شبکه های پرسپترون چندلایه

حسین زارعیان[1] علیرضا الهی[2]  نصرالله سجادی[3] امین قاضی زاهدی[4]   تاریخ دریافت مقاله: 1/11/1393                                                                                  تاریخ پذیرش مقاله:7/3/1394   پژوهش حاضر با هدف پیش بینی موفقیت کشورهای شرکت کننده در بازی های المپیک 2016 ریودوژانیرو با استفاده از روش هوشمند MLP انجام شد. این پژوهش، در دو مرحله کیفی (تعیین شاخص ها) و کمی (جمع آوری داده های مربوط به کشورهای منتخب) صورت گرفت. در مرحله اول ، مصاحبه های کیفی نیمه ساختارمند و عمیق با 28 نفر از نخبگان آگاه از موضوع پژوهش به صورت غیرتصادفی هدفمند تا حد اشباع نظری انجام شد. پس از شناسایی شاخص ها، اطلاعات شاخص های انتخاب شده - شاخص های      22 گانه اقتصادی، سیاسی، اجتماعی و فرهنگی، فناوری و ورزشی (PEST+S)-  برای 42 کشور منتخب به صورت غیرتصادفی در دسترس در بازه زمانی 40 ساله از بازی های المپیک 1976 مونترال تا 2012 لندن جمع آوری گردید. در مرحله بعد، از آزمون مدل مفهومی شبکه های پرسپترون چندلایه (MLP) برای مقایسه شاخص های 22 گانه ایران با مقادیر واقعی در سال 2012 استفاده شد. نتایج نشان داد در مقایسه مقادیر واقعی با مقادیر پیش بینی شده در سال 2012، روش MLP از خطای پایینی در پیش بینی شاخص های      22 گانه برخوردار است. همچنین، در خصوص مقایسه رتبه واقعی و رتبه پیش بینی شده 42 کشور منتخب در سال 2012، روش MLP از ضریب خطای مطلق میانگین پایینی (4629/0) برخوردار بود. در مرحله نهایی، شاخص های 22 گانه در سال 2016 تخمین زده شد و رتبه کشورهای منتخب در المپیک 2016 ریودوژانیرو پیش بینی شد. با استناد به نتایج تحقیق، کشورهای ایالات متحده آمریکا، چین و انگلستان در بازی های المپیک 2016 در رتبه اول تا سوم قرار خواهند گرفت. همچنین ایران نیز در بین تیم های شرکت کننده در جایگاه 21 قرار خواهد گرفت. به طور کلی، با استفاده از الگوی شبکه های عصبی، برای سیاستگذاران ورزش کشورها این امکان فراهم است تا از شاخص ها و مولفه های شناسایی شده در    برنامه ریزی های آتی خود جهت شرکت موفق تر در بازی های المپیک استفاده نمایند.