مطالب مرتبط با کلیدواژه

شبکه عصبی مصنوعی


۱۸۱.

پیش بینی رفتار پرسه زنی اینترنتی کارکنان اداره کل ورزش و جوانان استان یزد با استفاده از تکنیک شبکه عصبی مصنوعی(مقاله علمی وزارت علوم)

نویسنده:
منبع: پژوهش های کاربردی در مدیریت ورزشی دوره یازدهم زمستان ۱۴۰۱ شماره ۳ (پیاپی ۴۳) 51 - 70

کلیدواژه‌ها: پیش بینی رفتار پرسه زنی اینترنتی شبکه عصبی مصنوعی اداره کل ورزش و جوانان

حوزه های تخصصی:
تعداد بازدید : ۹۹ تعداد دانلود : ۸۸
هدف از پژوهش حاضر پیش بینی رفتار پرسه زنی اینترنتی کارکنان اداره کل ورزش و جوانان استان یزد با استفاده از تکنیک شبکه عصبی مصنوعی بود. این تحقیق از لحاظ هدف کاربردی و از لحاظ روش، توصیفی بود که به صورت پیمایش اجرا شد. نمونه به روش تصادفی ساده انتخاب شد. برای کسب داده درخصوص متغیر وابسته پژوهش یعنی رفتار پرسه زنی اینترنتی از مقیاس استودارت (2016) حاوی 22 سوال استفاده شد. بررسی پایایی این ابزار به روش آلفای کرونباخ و بررسی روایی آن به شیوه روایی محتوا، انجام و مورد تأیید قرار گرفت. تحلیل داده ها با نرم افزارSPSS نسخه 24 انجام گرفت. برای تحلیل داده ها شامل 23 متغیر مستقل و یک متغیر وابسته، دو نوع شبکه عصبی پرسپترون چند لایه (MLP) و تابع شعاع مدار (RBF) طراحی و اجرا شد. درصد صحت پیش بینی رفتار پرسه زنی اینترنتی در داده های آموزش و آزمایش و اعتبارسنجی برای شبکه عصبی MLP به ترتیب برابر با 8/87، 0/75 و 7/72 و برای شبکه عصبی RBF به ترتیب برابر با 6/83، 8/81 و 7/91 محاسبه شد. سطح زیر منحنی راک برای دو شبکه MLP و RBF برابر با 611/0 و 677/0 بدست آمد. مقایسه دو شبکه عصبی MLP و RBF بر اساس معیارهای سطح زیر منحنی راک و درصد صحت پیش بینی نشان داد شبکه عصبی RBF در پیش بینی رفتار پرسه زنی اینترنتی کارکنان اداره کل ورزش و جوانان استان یزد کاراتر است و سه متغیر میزان نزدیکی و صمیمیت با مدیر، سن و منبع کنترل بیشترین تاثیر را بر رفتار پرسه زنی اینترنتی داشته اند.
۱۸۲.

بررسی دقت و کارایی مدل های بازتحلیل شده هیدرولوژیکی در برآورد میزان تبخیر از مخازن سدها (مطالعه موردی: سد یامچی اردبیل)(مقاله علمی وزارت علوم)

نویسنده:
منبع: جغرافیا و مخاطرات محیطی تابستان ۱۴۰۲ شماره ۴۶ 47 - 62

کلیدواژه‌ها: تبخیر مخزن سد مدل باز تحلیل شده هیدرولوژیکی مدل تحلیلی و تجربی شبکه عصبی مصنوعی

حوزه های تخصصی:
تعداد بازدید : ۱۱۵ تعداد دانلود : ۸۰
امروزه با در دست داشتن مدل های باز تحلیل شده هیدرولوژیکی به راحتی می توان به مقادیر موردنیاز تبخیر در زمان و مکان دلخواه دست پیدا کرد. در مقاله حاضر به بررسی کارایی مدل های بازتحلیل شده هیدرولوژیکی SWBM، HTESSEL، HBV-SIMREG، Ensemble و LISFLOOD برای تخمین مقدار تبخیر از مخزن سد یامچی اردبیل پرداخته شد. جهت ارزیابی کارایی مقادیر تبخیر به دست آمده از مدل های باز تحلیل شده هیدرولوژیکی، از نتایج معادله تحلیلی پنمن و مقادیر هشت رابطه تجربی جهت تخمین تبخیر از سطح آزاد آب استفاده گردید. همچنین در کنار این دو روش، دقت مدل های بازتحلیل شده با روش عصبی پیش خور نیز مورد مقایسه قرار گرفت. نتایج به دست آمده نشان داد که مقادیر تبخیر حاصل از مدل تحلیلی پنمن دارای ضریب همبستگی 90/0 با داده های به دست آمده از تشت تبخیر منطقه موردمطالعه است. از میان مدل های بازتحلیل شده هیدرولوژیکی بالاترین همبستگی با مقادیر تشت تبخیر توسط مدل LISFLOOD با مقدار 87/0 و RMSE برابر 37/1 میلی متر در روز به دست آمد. نتایج به دست آمده همچنین نشان داد که مقدار MAE مدل LISFLOOD با داده های ثبت شده توسط تشت تبخیر در تخمین تبخیر از مخزن سد یامچی در حدود 14/1 میلی متر در روز بوده است. با توجه به نتایج حاصله می توان بیان کرد که برای تخمین تبخیر از مخازن سد در صورت عدم دسترسی به داده های منطقه، مدل های بازتحلیل شده هیدرولوژیکی می تواند تخمین مناسبی در مقیاس تبخیر روزانه در اختیار کاربر قرار دهد.
۱۸۳.

