شبکه عصبی مصنوعی

حرية الوصول المقاله

1 - شناسایی و بررسی میزان اهمیت نسبی استراتژی های مدیریت دانش با استفاده از شبکه عصبی مصنوعی ( مورد مطالعه : شرکت های دانش بنیان تولید کننده نرم فزار شهر تهران)
سعیده خبازکار محسن شفیعی نیک آبادی مائده دهقان

چکیده : مدیریت دانش یک منبع مهم برای سازمان است . سازمان ها برای پیاده سازی استراتژی های مدیریت دانش باید نوآوری را در فرآیند ها ،فعالیت ها، محصولات و خدمات خود ایجاد کنند . هدف اصلی این پژوهش ، بررسی میزان اهمیت نسبی استراتژی های مدیریت دانش با استفاده از شبکه عصبی مصن أکثر

چکیده : مدیریت دانش یک منبع مهم برای سازمان است . سازمان ها برای پیاده سازی استراتژی های مدیریت دانش باید نوآوری را در فرآیند ها ،فعالیت ها، محصولات و خدمات خود ایجاد کنند . هدف اصلی این پژوهش ، بررسی میزان اهمیت نسبی استراتژی های مدیریت دانش با استفاده از شبکه عصبی مصنوعی است . جنبه نوآورانه تحقیق ، استفاده از شبکه عصبی مصنوعی برای رتبه بندی استراتژی های مدیریت دانش است . جامعه آماری شامل کلیه کارکنان شرکت های دانش بنیان تولید کننده نرم افزار شهر تهران می باشد که از مجموع پرسشنامه های توزیع شده تنها 123 عدد قابل استفاده بودند. این تحقیق از لحاظ هدف ، کاربردی و از حیث گردآوری داده ها توصیفی – پیمایشی می باشد داده ها با استفاده از پیمایش و ابزار پرسشنامه بدست آمده و سپس با استفاده از تکنیک شبکه عصبی مصنوعی به بررسی اهداف تحقیق پرداخته شده است . یافته ها و خروجی شبکه عصبی نشان می دهد که به ترتیب استراتژی دانش آشکار مهمترین بعد استراتژی مدیریت دانش و استراتژی های دانش پنهان، درون محور و برون محور در اولویت های بعدی شرکت های نرم افزاری دانش بنیان شهر تهران قرار گرفته اند. تفاصيل المقالة

حرية الوصول المقاله

2 - مقایسه روش های طبقه بندی ماشین بردار پشتیبان و شبکه عصبی مصنوعی در تهیه ی نقشه کاربری اراضی (مطالعه موردی: پارک ملی بوجاق)
مهسا عبدلی لاکتاسرائی مریم حقیقی خمامی

10.29252/.5.8.47

پارک های ملی و پناهگاه های حیات‌وحش از مهم ترین سرمایه های اکولوژیکی به شمار می روند. ازاین‌رو اطلاع از تغییرات کمی و کیفی کاربری اراضی آن ها نقش اساسی در کیفیت مدیریت این مناطق دارد. الگوریتم های متنوعی برای طبقه بندی تصاویر ماهواره ای در سنجش‌ازدور توسعه‌یافته‌اند، ان أکثر

