت علوم)
حوزه های تخصصی:
اکثر تحقیقات انجام شده در حوزه مدیریت سود به بررسی انگیزه ها و عوامل موثر بر سطح مدیریت سود پرداخته اند، ولی از این متغیرها به طور مستقیم برای پیش بینی سطح مدیریت سود استفاده نشده است. در نتیجه تنها همبستگی بین مدیریت سود و این متغیرها بررسی شده است. از این رو، طراحی یک مدل برای پیش بینی سطح مدیریت سود به منظور کاهش ریسک بحران های مالی ناشی از مدیریت سود و کمک به سرمایه گذاران، اعتبار دهندگان و سایر استفاده کنندگان از اطلاعات صورت های مالی، برای اجتناب از تحمل زیان های عمده در بازار سرمایه ضروری به نظر می رسد. در این پژوهش با استفاده از متغیرهای موجود در ادبیات مدیریت سود و بکارگیری مدل شبکه های عصبی مصنوعی سطح مدیریت سود پیش بینی شده است. شبکه با استفاده از اطلاعات سال های 1379 تا 1387 مورد آزمون و آموزش قرار گرفت و در نهایت ساختار مطلوب با دقت 0.94 درصد در مرحله آموزش و 0.69 درصد در مرحله آزمون انتخاب شد.
شناسایی و اولویت بندی مولفه های دارایی های نامشهود سازمانی(مقاله علمی وزارت علوم)
حوزه های تخصصی:
تحقیق حاضر باهدف شناسایی و اولویت بندی دارایی های نامشهود سازمانی در دانشگاه های دولتی انجام گرفت. این تحقیق ازنظر روش ترکیبی و ازنظر نوع پژوهش، قیاسی استقرایی است. جامعه آماری پژوهش، مدیران ارشد دانشگاه های دولتی منطقه 5 کشور بوده که با استفاده از روش نمونه گیری گلوله برفی 20 نفر از آنان به عنوان اعضای نمونه انتخاب شدند. نتایج تحقیق مشتمل بر دو بخش است که در بخش اول مجموعه ای از دارایی های نامشهود سازمانی شناسایی و در بخش دوم میزان اهمیت و اولویت این دارایی ها مشخص شده است. باتوجه به انجام مصاحبه ساختاریافته با خبرگان، استفاده از نظر خبرگان در اجرای مصاحبه و اینکه اختلاف میانگین فازی دو مرحله اجرا کم تر از 1/0 است، تحقیق حاضر از پایایی مناسبی برخوردار بوده، همچنین در این تحقیق اعضای شرکت کننده در مطالعه، افراد متخصص و آشنا با موضوع تحقیق بودند، لذا تحقیق، از اعتبار محتوا نیز برخوردار است. نتایج تحقیق، نشان دهنده آن است که هوش سازمانی، سرمایه انسانی، هوش رقابتی، ارزش محوری، پایگاه داده ها، احساس رسالت، کل نگری، مدیریت دانش، رهبری و ویژگی های محیط کار، مهم ترین دارایی های نامشهود سازمانی است.
انتخاب سبد پروژه برپایه سنجش کارایی بااستفاده از مدل شبکه های عصبی مصنوعی(مقاله علمی وزارت علوم)
پویاسازی خوشه بندی مشتریان با استفاده از روش DEA-DA در بستر شبکه عصبی مصنوعی SOM(مقاله علمی وزارت علوم)
حوزه های تخصصی:
امروزه ارزیابی مشتریان برای ارائه خدمات مناسب یکی از مهم ترین چالش های مدیران و تصمیم گیرنددگان در
سازمانهای مختلف است. در سازمانهای مختلف گاه با توجه به حجم سنگین تقاضای مشتریان پاسخ گدویی بده
نیازهای تمامی آنان امکان پذیر نیست و از سدوی دیگدر ایدن مشدتریان بده عندوان سدرمایه هدای سدازمان ها قلمدداد
می شوند. این موضوع هدفمند نمودن مطالعده بدر روی گدرو ه هدای مختلدف مشدتریان در بازارهدای رقدابتی را بدا
اهمیت کرده است. یکی از شیوه های کارآمد برای مطالعه مشتریان و ارائه خدمات بهینده بده آندان، گدروه بنددی
بازار و خوشه بندی مشتریان در آن است. در این پژوهش به منظور هدفمند نمدودن ارائده خددمات بده مشدتریان،
ابتدا به کمک تکنیک شبکه عصبی SOM مشتریان در خوشه هایی متناسب دسته بندی می شوند تا بتدوان بدرای
هر مشتری با توجه به خوشه آن به ارائه خدمات مناسب پرداخت. سپس بدا مددل ارائده داده شدده در ایدن مقالده
می توان عضویت مشتری جدید در خوشه متناسب را با استفاده از تکنیدک DEA-DA پدیش بیندی کدرد. ایدن
مدل، فرآیند خوشه بندی پویا را برای سازمان رقم می زند تا به وسیله آن در هر لحظده بتدوان مشدتریان جدیدد را
ارزیابی نموده و خوشه متناسب آنها را با دقت مناسبی تعیین کرد.
ارزیابی مقایسه ای ساختار سرمایه شرکت های با فناوری پیشرفته و سنتی با استفاده از شبکه عصبی مصنوعی و تجزیه و تحلیل رگرسیون خطی چند گانه(مقاله علمی وزارت علوم)
حوزه های تخصصی:
انتخاب بین بدهی و حقوق صاحبان سهام تحت تأثیر عوامل داخلی و خارجی است که برساختار سرمایه شرکت تأثیر می گذارد. هدف ازتعیین ساختار سرمایه، مشخص کردن ترکیب منابع مالی به منظور به حداکثر رساندن ثروت سهامداران شرکت است. با توجه به جنبه های کیفی شکل سرمایه شرکت های بافناوری پیشرفته، سرمایه گذاری های گسترده ای در این شرکت ها صورت گرفته است که به نظر رفتاری غیرمنطقی درون جامعه سرمایه گذاری وجود دارد. بنابراین مقایسه آن با ساختار سرمایه شرکت های سنتی ضروری به نظر می رسد.
در این تحقیق برای بررسی ساختار سرمایه شرکت های بافناوری پیشرفته و سنتی و همچنین مقایسه مدل خطی و غیرخطی شرکت های جامعه آماری پس از انتخاب به روش حذفی به دو گروه شرکت های بافناوری پیشرفته و سنتی تقسیم شدند. در این تحقیق 378 شرکت برای دوره زمانی 88-1383 انتخاب گردید و با استفاده از مدل رگرسیون خطی چندگانه و همچنین شبکه عصبی مصنوعی داده های شرکت که به صورت
سال شرکت بود مورد آزمون قرار گرفت. نتایج این مطالعه نشان می دهد که نسبت بدهی و تصمیمات اهرم مالی در شرکت های بافناوری پیشرفته و سنتی متفاوت می باشد. معیارهای ساختار سرمایه در هر دو صنعت بافناوری پیشرفته و سنتی تفاوت معنی داری دارند و همچنین مدل های غیرخطی ساختار سرمایه نسبت به مدل های خطی پیش بینی های بهتری انجام می دهند.