کاربرد شبکه عصبی مصنوعی وCellular Automata در مدل سازی و پیش بینی تغییرات کاربری اراضی شهر بوانات(مقاله علمی وزارت علوم)

نویسنده:
منبع: مطالعات برنامه ریزی سکونتگاه های انسانی دوره ۱۸ پاییز ۱۴۰۲ شماره ۳ (پیاپی ۶۴) 255 - 270

کلیدواژه‌ها: کاربری اراضی سیستم اطلاعات مکانی سنجش از دور شبکه عصبی مصنوعی شهر بوانات

حوزه های تخصصی:
تعداد بازدید : ۷۲ تعداد دانلود : ۸۲
مقدمه: امروزه به دلیل ارزش بالای زمین و محدودیت منابع طبیعی در شهر بوانات پیش بینی تغییرات کاربری اراضی در این شهر از اهمیت بسزائی برخوردار است.هدف پژوهش: تعیین میزان توانائی در مدلسازی پدیده های مکان یابی در شهر بوانات یکی از اهداف اصلی تحقیق می باشد. روش شناسی: با توجه به کاربردی و توسعه ای بودن در این تحقیق از شبکه های عصبی مصنوعی برای کالیبراسیون مدل برای فاکتورهای مؤثر در شهر بوانات استفاده شده و از نرم افزار پردازش تصویر ENVI و Arc GIS بهره گرفته شده است.روش شناسی: با توجه به کاربردی و توسعه ای بودن در این تحقیق از شبکه های عصبی مصنوعی برای کالیبراسیون مدل برای فاکتورهای مؤثر در شهر بوانات استفاده شده و از نرم افزار پردازش تصویر ENVI و Arc  GIS بهره گرفته شده است.قلمرو جغرافیایی پژوهش: شهرستان بوانات واقع در 240 کیلومتری شهر شیراز به مساحت 2/4992 کیلومترمربع می باشد که در موقعیت 46/30 درجه شمالی و 67/53 درجه شرقی قرار گرفته است.یافته ها: در طراحی مدلسازی رشد شهری در بوانات در بین سال های 2003 تا 2018 با استفاده از شبکه عصبی مصنوعی مشاهده شد که به دو دلیل عمده مدل مذکور جهت پیش بینی تغییرات کاربری اراضی شهر بوانات مناسب می باشد که دلیل اول آن میزان توانائی مدل CA و دلیل دوم دست یابی به مدلی برای تغییر و گسترش شهری با تغییر در کاربری اراضی شهری می باشد.نتیجه گیری: پس از بررسی یافته ها مشخص گردید که شبکه راه ها یکی از مهمترین عوامل در رشد و گسترش شهر بوانات بوده و علاوه بر آن درصد شیب زمین از پارامترهای مؤثر در مدلسازی شهر بوانات می باشد.
۱۸۴.

بررسی مقایسه ای رویکرد الگوریتم ژنتیک با رویکرد شبکه عصبی مصنوعی با استفاده از نسبت های مالی در پیش بینی بازده سهام

نویسنده:
منبع: مهندسی مدیریت نوین سال ۲ تابستان ۱۳۹۲ شماره ۲ 15 - 44

کلیدواژه‌ها: بازده سهام شبکه عصبی مصنوعی الگوریتم ژنتیک نسبت های مالی

حوزه های تخصصی:
تعداد بازدید : ۸۱ تعداد دانلود : ۱۰۷
سرمایه گذاری در سهام عرضه شده در بورس اوراق بهادار یکی از گزینه های پرسود در بازار سرمایه است. بازار سهام دارای سیستمی غیر خطی و آشوب گونه است که تحت تأثیر شرایط سیاسی، اقتصادی و روانشناسی می باشد و می توان از سیستم های هوشمند غیرخطی همچون شبکه های عصبی مصنوعی، شبکه های عصبی فازی و الگوریتم های ژنتیک برای پیش بینی بازده سهام استفاده نمود. در این مقاله به طراحی و ارائه ی یک مدل پیش بینی بازده سهام با استفاده از نسبت های مالی با رویکردهای شبکه عصبی مصنوعی و الگوریتم های ژنتیکی و کاهش خطای پیش بینی بازده سهام پرداخته شده است. در ادامه پس از طراحی و پیاده سازی مدل شبکه های عصبی مصنوعی و الگوریتم های ژنتیک، با استفاده از 6 معیار سنجش عملکرد برای پیش بینی، نتایج دو رویکرد مورد مقایسه گرفته است. نتایج نشان می دهد که رویکرد الگوریتم های ژنتیک نسبت به رویکرد شبکه های عصبی مصنوعی، پیش بینی های بسیار مناسب تری داشته و از سرعت بالاتر و توانایی تقریب قوی تری برای پیش بینی بازده سهام برخوردار بوده است.
۱۸۵.

مدلسازی ریسک نقدینگی بانک های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از شبکه های عصبی مصنوعی و شبکه های بیزی (مطالعه موردی: بانک ملت)(مقاله علمی وزارت علوم)

نویسنده:
منبع: راهبرد اقتصادی سال یازدهم پاییز ۱۴۰۱ شماره ۴۲ 57 - 84

کلیدواژه‌ها: ریسک نقدینگی صنعت بانکداری شبکه عصبی مصنوعی شبکه بیزی

حوزه های تخصصی:
تعداد بازدید : ۱۵۹ تعداد دانلود : ۱۱۸
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.
۱۸۶.

توسعه و پیاده سازی روش تحلیل مؤلفه های اصلی جهت پایش وضعیت توربین گازی(مقاله پژوهشی دانشگاه آزاد)

