شبکه‌های عصبی

در این مقاله یک الگوریتم ترکیبی برای حل مساله طراحی مقاوم با چندین متغیر پاسخ ارائه شده است. الگوریتم ارائه شده، ترکیبی از شبکه‌های عصبی و تکامل توام ژنتیکی است که در آن شبکه‌های عصبی به عنوان تقریب زننده تابع، نگاشت بین متغیرهای فرایند را تقریب زده و الگوریتم تکامل توام مدل ساخته با هدف مقاوم ساختن متغیرهای پاسخ فرایند، را حل می‌نماید و نتایج این الگوریتم با الگوریتم ژنتیک مقایسه می‌شود. روش پیشنهادی در یک مطالعه موردی فرایند ریسندگی اپن اند مورد آزمایش قرار گرفته است.

رویکردهای فراکاوشی عمدتاً بر اساس نظم و قواعد موجود در ارگانیسمهای طبیعی الهام گرفتهاند. این رویکردها امروزه کاربرد بسیاری در شاخههای مختلف پیدا کرده است. با توجه به اهمیت پیشبینی، شناخت روشها در پیشبینی مدیریت سود میتواند اطلاعات مفیدی را برای ذینفعان فراهم آورد. تنوع عوامل بدست آمده ناشی از نتایج الگوهای خطی برای سنجش مدیریت سود موجب شده است سرمایهگذارن نسبت به کیفیت سود گزارش شده تردید نمایند. بنابراین هدف از این پژوهش ارائه الگوی بهینهتر برای پیشبینی مدیریت سود است. در مرحله نخست با استفاده از الگوی شبکههای عصبی الگوی اولیه خطی را بهینه نموده، سپس از الگوریتمهای ازدحام ذرات و رقابت استعماری برای بهینهتر نمودن الگو استفاده گردید. از این رویافتههای تجربی مربوط به بررسی 620 مشاهده (سال – شرکت) پذیرفته شده در بورس اورق بهادر تهران در بازه زمانی 1390 الی 1395 حاکی از سودمندی و تاثیر مثبت در روشهای ترکیبی بر عملکرد پیشبینی مدیریت سود و همچنین وجود تفاوت معنادر بین میزان سودمندی روشهای خطی و غیرخطی است. به عبارتی در صورت استفاده از الگوریتمها در پیشبینی مدیریت سود دقت پیشبینی با حذف متغیرهای ناکارآمد افزایش مییابد. افزون بر این یافته های پژوهش حاکی از عملکرد بهتر و مناسب الگوریتم رقابت استعماری نسبت به سایر الگوها در کارآمدی متغیرهای گروه مدیریتی با دقت (8/95%) است.