پارک های ملی و پناهگاه های حیات‌وحش از مهم ترین سرمایه های اکولوژیکی به شمار می روند. ازاین‌رو اطلاع از تغییرات کمی و کیفی کاربری اراضی آن ها نقش اساسی در کیفیت مدیریت این مناطق دارد. الگوریتم های متنوعی برای طبقه بندی تصاویر ماهواره ای در سنجش‌ازدور توسعه‌یافته‌اند، انتخاب الگوریتم مناسب طبقه بندی در دستیابی به نتایج صحیح نقش بسیار مهمی را ایفا می کند. در این تحقیق با مقایسه صحت طبقه بندی دو الگوریتم شبکه عصبی مصنوعی و ماشین بردار پشتیبان، الگوریتم دقیق‌تر تعیین و از آن برای بررسی روند تغییرات کاربری اراضی استفاده شد. تحقیق حاضر در پارک ملی بوجاق واقع در استان گیلان طی سال های 2000 تا 2017 با استفاده از تصاویر ماهواره‌ایETM+ و OLI لندست 7 و 8 انجام گرفت. نتایج نشان داد که الگوریتم ماشین بردار پشتیبان به ترتیب با دقت کل و ضریب کاپا، 42/86 و 83/0 برای سال 2000 و 65/90 و 88/0 برای سال 2017، در مقایسه با الگوریتم شبکه عصبی مصنوعی به ترتیب با دقت کل و ضریب کاپا، 71/83 و 80/0 برای سال 2000 و دقت کل و ضریب کاپا، 25/89 و 87/0 برای سال 2017، تصاویر ماهواره‌ای را بهتر طبقه بندی کرده است؛ بنابراین، از نقشه های کاربری اراضی حاصل از الگوریتم ماشین بردار پشتیبان جهت بررسی تغییرات کاربری استفاده شد. بررسی روند تغییرات کاربری اراضی با این روش مشخص کرد که در طی دوره بررسی‌ شده، مساحت کاربری های پیکره آبی، دریا، پوشش علفی و کشاورزی کاهش‌یافته است درحالی‌که کلاس کاربری های باتلاقی، درختی و بدون پوشش افزایش‌یافته است. تفاصيل المقالة

حرية الوصول المقاله

3 - مقایسه شبکه‌های عصبی MLP و RBF در تخمین پارامترهای آبخوان‌های محبوس
طاهره آذری نوذر سامانی

در این مقاله، شبکه‌های عصبی مصنوعی پرسپترون چند لایه (MLP) و تابع پایه شعاعی (RBF) جهت تعیین پارامترهای آبخوان محبوس (قابلیت انتقال آبخوان و ضریب ذخیره) طراحی گردیده است. تابع چاه مربوط به آبخوان‌های محبوس به این شبکه‌‌ها آموزش داده شده است. با اعمال تکنیک آنالیز مولفه‌ أکثر

در این مقاله، شبکه‌های عصبی مصنوعی پرسپترون چند لایه (MLP) و تابع پایه شعاعی (RBF) جهت تعیین پارامترهای آبخوان محبوس (قابلیت انتقال آبخوان و ضریب ذخیره) طراحی گردیده است. تابع چاه مربوط به آبخوان‌های محبوس به این شبکه‌‌ها آموزش داده شده است. با اعمال تکنیک آنالیز مولفه‌ اصلی بر مجموعه داده‌های آموزش، ساختار شبکه MLP و RBF به ترتیب با آرایش (1×12×1) و (1×14×1) صرف نظر از تعداد داده‌های آزمون پمپاژ ثابت گردید. این شبکه‌ها با دریافت هر مجموعه داده آزمون پمپاژ واقعی، مختصات نقطه انطباق بهینه را تولید می‎کند. سپس مختصات نقطه انطباق با حل تحلیلی تایس (1935) ترکیب شده و مقادیر پارامترهای آبخوان محاسبه می‌شود. توانایی تعمیم و عملکرد این شبکه‌ها با 100000 مجموعه داده سنتز شده ارزیابی گردید و دقت آن‌ها با استفاده از داده‌های دو آزمون پمپاژ واقعی با روش انطباق منحنی تیپ مقایسه شده است. نتایج حاصل از مدلسازی تابع چاه در آبخوان محبوس نشان داد که اگر چه هر دو مدل‌ شبکه عصبی MLP و RBF می‌توانند پارامترهای آبخوان را با دقت بالایی تعیین نمایند و خطاهای گرافیکی حاصل از روش‌های انطباق منحنی تیپ را حذف کنند اما شبکه MLP طراحی‌شده از دقت بالاتری نسبت به شبکه RBF برخوردار می‌باشد به همین دلیل شبکه MLP پیشنهادی به عنوان یک روش خودکار، دقیق و سریع جهت تعیین پارامترهای آبخوان محبوس توصیه می‌شود. تفاصيل المقالة

حرية الوصول المقاله

4 - ارزیابی کارایی ساختار داخلی واحدهای تصمیم گیرنده در گذشته ، حال و آینده با استفاده از تحلیل پوششی داده‌های شبکه‌ای پویا و شبکه عصبی مصنوعی
جواد نیک نفس محمد علی کرامتی جلال حقیقت منفرد