نویسنده:
منبع: مهندسی مدیریت نوین دوره ۹ پاییز ۱۴۰۲ شماره ۳ 47 - 65

کلیدواژه‌ها: توربین گاز پایش وضعیت نیروگاه تحلیل مؤلفه های اصلی شبکه عصبی مصنوعی

حوزه های تخصصی:
تعداد بازدید : ۸۷ تعداد دانلود : ۷۰
توربین های گازی ماشین های پیچیده و گران قیمتی هستند که هزینه های تعمیر خرابی های پیش بینی نشده ی آن ها بالاست. حس گرهای سامانه ی کنترلی توربین های گازی به طور پیوسته داده های زیادی را گزارش می کنند که ثبت و جمع آوری مقادیر آن ها، تشکیل داده های حجیم را می دهند. با داده کاویِ داده هایِ حجیمِ توربین گازی، می توان عیب و خرابی توربین را قبل از رخداد پیش بینی نمود. مجموعه ی ماتریسِ داده های تحقیق حاضر، حاصل ثبت و تجمیع مقادیر برخی از حس گرهای نصب شده بر روی توربین گاز فریم 9 یکی از نیروگاه های کشور هست. در این پژوهش پس از نرمالیزه کردن داده های ماتریس، سطرهای ماتریس بر حسب سالم یا معیوب بودن برچسب گذاری شدند. سپس با بهره گیری از تکنیک مؤلفه های اصلی، ابعاد ماتریسِ داده، از هفت بُعد به چهار بُعد کاهش داده شد و ویژگی های اصلی آن استخراج گردید. پس از یادگیریِ ماشین که بر روی 80% داده ها انجام گرفت معیار دقت، میزان خطا و همگرایی مدل برای کاهش های ابعادی مدل از دو تا شش بُعد بر روی 20% داده ها مورد مطالعه قرار گرفت که در نهایت مشخص گردید علاوه بر اینکه مدل ساخته شده به خوبی از پس کاهش ابعاد ماتریس، استخراج ویژگی ها با کمک تکنیک «تحلیل مؤلفه های اصلی» برآمده همچنین توانسته با تکنیک «شبکه عصبی مصنوعی» وقوع عیب را شناسایی و همچنین کلاس عیب را تشخیص دهد. مدل ساخته شده با تلفیق تکنیک «تحلیل مؤلفه های اصلی» با تکنیک «شبکه مصنوعی عصبی» توانسته دقتی بیش از 90% و با دقت خوب و بیشترین میزان همگرایی ماتریس داده ها را نمایش دهد و کلاس عیب توربین را مشخص نماید.  
۱۸۷.

ارزیابی کیفیت خدمات آموزشی و سنجش رضایت دانشجویان بر اساس مدل سروکوال و شبکه عصبی مصنوعی (مطالعه موردی: دانشکده مهندسی دانشگاه سیستان و بلوچستان)

نویسنده:
منبع: آموزش مهندسی ایران سال ۲۱ تابستان ۱۳۹۸ شماره ۸۲ 73 - 91
تعداد بازدید : ۵۷ تعداد دانلود : ۶۵
ارائه خدمت با کیفیت از عوامل مهم رضایت مشتریان می باشد. بر همین اساس، شناخت ادراکات و انتظارات دریافت کنندگان خدمت از عوامل ارتقای کیفیت از دیدگاه مشتری محسوب می شود. این پژوهش با هدف ارزیابی کیفیت و تعیین شکاف بین انتظارات و ادراکات دانشجویان از خدمات آموزشی و پیش بینی رضایت دانشجویان به بررسی مقایسه ای مدل های مبتنی بر ادراک و انتظار دانشجویان از خدمات آموزشی می پردازد. این مطالعه به روش توصیفی-اکتشافی انجام شده است. جامعه آماری این تحقیق شامل کلیه ی دانشجویان مشغول به تحصیل دانشکده مهندسی در نیمسال اول 1396- 1395 بود. از آنجا که مطالعه تمام افراد جامعه آماری امکان پذیر نبود، با استفاده از روش نمونه گیری تصادفی سیستماتیک 313 نفر انتخاب شدند و پرسشنامه استاندارد سروکوال بومی شده در اختیار آنان قرار گرفت. پرسشنامه در قالب 25 جفت سؤال طراحی و داده های ورودی و خروجی در سه مدل مختلف ادراکات و انتظارات، ادراکات، و شکاف ها به شبکه عصبی مصنوعی داده شد. نتایج نشان داد که شبکه های عصبی مصنوعی با استفاده از داده های جمع آوری شده مدل ادراکات با خطای کمتر و دقت بیشتری قادر به پیش بینی ارزیابی کیفیت خدمات نسبت به دو مدل دیگر است. همچنین مهمترین متغیرها در کیفیت خدمات آموزشی، ارائه مطالب به شیوه ای قابل درک، مناسب بودن زمان برگزاری کلاس ها، برگزاری دوره های آموزشی مهارتی خاص هر رشته، انعطاف پذیری اساتید در مواجهه با شرایط دانشجو، و برگزاری اردوها و برنامه های آموزشی فوق برنامه تعیین گردید.
۱۸۸.

تعیین عوامل تأثیرگذار در آموزش مهندسی و پیش بینی افزایش سنوات تحصیلی با رویکرد تصمیم گیری چند معیاره و داده کاوی (شبکه عصبی مصنوعی)(مقاله علمی وزارت علوم)

نویسنده:
منبع: آموزش مهندسی ایران سال ۲۴ بهار ۱۴۰۱ شماره ۹۳ 51 - 66
تعداد بازدید : ۶۲ تعداد دانلود : ۶۱
 با توجه به نقش دانشگاه ها در آموزش مهندسی، بررسی وضعیت نظام آموزشی و نقاط قوت و ضعف آن به منظور بهبود فرآیند آموزش مهندسی ضرورت دارد. در این تحقیق عوامل موثر بر افزایش سنوات تحصیلی دانشجویان رشته های مهندسی و وضعیت دانشجویانی که در سنوات مجاز، تحصیل خودرا به اتمام نمی رسانند، بررسی شده است. در ابتدا شاخص های تاثیرگذار بر افزایش سنوات تحصیلی دانشجویان مهندسی شناسایی و با استفاده از فن AHP اولویت بندی شد. نتایج رتبه بندی نشان داد معدل دروس پایه، معدل دروس اصلی، معدل دروس عمومی، تعداد نیمسال های مشروطی، معدل دروس اختیاری و تعداد واحد افتاده از نظر خبرگان بیشترین تاثیر را بر افزایش سنوات تحصیلی دانشجویان مهندسی دارند. سپس به ارائه الگویی برای پیش بینی افزایش سنوات تحصیلی با توجه به وضعیت تحصیلی دانشجویان رشته های مهندسی با استفاده از شبکه عصبی مصنوعی پرداخته شد. براساس نتایج شبکه عصبی عوامل تعداد واحد های افتاده، معدل دروس اصلی، معدل دروس پایه، تعداد نیمسال های مشروطی، مدت تاهل و میانگین معدل دروس ریاضی و فیزیک دبیرستان بیشترین اثرگذاری را بر افزایش سنوات تحصیلی دارند. در نهایت با مقایسه نتایج حاصل از روش AHP و شبکه عصبی، عامل های معدل دروس پایه و اصلی، تعداد نیمسال های مشروطی و تعداد واحدهای افتاده در هر دو روش عوامل با تاثیرگذاری بیشتر شناخته شدند که در حین تحصیل دانشجویان رشته های مهندسی باید توجه بیشتری به آنها شود.
۱۸۹.

