فهرس المقالات ساختار شبکه

• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  1 - اثرات ساختار شبکه، ذخیره دانش و ظرفیت جذب بر عملکرد نوآورانۀ شرکت‌های دانش‌بنیان
  مرتضی اکبری صاحب  ایمانی رویا  محمودی هدی  عابدی هادی  طلوع اصل
  مقاله حاضر با تکیه بر اهمیت ارتقا پیوستۀ عملکرد نوآورانۀ سازمان­ها، در پوشش دادن به تحقیقاتی که به دنبال شناسایی پیشایندهای عملکرد نوآورانه شرکت­ها هستند، سهیم است. از این منظر، پژوهش حاضر با هدف بررسی اثرات ساختار شبکه، ذخیره دانش و ظرفیت جذب بر عملکرد نوآورانه سازمان أکثر

  مقاله حاضر با تکیه بر اهمیت ارتقا پیوستۀ عملکرد نوآورانۀ سازمان­ها، در پوشش دادن به تحقیقاتی که به دنبال شناسایی پیشایندهای عملکرد نوآورانه شرکت­ها هستند، سهیم است. از این منظر، پژوهش حاضر با هدف بررسی اثرات ساختار شبکه، ذخیره دانش و ظرفیت جذب بر عملکرد نوآورانه سازمان در جامعه آماری به تعداد 200 شرکت انتخابی صورت گرفته است که با استفاده از فرمول حجم نمونه کوکران، 132 شرکت دانش ­بنیان مستقر در شهر تهران از طریق روش نمونه­ گیری ساده به عنوان نمونماری انتخاب گردید. در پژوهش حاضر، به منظور جمع­ آوری داده­ ها از پرسشنامه ­های استاندارد عملکرد نوآورانه با 10 سوال، ظرفیت جذب با 8 سوال، ساختار شبکه با 4 سوال و ذخیره دانش نیز با 7 سوال بر حسب طیف پنج درجه­ ای لیکرت استفاده شد. روایی هر دو پرسشنامه به صورت محتوایی و سازه تأیید شد. ضریب پایایی نیز از طریق ضریب آلفای کرونباخ و پایایی ترکیبی برآورد گردید. تجزیه‌­ و تحلیل اطلاعات با استفاده از روش مدل‌سازی معادلات ساختاری (SEM) و نرم­افزار Smart-PLS 2.0 صورت پذیرفت. نتایج حاکی از آن است که ساختار شبکه، ذخیره دانش و ظرفیت جذب بر عملکرد نوآورانه مؤثرند. همچنین، ظرفیت جذب نقش میانجی­گری جزیی و میانجی­گری کلی را به ترتیب در رابطه بین ذخیره دانش با عملکرد نوآورانه و ساختار شبکه با عملکرد نوآورانه ایفا می­کند. ضمن اینکه ظرفیت جذب با ضریب مسیر 0.48 بیشترین سهم و ساختار شبکه نیز کمترین سهم را در مدل پژوهش، در تبیین عملکرد نوآورانه ایفا می­کنند. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  2 - یادگیری ساختاری شبکه‌های بیزی یک رهیافت مبتنی بر آتاماتاهای یادگیر
  محمدرضا ملاخلیلی میبدی محمدرضا میبدی
  یکی از مسایل جالب در هوش مصنوعی ساخت شبکه بیزی بر اساس نمونه‌هایی از داده‌ها است؛ یعنی فرض‌ کنید یک شبکه بیزی N روی مجموعه متغیرهای V مفروض است. هدف، ساخت یک شبکه بیزی- استخراج مجموعه‌ای از روابط علت/ معلولی- میان مجموعه متغیرها بر اساس نمونه‌هایی که از N استخراج شده و أکثر

  یکی از مسایل جالب در هوش مصنوعی ساخت شبکه بیزی بر اساس نمونه‌هایی از داده‌ها است؛ یعنی فرض‌ کنید یک شبکه بیزی N روی مجموعه متغیرهای V مفروض است. هدف، ساخت یک شبکه بیزی- استخراج مجموعه‌ای از روابط علت/ معلولی- میان مجموعه متغیرها بر اساس نمونه‌هایی که از N استخراج شده و بدون در اختیار داشتن N است. از این مسأله در متون با عنوان یادگیری ساختاری شبکه بیزی یاد می‌شود. یکی از روش‌های مهم در یادگیری ساختاری شبکه‌های بیزی با استفاده از داده‌های نمونه، استفاده از معیارهای مبتنی بر امتیاز برای ارزیابی میزان برازندگی یک ساختار بیزی مفروض با داده‌های نمونه و جست و جو در میان ساختارهای ممکن است. جست و جو برای یافتن یک ساختار مناسب برای شبکه بیزی‌ که بیشترین سازگاری را با نمونه‌ها داشته باشد غالباً از طریق جست و جو در فضای ساختارها با استفاده از تکنیک‌های جست و جوی استاندارد یا الهام‌گرفته از طبیعت نظیر تپه‌نوردی حریصانه، الگوریتم‌های ژنتیک، شبیه‌سازی حرارتی یا الگوریتم تبرید، بهینه‌سازی کلونی مورچه‌ها و نظایر آن صورت می‌گیرد. در این مقاله یک روش جدید مبتنی بر آتاماتای یادگیر برای یادگیری ساختاری شبکه بیزی ارائه شده است. در این روش آتاماتای یادگیر به عنوان یک ابزار جستجوی تصادفی مورد استفاده قرار می‌گیرد. از ویژگی‌های روش جدید پیشنهادی جستجوی هم‌زمان در فضای جایگشت‌های ممکن از متغیرها (فضای ترتیب متغیرها) و فضای ساختارها (فضای DAGها) است. ضمن بررسی ریاضی الگوریتم پیشنهادی، روش جدید روی تعدادی از شبکه‌های نمونه مورد آزمایش قرار گرفته است. تفاصيل المقالة