-
حرية الوصول المقاله
1 - بررسی نقش اینترنت اشیاء در سیستمهای پشتیبان تصمیم گیری و زنجیره تأمین
فاطمه رنجبر پاریزیهدف از این تحقیق توسعه یک چارچوب برای درک همگرایی میان اینترنت اشیاء به عنوان آینده سیستم های پشتیبان تصمیم و زنجیره تأمین است. نتایج تحقیقات نشان داده است زمانی که داده های بزرگ موجود هستند لازم است از الگوریتم های ریاضی و تکنیکهای تحلیلی پیچیده استفاده شود. اینترنت اش أکثرهدف از این تحقیق توسعه یک چارچوب برای درک همگرایی میان اینترنت اشیاء به عنوان آینده سیستم های پشتیبان تصمیم و زنجیره تأمین است. نتایج تحقیقات نشان داده است زمانی که داده های بزرگ موجود هستند لازم است از الگوریتم های ریاضی و تکنیکهای تحلیلی پیچیده استفاده شود. اینترنت اشیاء همزمان با انباشت داده ها و استخراج اطلاعات یادگیری هوش خودکار کسب و کار را بهبود می بخشد. این بهبود به خاطر استفاده از تکنولوژی اطلاعات جهت نتیجه گیری و ارائه راه حلهای مبتنی بر تجارب گذشته می باشد . تفاصيل المقالة -
حرية الوصول المقاله
2 - ارائه یک معماری جدید برای سیستم پشتیبانی تصمیم جهت مدیریت خرید و فروش سهام مبتنی بر ترکیبی از شاخص های مالی
مسعود منصوری بیژن منصوری سید علیرضا هاشمی گلپایگانیبرای تحلیل بازار و پیش بینی وضعیت سهام در آینده، در بسیاری از مواقع از شاخص های مالی استفاده می شود. اما به دلیل پیچیدگی زیاد در بازار بورس، اینکه از چه شاخصی استفاده شود و اینکه خروجی شاخص مورد استفاده تا چه اندازه ای قابل اطمینان است، همیشه به عنوان یک مسئله مطرح بود أکثربرای تحلیل بازار و پیش بینی وضعیت سهام در آینده، در بسیاری از مواقع از شاخص های مالی استفاده می شود. اما به دلیل پیچیدگی زیاد در بازار بورس، اینکه از چه شاخصی استفاده شود و اینکه خروجی شاخص مورد استفاده تا چه اندازه ای قابل اطمینان است، همیشه به عنوان یک مسئله مطرح بوده است. در این مقاله، از یک رویکرد ترکیبی در قالب یک سیستم پشتیبانی تصمیم برای پیشنهاد دادن بهترین سهام ها برای خرید یا فروش استفاده شده است. انتخاب بهترین سهام ها از بین مجموعه ای از سهام ها با استفاده از یکسری از شاخص های مالی صورت گرفته است. این شاخص ها هر یک به عنوان یک مدل عمل می کنند و با توجه به وضعیت سهام در گذشته، وضعیت آن را در آینده نشان می دهند. بنابراین استفاده از مجموعه ی ترکیبی از شاخص ها به ما این امکان را می دهد تا بتوانیم با قطعیت بیشتری تصمیم گیری کنیم. کارایی این سیستم بر روی مجموعه ی داده ای بازار بورس ایران که از سال 2001 تا 2011 جمع آوری شده، ارزیابی شده است. نتایج نشان می دهند که شاخص های بکار گرفته شده و استفاده ی ترکیبی از آن ها منجر شده است که سیستم پشتیبانی تصمیم با دقت بالایی پیشنهادها را تولید نماید. تفاصيل المقالة -
حرية الوصول المقاله
3 - DBCACF: A Multidimensional Method for Tourist Recommendation Based on Users’ Demographic, Context and Feedback
Maral Kolahkaj Ali Harounabadi Alireza Nikravan shalmani Rahim ChinipardazBy the advent of some applications in the web 2.0 such as social networks which allow the users to share media, many opportunities have been provided for the tourists to recognize and visit attractive and unfamiliar Areas-of-Interest (AOIs). However, finding the appropr أکثرBy the advent of some applications in the web 2.0 such as social networks which allow the users to share media, many opportunities have been provided for the tourists to recognize and visit attractive and unfamiliar Areas-of-Interest (AOIs). However, finding the appropriate areas based on user’s preferences is very difficult due to some issues such as huge amount of tourist areas, the limitation of the visiting time, and etc. In addition, the available methods have yet failed to provide accurate tourist’s recommendations based on geo-tagged media because of some problems such as data sparsity, cold start problem, considering two users with different habits as the same (symmetric similarity), and ignoring user’s personal and context information. Therefore, in this paper, a method called “Demographic-Based Context-Aware Collaborative Filtering” (DBCACF) is proposed to investigate the mentioned problems and to develop the Collaborative Filtering (CF) method with providing personalized tourist’s recommendations without users’ explicit requests. DBCACF considers demographic and contextual information in combination with the users' historical visits to overcome the limitations of CF methods in dealing with multi- dimensional data. In addition, a new asymmetric similarity measure is proposed in order to overcome the limitations of symmetric similarity methods. The experimental results on Flickr dataset indicated that the use of demographic and contextual information and the addition of proposed asymmetric scheme to the similarity measure could significantly improve the obtained results compared to other methods which used only user-item ratings and symmetric measures. تفاصيل المقالة -