مقایسه شبکه های عصبی مصنوعی در پیش بینی بازدهی سهام

نویسنده:
منبع: رویکردهای پژوهشی نوین در مدیریت و حسابداری سال ۷ تابستان ۱۴۰۲ شماره ۲۵ 720-753

کلیدواژه‌ها: بازدهی سهام شبکه عصبی مصنوعی پیش بینی

حوزه های تخصصی:
تعداد بازدید : ۱۰۶ تعداد دانلود : ۱۱۵
بازدهی سهام یکی از عوامل مهم در تصمیم گیری و سرمایه گذاری در بازار سهام است که مورد توجه سرمایه گذاران و سایر دست اندرکاران بازار سرمایه است. سرمایه گذاران و سایر دست اندرکاران این بازار، با در نظر گرفتن تخصصی بودن موضوع، نیازمند ابزارهایی هستند که در انتخاب گزینه مناسب سرمایه گذاری و انتخاب پرتفوی مناسب به آنها کمک کند. ابزارها برای افزایش کارایی و عملکرد درست، ضرورت دارد در زمان ها و بازارهای مختلف در معرض آزمون قرار گیرند .هدف اصلی از این تحقیق، مقایسه مدل شبکه های عصبی مصنوعی ایستا و پویا در برآورد بازدهی سهام در بورس اوراق بهاء دار تهران در دوره 1391 تا 1400 می باشد. برای بدست آوردن اطلاعات مورد نیاز از منابع کتابخانه ای و سوابق موجود در سامانه سازمان بورس و کدال استفاده شده است. برای ذخیره سازی، پردازش، اندازه گیری متغیرها و تجزیه و تحلیل آماری از نرم افزار های اکسل و متلب استفاده شده است. نتایج تحقیق نشان دادند که مدل شبکه عصبی مصنوعی پویا نسبت به مدل شبکه عصبی مصنوعی ایستا دارای قدرت پیش بینی بهتری در برآورد بازدهی سهام در بورس اوراق بهادار تهران است.
۱۹۰.

شبیه سازی روند و فرین های دمای زنجان براساس سناریوهای اقلیمی و شگرد شبکه عصبی مصنوعی(مقاله علمی وزارت علوم)

نویسنده:
منبع: تحلیل فضایی مخاطرات محیطی سال ۱۰ تابستان ۱۴۰۲ شماره ۲ ۲۰-۱

کلیدواژه‌ها: سناریوهای اقلیمی شبیه سازی فرین دما شبکه عصبی مصنوعی زنجان

حوزه های تخصصی:
تعداد بازدید : ۸۲ تعداد دانلود : ۸۰
تغییرات شدید آب و هوایی (و گرمایش کره زمین) در سال های اخیر به تغییر الگوهای جوی و پدید آمدن ناهنجاری های اقلیمی در اغلب نقاط جهان منجر شده است. فرایند تغییر اقلیم به ویژه تغییرات دما از مهم ترین چالش ها در قلمرو علوم زمین و علوم محیطی است. هرگونه تغییر در مشخصه های دما به عنوان یکی از عناصر مهم اقلیمی هر منطقه موجب تغییر در ساختار اقلیمی آن منطقه می گردد. از این رو شناخت تغییرات و روند دما در برنامه ریزی های محیطی مبتنی بر دانسته های آب وهوایی هر نقطه و ناحیه امری ضروری به نظر می رسد. به همین جهت پژوهش حاضر به شبیه سازی دمای روزانه (کمینه، بیشینه و میانگین) شهر زنجان تا سال 2100 می پردازد. روش اجرای پژوهش از نوع توصیفی – تحلیلی و روش گردآوری داده ها کتابخانه ای (اسنادی) است. برای بررسی دمای شهر زنجان از داده های کمینه، بیشینه و میانگین روزانه دما از ایستگاه همدید شهر زنجان طی دوره 2021-1961 استفاده شد. داده های مدل گردش عمومی جوی جهت شبیه سازی متغیرهای اقلیمی (دمای کمینه، متوسط و بیشینه) با استفاده از شگرد شبکه عصبی مصنوعی و سناریوهای اقلیمی، در دوره های آتی مورد استفاده قرار گرفت. نتایج حاصل از شبیه سازی فرین های دمایی با استفاده از سناریوهای RCP2.6، RCP4.5 و RCP8.5، نشان داد که افزایش متوسط دمای روزانه، کمینه و بیشینه تحت تمامی سناریوها، به ترتیب 6/3، 3/3 و 7/2 درجه سلسیوس برای دوره 2022-2100 محتمل است. بررسی داده های ماهانه شبیه سازی شده تحت سناریوها و داده های مشاهده شده نظیر نشان می دهد که احتمال دارد کمینه، میانگین و بیشینه دما در ماه های ژانویه و فوریه بیشترین افزایش را داشته باشند. در حالی که با توجه به 3 سناریو، احتمال دارد که میانگین کمینه در ماه اوت، متوسط دما در ماه آوریل و بیشینه دما در ماه اکتبر کم ترین افزایش را تجربه کنند. همچنین دمای فصلی شبیه سازی شده تحت سناریوها نشان می دهد همه فصل های سال به ویژه فصل های سرد سال، گرم تر خواهند شد. شمار رخداد فراوانی فرین ها نیز در هر سه مقیاس دمایی (کمینه، میانگین و بیشینه) برای چارک 25ام و75ام در هر سه سناریو افزایش خواهد یافت.
۱۹۱.

مدل سازی خطر مکانی پیشروی پهنه های ماسه ای با استفاده از الگوریتم های خبره و هوش مصنوعی(مقاله علمی وزارت علوم)

نویسنده:
منبع: تحلیل فضایی مخاطرات محیطی سال ۱۰ پاییز ۱۴۰۲ شماره ۳ ۸۴-۷۱

کلیدواژه‌ها: تکنیک های داده کاوی شبکه عصبی مصنوعی جنگل تصادفی پهنه های ماسه ای سرخس