مدل‌های تحلیل پوششی داده‌ای شبکه‌ای و مدل‌های تحلیل پوششی داده‌ای شبکه‌ای پویا نمی‌توانند کارایی آینده ساختار داخلی واحدهای تصمیم‌گیرنده را در آینده ارزیابی نمایند. به عبارت دیگر همه مدل‌های شبکه‌ای و شبکه‌ای پویا عملکرد گذشته واحدها و ساختار درونی آن‌ها را ارزیابی کرده أکثر

مدل‌های تحلیل پوششی داده‌ای شبکه‌ای و مدل‌های تحلیل پوششی داده‌ای شبکه‌ای پویا نمی‌توانند کارایی آینده ساختار داخلی واحدهای تصمیم‌گیرنده را در آینده ارزیابی نمایند. به عبارت دیگر همه مدل‌های شبکه‌ای و شبکه‌ای پویا عملکرد گذشته واحدها و ساختار درونی آن‌ها را ارزیابی کرده و کارایی و ناکارایی آن‌ها را سنجش می‌کنند و در نهایت بر اساس آن ارزیابی، رتبه‌بندی می‌نمایند. در این مقاله برآنیم که کارایی بخش‌های جمع‌آوری سپرده و وام‌دهی در شعب بانک را در آیندهارزیابی کنیم. تا بتوانیم ناکارایی در ساختار درونی یک واحد را قبل از وقوع مطلع شده و از آن جلوگیری نماییم. این رویکرد می‌تواند نقش مدیران را از ناظر و ارزیاب به برنامه‌ریز تغییر دهد. ابتدا با استفاده از ادبیات موضوع و نظر خبرگان ساختار درونی شعب بانک و متغیرهای شبکه در آن مشخص شد. سپس مقادیر متغیرها با استفاده از شبکه عصبی مصنوعی برای دو دوره آتی پیش‌بینی‌شده است. و در نهایت یک مدل شبکه‌ای پویا با استفاده از مقادیر دوره‌های گذشته و مقادیر پیش‌بینی‌شده فرموله شده و با استفاده از آن کارایی شعب و ساختار داخلی آن در گذشته، حال و آینده ارزیابی شده است. تفاصيل المقالة

حرية الوصول المقاله

5 - تشخیص جزیره‌های الکتریکی در شبکه‌های توزیع دارای تولیدات پراکنده با استفاده از تبدیل موجک گسسته و شبکه عصبی مصنوعی
مهرداد حیدری ارجلو سیدقدرت‌اله سیف‌السادات مرتضی رزاز

در این مقاله برای تشخیص جزیره‌های الکتریکی، یک الگوریتم جدید مبتنی بر تحلیل سیگنال‌های حالت گذرا با استفاده از تبدیل موجک گسسته (DWT) و شبکه عصبی مصنوعی (ANN) ارائه می‌گردد. شبکه عصبی برای دسته‌بندی حوادث به حالت‌های "جزیره" یا "غیر جزیره" آموزش داده می‌شود. ویژگی‌های م أکثر

در این مقاله برای تشخیص جزیره‌های الکتریکی، یک الگوریتم جدید مبتنی بر تحلیل سیگنال‌های حالت گذرا با استفاده از تبدیل موجک گسسته (DWT) و شبکه عصبی مصنوعی (ANN) ارائه می‌گردد. شبکه عصبی برای دسته‌بندی حوادث به حالت‌های "جزیره" یا "غیر جزیره" آموزش داده می‌شود. ویژگی‌های مورد نیاز دسته‌بندی، از طریق تبدیل موجک گسسته سیگنال‌های گذرای ولتاژ و جریان DGها استخراج می‌شوند. برای شبیه‌سازی الگوریتم از نرم‌افزارهای DIGSILENT، MATLAB و WEKA استفاده شده است. روش پیشنهادی روی یک سیستم توزیع ولتاژ متوسط CIGRE با دو نوع DG مختلف آزمایش می‌شود. این مقاله، الگوریتم رله نهایی را با تحلیل انجام‌گرفته از میان 162 طرح انتخاب می‌کند تا رله انتخابی از نظر شاخص‌های مختلف از جمله دقت، سرعت، سادگی و هزینه، بهترین کارایی را داشته باشد. با تحلیل و بررسی‌های صورت‌گرفته در رله انتخابی DGها، از سیگنال ولتاژ، موجک مادر 4db و سطح هفتم تبدیل موجک استفاده می‌شود. نتایج شبیه‌سازی نشان می‌دهد که این روش می‌تواند جزیره‌های الکتریکی را در مقایسه با روش‌های موجود در زمان کوتاه‌تر و با دقت بالاتری تشخیص دهد. تفاصيل المقالة