حوزه های تخصصی:
تعداد بازدید : ۹۱ تعداد دانلود : ۸۳
شناسایی پهنه های ماسه ای، ابزار مهمی برای برنامه ریزی در راستای توسعه پایدار به شمار می رود. با توجه به شرایط اقلیمی شهرستان سرخس، پارامترهایی مانند خشک سالی، طوفان های گرد و غبار از یک طرف، توسعه اراضی کشاورزی و تبدیل مراتع به دیم زارهای کم بازده از سوی دیگر سبب پیش روی و توسعه این پهنه ها گردیده است. با توجه به هدف پژوهش، عوامل موثر و پویا مانند پوشش گیاهی، خشک سالی و تعداد روزهای گرد و غبار، به عنوان متغیرهای دینامیک و سایر پارامترهای طبیعی منطقه مانند زمین شناسی، شیب، جهت، پستی و بلندی و خاک به عنوان متغیرهای استاتیک ورودی به مدل انتخاب گردیدند. در مدل سازی از الگوریتم های جنگل تصادفی (RF) و شبکه عصبی پرسپترون (MLP) استفاده شد. برای ساخت مدل ها 8 لایه اطلاعاتی به عنوان متغیر پیش گو و متغیر وجود یا عدم وجود پهنه های ماسه ای بعنوان متغیر هدف تعیین گردید. ارزیابی الگوریتم های مدل سازی با استفاده از منحنی ROC انجام گردید. نتایج نشان داد که الگوریتم RF با سطح زیر منحنی بطور میانگین بیش از 90 درصد عملکرد بهتری نسبت به MLP با سطح زیر منحنی میانگین 75 درصد، داشته است. در رتبه بندی متغیرهای بکار رفته در مدل، متغیر پوشش گیاهی در همه دوره ها در رتبه اول قرار گرفت و پس از آن متغیر SPI در سال های 2000 و 2015 و متغیر DSI در سال های 2005 و 2010 در درجه دوم اهمیت قرار داشتند. در متغیرهای استاتیک استفاده شده در مدل، متغیرهای شیب و جهت از اهمیت کمتری نسبت به سایر متغیرها در همه دوره ها برخوردار و در رتبه پایین تری قرار گرفت.
۱۹۲.

کاربرد شبکه عصبی مصنوعی و رگرسیون خطی در ارزیابی آلودگی هوای کلانشهر تبریز(مقاله علمی وزارت علوم)

نویسنده:
منبع: جغرافیا و برنامه ریزی سال ۲۷ زمستان ۱۴۰۲ شماره ۸۶ 167 - 184

کلیدواژه‌ها: آلودگی هوا شبکه عصبی مصنوعی رگرسیون خطی کلانشهر تبریز MLP و GIS

حوزه های تخصصی:
تعداد بازدید : ۷۶ تعداد دانلود : ۶۵
تبریز که سریع ترین رشد شهری را در شمال غرب کشور داراست، از بزرگترین شهرهای ایران از لحاظ جمعیتی، اقتصادی، صنعت و حمل ونقلی است که توسعه فزاینده به موازات عدم رعایت برنامه ریزی اصولی کاربری های اراضی و فرسودگی حمل و نقل عمومی و بخش احتراق صنایع و عدم فیلترازسیون مناسب این صنایع به عنوان مثال نیروگاه حرارتی منجر به افزایش آلودگی هوا در سطح شهر شده است. بدین منظور پژوهش حاضر سعی دارد با استفاده از متغیرهای ورودی ( فاصله از مراکز صنعتی، رطوبت، دما، تراکم جمعیت، فاصله از مراکز تجاری، فاصله از ایستگاه های اتوبوس، فاصله از مراکز آموزشی، تغییرات پوشش گیاهی، فاصله از آزاد راه ها، تراکم ساختمانی، جهت باد، دی اکسید کربن و مونوکسید کربن ) به ارزیابی آلودگی هوا با استفاده از شبکه عصبی مصنوعی و رگرسیون خطی در کلانشهر تبریز بپردازد. در پژوهش حاضر سعی گردید متغیرهای مستقل موثر در توزیع احتمال آلایندگی در دو مدل شبکه عصبی پرسپترون چند لایه (MLP) و رگرسیون خطی در ارتباط گذاشته شود تا بتوان با تعریف تمهیداتی در مدیریت شهری و اثر گذاری و برنامه ریزی در متغیرهای یاد شده کنترل آلودگی را بهبود بخشد. نتایج نشان می دهد که عمده ترین آلاینده ها بیشتر مربوط به ذرات معلق (PM10)، گاز (CO2)، (SO2) و (NOx) می باشد. پراکندگی ذرات معلق در هوا بیشتر بر اثر تردد وسایط نقلیه، فعالیت های صنعتی، احتراق سوخت موتورهای دیزل و ساخت و ساز بی رویه و نیاز به تولید برق بیشتر می باشد. فعالیت های نیروگاه های حرارتی، پالایشگاه تبریز و سیستم های گرمایشی خانگی و تجاری درون شهری نیز از جمله عوامل تولید کننده SO2 بوده و بیشترین تولید CO2 مربوط به سوخت خودروهای بنزین سوز می باشد. شدت افزایش مقدار این آلاینده در تمامی ایستگاه های منتخب در فصل های پاییز و زمستان به مراتب بیشتر بوده به طوری که در این فصول آلاینده ها به بیش از دو برابر مجاز نیز می رسند. سهم آلاینده های هوای تبریز را می توان به سه دسته کلی تقسیم بندی نمود که بیشترین عامل متعلق به بخش نیروگاه حرارتی و حمل و نقل می باشد.
۱۹۳.

پیش نمایی بارش های تابستانه مونسونی جنوب شرق ایران مبتنی بر مدل همادی(مقاله علمی وزارت علوم)

نویسنده:
منبع: پژوهشهای تغییرات آب و هوایی سال چهارم پاییز ۱۴۰۲ شماره ۳ (پیاپی ۱۵) 1 - 22

کلیدواژه‌ها: پیش نگری مدل سازی تغییر اقلیم گرمایش جهانی شبکه عصبی مصنوعی

حوزه های تخصصی:
تعداد بازدید : ۱۱۴ تعداد دانلود : ۱۰۲
عنصر بارش ماهیت متغیر و تصادفی دارد و به لحاظ مکانی و زمانی دارای رفتاری متفاوت است. لذا پیش نمایی بارش در مقایسه با دیگر متغیرهای هواشناسی دارای عدم قطعیت بیشتر است. در پژوهش حاضر برای کاهش عدم قطعیت و تخمین مناسب  بارش، از برونداد داده های پایگاه کوردکس و مدل های CMIP5 از روش شبکه عصبی استفاده شد. نتایج نشان داد با توجه به همبستگی بالای دما، رطوبت و فشار هوا با بارش، کاربست این متغیرها در کاهش عدم قطعیت پیش نمای بارش سودمند است. ضمن اینکه می توان از روش غیرخطی شبکه های عصبی مصنوعی جهت اریب سازی داده های بارش پایگاه کوردکس و CMIP5 جهت آینده نگری بارش در جنوب شرق کشور استفاده کرد. از دیگر نتایج این پژوهش روند افزایشی بارش های جنوب شرق ایران به ویژه نواحی ساحلی می باشد. این امر را می توان ناشی از افزایش سطح تحت تأثیر بارش های متأثر یا هم زمان با مونسون جنوب غرب هند دانست. روند افزایشی بارش در سواحل جنوبی بی ارتباط با افزایش ظرفیت نگهداشت محتوای رطوبتی نیز نمی باشد. تغییرپذیری بین بارش سالانه باران های موسمی هند نیز نشان دهنده یک روند مثبت ثابت تحت گرمایش جهانی بی وقفه است. ازآنجاکه هم افزایش مدت بارندگی های موسمی و هم افزایش تنوع بین سالی در آینده در بیشتر مدل ها دیده می شود، می توان به این روندهای پیش بینی شده اطمینان خاطر داد. همچنین  پیش بینی می شود که بارش باران های مونسون تابستان هند در شرایط گرم شدن کره زمین در دهه 2050 در مقایسه بازمان پایه بیشتر باشد.
۱۹۴.

اثر پوشش گیاهی شهری در کاهش آلودگی صوتی با استفاده از شبکه عصبی مصنوعی(مقاله علمی وزارت علوم)

نویسنده:
منبع: مطالعات ساختار و کارکرد شهری سال ۸ تابستان ۱۴۰۰ شماره ۲۷ 161 - 179

کلیدواژه‌ها: آلودگی صوتی شبکه عصبی مصنوعی دیوار صوتی گیاهی شدت صوت

حوزه های تخصصی:
تعداد بازدید : ۷۸ تعداد دانلود : ۶۷
آﻟﻮدﮔﯽ ﺻﻮﺗﯽ، از ﻣﻌﯿﺎرهای مهم برای تعیین کیفیت زندگی در شهرها محسوب می شود و رفاه اجتماعی را تحت تأثیر خود قرار می دهد. در این راستا پوشش گیاهی و فضای سبز نقش بسیار مؤثری در کنترل و کاهش آلودگی شهرها دارند. ارزیابی و مدل ساختار و ترکیب مؤثر پوشش گیاهی در کنترل آلودگی صوتی در شهرها همچنان با محدودیت بسیاری در مطالعات روبرو است به طوری که هدف اصلی این پژوهش قرار گرفته است. نمونه گیری شدت صوت در 100 ایستگاه در بوستان ها و معابر مناطق ۲ و ۵ شهر تهران انجام شد. جهت مدل سازی میزان کاهش شدت صوت (Leq) در دیوار صوتی گیاهی از روش مدل سازی شبکه عصبی مصنوعی و با استفاده از 9 متغیر پوشش گیاهی انجام شده است. با توجه به نتایج، مدل به دست آمده با ساختار 1-24-9 (9 متغیر ورودی، 24 نورون در لایه مخفی و یک متغیر خروجی) با توجه به بیشترین مقدار ضریب تبیین در سه دسته داده آموزش، اعتبارسنجی و آزمون معادل 98/0، 92/0 و 9/0، بهترین عملکرد بهینه سازی ساختار را نشان می دهد. بر اساس نتایج آنالیز حساسیت مدل، عرض دیوار، میانگین ارتفاع درختان، و میانگین قطر تاج درختچه ها با ضریب اثرگذاری 72/0، 44/0و 15/0، به ترتیب بیشترین تأثیر را در کاهش شدت صوت در دیوارهای صوتی گیاهی شهری از خود نشان می دهند مدل ارائه شده در این پژوهش به عنوان یک سیستم پشتیبان تصمیم گیری در طراحی مهندسی دیوارهای صوتی گیاهی در شهرها شناخته شده است به طوریکه امکان پیش بینی راندمان این دیوارها را با توجه به متغیرهای ساختاری آنها به خوبی فراهم می کند.
۱۹۵.

ارائه الگوی مقایسه ای: ارتقا کیفیت محیط اطلاعات مالی داخلی شرکت های دولتی و غیر دولتی براساس ویژگی های مدیریتی (مدل شبکه عصبی مصنوعی با روش رگرسیون)(مقاله علمی وزارت علوم)

نویسنده:
منبع: حسابداری دولتی سال ۱۰ پاییز و زمستان ۱۴۰۲ شماره ۱ (پیاپی ۱۹) 51-72

کلیدواژه‌ها: تحلیل رگرسیون شبکه عصبی مصنوعی کیفیت محیط اطلاعات مالی داخلی و ویژگی های مدیریتی

حوزه های تخصصی:
تعداد بازدید : ۶۵ تعداد دانلود : ۵۹
موضوع و هدف مقاله: هدف پژوهش حاضر ارائه الگویی بهینه برای ارتقاء کیفیت محیط اطلاعات مالی داخلی شرکت های پذیرفته شده در بورس اوراق بهادار تهران براساس ویژگی های مدیریتی شرکتهای بامالکیت دولتی و غیردولتی به کمک تحلیل مقایسه ایی مدل شبکه عصبی مصنوعی با روش رگرسیون بود. روش شناسی پژوهش: این پژوهش از نظر هدف کاربردی و روش مورد استفاده آن، توصیفی از نوع علّی- پس رویدادی بود. برای آزمون فرضیه ها نمونه ای متشکل از 72 شرکت دولتی و 38 شرکت غیردولتی از سال های 1400–1393 انتخاب شد. برای تجزیه و تحلیل اطلاعات از روش داده های پانل و برای آزمون فرضیه اول از آزمون مقایسه میانگین دو جامعه و برای پیش بینی ارتقاء کیفیت محیط اطلاعات مالی داخلی از روش رگرسیون خطی چندگانه و شبکه های عصبی پرسپترون چندلایه استفاده نمودیم.یافته ها: مقایسه این دو معیار نشان داد که علاوه بر تأثیر ویژگی های مدیریتی شرکت های با مالکیت دولتی و غیردولتی بر ارتقاء کیفیت محیط اطلاعات داخلی، به ترتیب در فرضیه 1-2 و 2-2 با میزان ضریب تبیین 67/0 و 75/0 نسبت به روش شبکه عصبی MLP با مقدار R2 47/0 و 50/0 دارای ارجحیت می باشد، اما در فرضیه سوم، تفاوت معنی داری بین روش MLP و رگرسیون در ضرایب تعیین مشاهده نگردید. نتایج نشان داد روش رگرسیون به دلیل بیشتر بودن تعداد مشاهدات نسبت به شبکه های عصبی در این تحقیق دارای دقّت بیشتری در برآورد و تبیین کیفیت محیط اطلاعات داخلی شرکت ها می باشد. استفاده از شبکه عصبی مصنوعی به عنوان روش جدید در پیش بینی و مدل سازی شرکت های فعال در بازارهای مالی و تحلیل مقایسه ایی آن با روش رایج رگرسیون، یکی از نوآوری این پژوهش است.
۱۹۶.