حرية الوصول المقاله

6 - طراحي مدلي مبتني بر فناوري زنجيره بلوكي براي تقويت امنيت سايبري در صنعت بانکداري
حسین عموزاد خلیلی ندا حقی رضا توکلی مقدم

10.61186/jstpi.33168.19.76.60

طراحي مدلي مبتني بر فناوري زنجيره بلوكي جهت تقويت امنيت سايبري در صنعت بانکداري، يکي از روش هاي نوين مورد بررسي در صنعت بانکداري براي تقويت امنيت سايبري مي باشد. بر اين اساس مطالعه حاضر به دنبال تامين اين هدف است که مدلي مبتني بر فناوري زنجيره بلوكي جهت تقويت امنيت سايب أکثر

طراحي مدلي مبتني بر فناوري زنجيره بلوكي جهت تقويت امنيت سايبري در صنعت بانکداري، يکي از روش هاي نوين مورد بررسي در صنعت بانکداري براي تقويت امنيت سايبري مي باشد. بر اين اساس مطالعه حاضر به دنبال تامين اين هدف است که مدلي مبتني بر فناوري زنجيره بلوكي جهت تقويت امنيت سايبري در صنعت بانکداري براساس شبکه عصبي مصنوعي را مورد ارزيابي قرار دهد. اين مدل براساس مدل مفهومي است که در يک شبيه سازي شبکه عصبي پرسپترون چند لايه که فرايندي مانند زنجيره بلوکي را شبيه سازي مي کند به کار گرفته شده است. همچنين شبکه هاي عصبي ايجاد شده در زنجيره بلوکي از پيوند قوي برخوردار بوده و امکان شکستن آنها کم است. داده ها بعد از يادگيري به توزيع نرمال نزديک تر شدند که اين نشان مي دهد فناوري زنجيره بلوکي توانايي ايجاد امنيت سايبري را خواهد داشت. در ادامه سطح همبستگي و کارايي ارائه شده نيز گزارش شد و يافته هاي مطالعه نشان داد که کارايي مرتبط با فناوري هاي زنجيره بلوکي پس از يادگيري به سطح 770.57 واحد رسيد، که نشان مي دهد استفاده از روش پرسپترون چند لايه براي يادگيري روند فناوري زنجيره بلوکي مي تواند به کارايي بيشتر براي امنيت سايبري منجر شود. همچنين مقدار واريانس برابر با 27.77 و مقدار ميانگين مقادير محاسباتي برابر با 0.35 و نيز مقدار همبستگي برابر با 0.99 شده است. تفاصيل المقالة

حرية الوصول المقاله

7 - کاربرد هوش مصنوعی در تطبیق اطلاعات تاریخچه یکی از مخازن نفتی شکافدار
ناصر اخلاقی ریاض خراط صدیقه مهدوی

یکی از کاربردهای عمده روشهای محاسبات نرم افزاری ،پیشگوئی نتایج فرایند های مختلف در صنایع نفت بوده است ،که اندازه گیری آنها با روش های متداول بدلیل غیر خطی بودن دارای جواب واحدی نبوده ویا اینکه یافتن جواب آنها بسیار وقت گیر وهزینه بر می باشد .بدلیل وجود عدم قطعیت در برخی أکثر