پیش بینی بزرگا و محل وقوع زلزله های احتمالی در محدوده خطوط ریلی استان هرمزگان با استفاده از شبکه عصبی مصنوعی(مقاله علمی وزارت علوم)

نویسنده:
منبع: جغرافیا و برنامه ریزی محیطی دوره ۳۵ بهار ۱۴۰۳ شماره ۱ (پیاپی ۹۳) 111 - 128

کلیدواژه‌ها: پیش بینی خطوط ریلی زلزله شبکه عصبی مصنوعی استان هرمزگان

حوزه های تخصصی:
تعداد بازدید : ۵۰ تعداد دانلود : ۶۴
پیش بینی بزرگا و محل وقوع زلزله تأثیر زیادی در کاهش خسارت های ناشی از این پدیده خواهد داشت؛ زیرا پیش بینی محل وقوع زلزله های احتمالی موجب بهسازی و مقاوم سازی تأسیسات و زیرساخت ها در این مکان ها و کاهش آسیب پذیری آنها خواهد شد. بر همین اساس، در پژوهش حاضر کوشش شده است تا با استفاده از الگوریتم شبکه های هوشمند عصبی مصنوعی بزرگی و محل وقوع لرزه های احتمالی در محدوده خطوط ریلی استان هرمزگان پیش بینی و تحلیل شود. بدین منظور پژوهشگاه بین المللی زلزله شناسی و مهندسی زلزله از موقعیت مکانی، بزرگا و عمق زلزله های ثبت شده در محدوده مطالعاتی و نیز از طول گسل های موجود در منطقه به عنوان متغیرهای ورودی به مدل شبکه عصبی پرسپترون چند لایه استفاده کرده است. نتایج پژوهش نشان می دهد که در منطقه مطالعاتی 31 نقطه برای وقوع لرزه های احتمالی پیش بینی شده است که نهایت بزرگای محتمل برای این نقاط 3/4 و 2/5 ریشتر خواهد بود. بر همین اساس، پهنه بندی استان هرمزگان براساس لرزه های پیش بینی شده حاکی از آن است که بخش های جنوبی و مرکزی استان (شمال تنگه هرمز) در پهنه با خطر زیاد قرار دارند که موجب آسیب پذیری بیشتر خطوط ریلی در این بخش از استان خواهند شد. همچنین، تونل شماره 23 در محدوده پرخطر (در منطقه نهایت بزرگای محتمل) قرار دارد و نیز تونل 21، 22، 23 به زلزله های با بزرگای بیش از 5 ریشتر بسیار نزدیک است.
۱۹۷.

بررسی تأثیر شبکه موجک بر کارایی شبکه عصبی مصنوعی در پیش بینی رسوبات سیلابی(مقاله علمی وزارت علوم)

نویسنده:
منبع: جغرافیا و مخاطرات محیطی زمستان ۱۴۰۲ شماره ۴۸ 161 - 186

کلیدواژه‌ها: رسوب معلق داده کاوی یادگیری ماشین شبکه عصبی مصنوعی شبکه موجک

حوزه های تخصصی:
تعداد بازدید : ۴۰ تعداد دانلود : ۳۶
معمولاً سهم قابل ملاحظه ای از خسارت های ناشی از سیلاب، به رسوبات معلق در جریان سیل و هزینه های لایروبی ناشی از نشست آن ها در مناطق طبیعی، مسکونی و صنعتی برمی گردد. ازاین رو هنگام وقوع سیلاب علاوه بر پارامتر دبی آب، پایش دبی رسوبات حمل شده در آب نیز بسیار حائز اهمیت است. امروزه شبکه های عصبی مصنوعی به خوبی برای پیش بینی سری های زمانی غیرخطی توسعه یافته اند، اما ماهیت غیرخطی داده های رسوب و تأثیر گسترده ای از عوامل مختلف بر میزان دبی رسوب، منجر شده تا پیش بینی این داده ها همواره با چالش هایی مواجه باشند. تئوری موجک ازجمله روش های پیش پردازشی است که می تواند با تجزیه سری های زمانی اصلی به سیگنال های فرعی منجر به وضوح بهتر روابط درونی داده های غیرخطی گردد. در تحقیق حاضر مقادیر داده های رسوب در دو ایستگاه آبنما و میناب از حوزه آبخیز رودان هرمزگان قبل از ورود به شبکه عصبی مصنوعی از طریق تبدیل موجک به سیگنال های فرعی شکسته شد و سپس توسط شبکه عصبی مصنوعی فرایند پیش بینی صورت پذیرفت. همچنین به منظور بررسی تأثیر تبدیل موجک در عملکرد مدل شبکه عصبی، نتایج حاصل از این مدل ترکیبی با نتایج به دست آمده از مدل شبکه عصبی منفرد مقایسه گردید و کارایی آن ها با استفاده از روش اعتبارسنجی چندتکه، همبستگی و ریشه میانگین مربعات خطا مورد ارزیابی قرار گرفت. نتایج حاصله نشان داد شبکه عصبی مصنوعی در دو ایستگاه موردمطالعه به ترتیب با همبستگی 89/0 و 68/0 و شبکه عصبی موجکی با همبستگی 9/0 و 8/0 قادر به شبیه سازی میزان رسوبات هستند. همچنین آماره نرمال شده ریشه میانگین مربعات خطا به ترتیب در شبکه های عصبی مصنوعی 104/0 و 35/0 و در شبکه های ترکیبی 124/0 و 18/0 به دست آمد. با توجه به نتایج داده ها، تأثیر موجک در شناسایی سیگنال های فرعی و در نتیجه بهبود عملکرد مدل نسبت به شبکه های عصبی منفرد در پیش بینی میزان رسوبات قابل حمل در سیلاب به وضوح قابل توجه است.
۱۹۸.