یکی از کاربردهای عمده روشهای محاسبات نرم افزاری ،پیشگوئی نتایج فرایند های مختلف در صنایع نفت بوده است ،که اندازه گیری آنها با روش های متداول بدلیل غیر خطی بودن دارای جواب واحدی نبوده ویا اینکه یافتن جواب آنها بسیار وقت گیر وهزینه بر می باشد .بدلیل وجود عدم قطعیت در برخی از اطلاعات استفاده شده در شبیه سازی ها،پیشگوئی های این مدل ها با خطای بسیاری همراه است .در این راستا از اطلاعاتی نظیر فشار ،دبی وسایر اطلاعات تولید در طول عمر مخزن جهت تطبیق تاریخچه ومنطبق کردن نتایج شبیه سازی با واقعیت استفاده می گردد .در این مطالعه از شبکه عصبی (ANN)برای ساخت مدل پیش گویی کننده فشار ته چاهی یکی از مخازن نفتی شکافدار ،با تاریخچه تولید 7 ساله استفاده شده است .تخلخل شکاف ،تراوائی شکاف در جهت های افقی وعمودی ،ارتفاع بلوک ،تخلخل دو گانه ماتریکس -شکاف بعنوان پارامتر هایی که روی آنها عدم قطعیت وجود دارد بعنوان ورودی شبکه وفشار بعنوان خروجی برای ساخت شبکه بکار رفته اند . نتایج بدست آمده از این مطالعه نشان داد که ،با استفاده از 50بار اجرای سناریو های مختلف ،مدل تخمین گر با خطای کمتر از 4%ضمن کاهش زمان فرایند ،قابلیت مناسبی جهت تطبیق فشار ته چاهی را دارد . تفاصيل المقالة

حرية الوصول المقاله

8 - کاربرد هوش مصنوعی در تطبیق اطلاعات تاریخچه یکی از مخازن نفتی شکافدار
ناصر اخلاقی ریاض خراط صدیقه مهدوی

یکی از کاربردهای عمده روشهای محاسبات نرم افزاری ،پیشگوئی نتایج فرایند های مختلف در صنایع نفت بوده است ،که اندازه گیری آنها با روش های متداول بدلیل غیر خطی بودن دارای جواب واحدی نبوده ویا اینکه یافتن جواب آنها بسیار وقت گیر وهزینه بر می باشد .بدلیل وجود عدم قطعیت در برخی أکثر

یکی از کاربردهای عمده روشهای محاسبات نرم افزاری ،پیشگوئی نتایج فرایند های مختلف در صنایع نفت بوده است ،که اندازه گیری آنها با روش های متداول بدلیل غیر خطی بودن دارای جواب واحدی نبوده ویا اینکه یافتن جواب آنها بسیار وقت گیر وهزینه بر می باشد .بدلیل وجود عدم قطعیت در برخی از اطلاعات استفاده شده در شبیه سازی ها،پیشگوئی های این مدل ها با خطای بسیاری همراه است .در این راستا از اطلاعاتی نظیر فشار ،دبی وسایر اطلاعات تولید در طول عمر مخزن جهت تطبیق تاریخچه ومنطبق کردن نتایج شبیه سازی با واقعیت استفاده می گردد .در این مطالعه از شبکه عصبی (ANN)برای ساخت مدل پیش گویی کننده فشار ته چاهی یکی از مخازن نفتی شکافدار ،با تاریخچه تولید 7 ساله استفاده شده است .تخلخل شکاف ،تراوائی شکاف در جهت های افقی وعمودی ،ارتفاع بلوک ،تخلخل دو گانه ماتریکس -شکاف بعنوان پارامتر هایی که روی آنها عدم قطعیت وجود دارد بعنوان ورودی شبکه وفشار بعنوان خروجی برای ساخت شبکه بکار رفته اند . نتایج بدست آمده از این مطالعه نشان داد که ،با استفاده از 50بار اجرای سناریو های مختلف ،مدل تخمین گر با خطای کمتر از 4%ضمن کاهش زمان فرایند ،قابلیت مناسبی جهت تطبیق فشار ته چاهی را دارد . تفاصيل المقالة

حرية الوصول المقاله

9 - تخمین تراوایی با بکارگیری لاگ های پتروفیزیکی و روش های هوش مصنوعی: مطالعه موردی در مخزن آسماری میدان نفتی اهواز
ابوذر محسنی پور بهمن سلیمانی ایمان زحمتکش ایمان ویسی

تراوایی از جمله مهمترین پارامترهای پتروفیزیکی است که نقشی اساسی را در بحث های تولید و توسعه میادین هیدروکربونی دارند. در این پژوهش ابتدا نمودار تشدید مغناطیسی هسته ای در مخزن آسماری مورد ارزیابی قرار گرفت و تراوایی با استفاده از دو روش مرسوم مدل سیال آزاد(Coates) و مد أکثر