کاربرد شبکه عصبی مصنوعی در شبیه سازی میانگین دمای بیشینه سده آینده، مطالعه موردی: ایستگاه همدید یزد(مقاله علمی وزارت علوم)

نویسنده:
منبع: اطلاعات جغرافیایی سپهر دوره ۳۳ بهار ۱۴۰۳ شماره ۱۲۹ 39 - 58

کلیدواژه‌ها: ایستگاه همدید یزد میانگین دمای بیشینه ریزگردانی شبیه سازی شبکه عصبی مصنوعی

حوزه های تخصصی:
تعداد بازدید : ۳۷ تعداد دانلود : ۲۸
در سال های اخیر فعالیت های انسانی، افزایش غلظت گازهای گلخانه ای در جو، گرمایش جهانی و تغییر اقلیم در مقیاس جهانی و محلی را به همراه داشته است. از این رو شبیه سازی رفتار و تغییرات محتمل هریک از متغیرهای جوّی - اقیلمی در آینده و بررسی پاسخ های احتمالی دستگاه اقلیم به آن تغییرات، بسیار حائز اهمیت است. در پژوهش حاضر به منظور ریزگردانی آماری، برازش و آزمون صحت مدل شبکه عصبی مصنوعی، داده های روزانه دمای بیشینه ایستگاه همدید یزد و متغیرهای جوّی مدل HadCM3 در دوره آماری 2005 - 1961 مورد استفاده قرار گرفت. پس از انتخاب معماری و ساختار مناسب شبکه عصبی، از مقادیر شبیه سازی شده مدل HadCM3 تحت واداشت های تابشی RCP2.6، RCP4.5 و RCP8.5 در دو دوره آماری 2050 - 2006 و 2095 - 2051 استفاده شد. نتایج حاکی از این بود که در هر دو دوره یاد شده افزایش دمای بیشینه ایستگاه همدید یزد در فصول زمستان (0.4 تا 6.9 درجه سلسیوس )، بهار (1.1 تا 5.7 درجه سلسیوس) و تابستان (1.1 تا 5.7 درجه سلسیوس) مورد انتظار است. در فصل پاییز فقط در ماه های نوامبر و دسامبر و تحت سناریوهای RCP4.5 و RCP8.5 افزایش دما در دوره دوم مورد انتظار است و در ماه اکتبر دمای بیشینه کاسته (0.6 تا 4.1 درجه سلسیوس ) می شود.
۱۹۹.

ارتباط یابی نقش شادابی سازمانی و توانمندسازی روانشناختی در مدیریت ترومای سازمانی نو معلمان با رویکرد شبکه عصبی مصنوعی (ANN)(مقاله علمی وزارت علوم)

نویسنده:
منبع: مشاوره شغلی و سازمانی دوره ۱۵ پاییز ۱۴۰۲ شماره ۳ (پیاپی ۵۶) 149 - 168

کلیدواژه‌ها: مدیریت ترومای سازمانی شادابی سازمانی توانمندسازی روانشناختی نو معلمان شبکه عصبی مصنوعی

حوزه های تخصصی:
تعداد بازدید : ۳۹ تعداد دانلود : ۲۹
پژوهش حاضر با هدف ارتباط یابی نقش شادابی سازمانی و توانمندسازی روانشناختی در مدیریت ترومای سازمانی نو معلمان با رویکرد شبکه عصبی مصنوعی انجام گرفت. جامعه آماری این مطالعه شامل نو معلمان استان گیلان، البرز و تهران با جمعیت 15000 نفر بود. روش نمونه گیری از نوع خوشه ای چند مرحله ای بود. حجم نمونه با توجه به مدل کرجسی- مورگان 375 نفر در نظر گرفته شد. برای جمع آوری داده ها از پرسشنامه شادابی سازمانی کرولف ، پرسشنامه توانمندسازی روانشناختی اسپرتیز و پرسشنامه مدیریت ترومای سازمانی محقق ساخته استفاده شد. روایی ابزارها با نظر استادان علوم تربیتی و روانشناسی تأیید شد. داده ها با شبکه عصبی مصنوعی پرسپترون چند لایه (MLP) در نرم افزار Spss.25 تحلیل شد. نتایج نشان داد ارتباط یابی شادابی سازمانی و توانمندسازی روانشناختی بر مدیریت ترومای سازمانی دارای یک لایه ورودی با 13 گره و یک لایه پنهان با 4 گره است و شبکه عصبی مصنوعی به خوبی قادر است پرش ها و روند مدیریت ترومای سازمانی را از روی شادابی سازمانی و توانمندسازی روانشناختی پیش بینی کند. یافته ها نشان می دهد که احساس مشارکت با دیگران بیشترین تأثیر و معنادار بودن کار کمترین تأثیر ضریب اهمیت را در بر آورد مدیریت ترومای سازمانی در بر می گیرد. با توجه به بررسی ها، بحران های روانشناختی در سازمان ها به یک تجربه رایج برای مدیران در سراسر جهان تبدیل شده است. اگر به درستی مدیریت نشود به نظر می رسد که تجربه آسیب جمعی در قالب بسیاری از عوامل سازمانی بروز می دهد که منجر به رفتار ناکار آمد در سازمان می شود.
۲۰۰.

تحلیل عوامل راهبردی و تجاری موثر بر پذیرش فناوری های سایبری در مدیریت کارافرینی با رویکرد شبکه عصبی مصنوعی ANN

نویسنده:
منبع: تکنولوژی در کارآفرینی و مدیریت استراتژیک دوره ۲ سال ۱۴۰۲ شماره ۲ (پیاپی ۴) 64-71

کلیدواژه‌ها: امنیت سایبری پذیرش فناوری سازمان های کارآفرین الگویابی معادلات ساختاری شبکه عصبی مصنوعی

حوزه های تخصصی:
تعداد بازدید : ۴۵ تعداد دانلود : ۳۷