تراوایی از جمله مهمترین پارامترهای پتروفیزیکی است که نقشی اساسی را در بحث های تولید و توسعه میادین هیدروکربونی دارند. در این پژوهش ابتدا نمودار تشدید مغناطیسی هسته ای در مخزن آسماری مورد ارزیابی قرار گرفت و تراوایی با استفاده از دو روش مرسوم مدل سیال آزاد(Coates) و مدل شلمبرژه یا میانگین T2 (SDR) محاسبه شد. سپس با ساخت مدل ساده شبکه عصبی مصنوعی و همچنین ترکیب آن با الگوریتم های بهینه سازی رقابت استعماری (ANN-ICA) و ازدحام ذرات (ANN-PSO) تراوایی تخمین زده شد. در نهایت نتایج حاصل با مقایسه تراوایی COATES و تراوایی SDR تخمین زده شده نسبت به مقدار واقعی، مورد بررسی قرار گرفتند و دقت تخمین از نظر مجموع مربع خطا و ضریب همبستگی مقایسه شد. نتایج حاصل از این مطالعه، بیانگر افزایش دقت تخمین تراوایی با استفاده از ترکیب الگوریتم های بهینه سازی با شبکه عصبی مصنوعی بود. نتایج حاصل از این روش می تواند به عنوان روشی قدرتمند جهت بدست آوردن سایر پارامترهای پتروفیزیکی استفاده شود. تفاصيل المقالة

حرية الوصول المقاله

10 - ارزیابی عملکرد مراکز آموزشی با استفاده از شبکه عصبی مصنوعی ( مورد مطالعه: یکی از سازمان های دولتی کشور)
زمان اژدری حسین عبداللهی صمد برزویان مرتضی طاهری مصطفی ابراهیم پور ازبری

هدف پژوهش حاضر ارزیابی عملکرد مراکز آموزشی یکی از سازمان های دولتی کشور با استفاده از شبکه عصبی مصنوعی می باشد. اين مقاله یک پژوهش ارزشیابی برای ارزیابی عملکرد مراکز آموزش سازمانی دولتی است. اطلاعات مورد نياز اين تحقیق از طريق كانال‏هاي موازي اطلاعات مثل استفاده از اسن أکثر

هدف پژوهش حاضر ارزیابی عملکرد مراکز آموزشی یکی از سازمان های دولتی کشور با استفاده از شبکه عصبی مصنوعی می باشد. اين مقاله یک پژوهش ارزشیابی برای ارزیابی عملکرد مراکز آموزش سازمانی دولتی است. اطلاعات مورد نياز اين تحقیق از طريق كانال‏هاي موازي اطلاعات مثل استفاده از اسناد و مدارک مراکز آموزشی زیر مجموعه سازمان و مراجعه به اسناد و مدارك آنها با حفظ مراتب طبقه بندی جمع‏آوري شد. جامعه آماري مورد مطالعه اين پژوهش 5 مرکز آموزشی یکی از سازمان های دولتی که برای حدود 10 هزار نفر پرسنل در بین سالهای 1392 الی 1399 دوره های آموزشی برگزار می کنند، می باشد؛ براساس نظر خبرگان و نتایج مطالعات مرتبط ورودی و خروجی های پژوهش انتخاب و تعیین گردید. جهت کاهش متغیرهای ورودی و خروجی، از روش مدل سازی معادلات ساختاری - حداقل مربعات جزئی و به منظور آموزش شبکه عصبی دولایه MLP از روش آموزش پس از انتشار خطای ارتجاعی استفاده گردید، پس از آموزش شبکه عصبی، عملکرد شبکه عصبی با استفاده از الگوهای تست، مورد بررسی قرار گرفت. مقدار(میانگین مجذور خطا) MSE مربوط به 13 الگوی تست برابر. 43/7413 که نشان دهنده دقت بالای شبکه آموزش داده شده است، در نهایت عملکرد مراکز آموزشی بر اساس داده های تجزیه و تحلیل شده مورد رتبه بندی قرار گرفت. تفاصيل المقالة

فهرس المقالات شبکه عصبی مصنوعی

رایمگ

الروابط

المراكز ذات الصلة

دعامة

الصفحات الرسمية