حرية الوصول المقاله
4 - Smart Pre-Seeding Decision Support System for Agriculture
Ahmed Wasif Reza Kazi Saymatul Jannat MD.Shariful Islam Surajit Das BarmanIn recent years, the Internet of Things (IoT) brings a new dimension for establishing a precision network connectivity of sensors, especially in the agriculture and farming industry, medical, economic, and several sectors of modern society. Agriculture is an important a أکثرIn recent years, the Internet of Things (IoT) brings a new dimension for establishing a precision network connectivity of sensors, especially in the agriculture and farming industry, medical, economic, and several sectors of modern society. Agriculture is an important area for the sustainability of mankind engulfing manufacturing, security, and resource management. Due to the exponential diminishing of the resources, innovative techniques to support the subsistence of agriculture and farming. IoT aims to extend the use of internet technology to a large number of distributed and connected devices by representing standard and interoperable communication protocols. This paper brings up a solution by IoT, presents the design and implementation of a smart pre-seeding decision support system for agricultural modernization. This project is accomplished by understanding the real-time circumstances in the agriculture field using wireless technology that highlighted the features including pH and temperature sensors, hardware, mobile application, system’s frontend, and backend analysis, and stores the extracted information in the cloud using IoT. The system is made up of frontend data acquisition, data transmission, data processing, and reception, and is also experimentally validated to find out all possible crops that can be cultivated in a specific land with the required amount of fertilizers as well as the overall crops distribution lists. تفاصيل المقالة -
حرية الوصول المقاله
5 - یک سیستم پشتیبانی تصمیم مبتنی بر نظریه مجموعه‌های ناهموار برای برنامه ریزی بنگاه‌ها در شرایط عدم قطعیت
سید امیرهادی مینوفام حسن رشیدیبا رشد روز افزون تاثیر فناوری نوین در بازار جهانی، معیارهای تصمیم‌گیری برای برنامه ریزی بنگاه‌های اقتصادی درگیر چالش‌هایی می‌باشد. یکی از رویکردهای مناسب برای مقابله با این چالش‌ها، استفاده از سیستمهای پشتیبانی تصمیم با بکارگیری نظریه مجموعه‌های ناهموار است. در این مقا أکثربا رشد روز افزون تاثیر فناوری نوین در بازار جهانی، معیارهای تصمیم‌گیری برای برنامه ریزی بنگاه‌های اقتصادی درگیر چالش‌هایی می‌باشد. یکی از رویکردهای مناسب برای مقابله با این چالش‌ها، استفاده از سیستمهای پشتیبانی تصمیم با بکارگیری نظریه مجموعه‌های ناهموار است. در این مقاله، یک سیستم پشتیبانی تصمیم به همراه الگوریتمی بر اساس نظریه مجموعه‌های ناهموار برای تصمیم‌گیری پیشنهاد میگردد. این الگوریتم برای یکی از خطوط تولید در یکی از بنگاه‌های تحت پوشش وزارت صمت، پیاده سازی و اثرات متغیرها بر اهداف آن بررسی شده است. برای تحلیل و ارزیابی نتایج، دو شاخص قدرت و پشتیبانی در قوانین موجود نظریه مجموعه‌های ناهموار، مورد استفاده قرار گرفت. این قوانین در سه دسته، مورد بررسی قرار گرفتند و از بین 12 قانون، سه قانون دارای ارزشی متوسط در آن دو شاخص هستند که همیشه برقرار می باشند. بقیه قوانین توزیع ناهمگنی دارند و امکان نقض شدن 3 مورد از قوانین نیز وجود دارد. مزایای استفاده از سیستم پیشنهادی، جلوگیری از اتلاف سرمایه بنگاه، پیشگیری از اشتباهات ناشی از عدم قطعیت موجود در داده‌ها، دقت بالا در تصمیم گیری، افزایش سادگی و سرعت در انجام تصمیم گیری‌های حیاتی برای این بنگاه و بنگاه‌های اقتصادی مشابه می‌باشد که بر اساس نظرات تصمیم گیرندگان در این بنگاه، مورد تایید قرار گرفت. تفاصيل المقالة -
حرية الوصول المقاله
6 - طراحی سیستم هوشمند فازی امتیازدهی در نظام پیشنهادها (مطالعه موردی: شرکت برق منطقهای فارس)
محمد صالحیشرکت برق منطقهای فارس یکی از 16 شرکت برق منطقهای کشور است که وظیفه مدیریت انتقال برق را در سطح استان‌های فارس و بوشهر بر عهده دارد. این شرکت برای ارتقاء ارائه خدمات خود از سیستمهای مختلف مدیریتی بهره میبرد که نظام پیشنهادها یکی از این سیستم‌ها است. مطابق روش اجرایی أکثرشرکت برق منطقهای فارس یکی از 16 شرکت برق منطقهای کشور است که وظیفه مدیریت انتقال برق را در سطح استان‌های فارس و بوشهر بر عهده دارد. این شرکت برای ارتقاء ارائه خدمات خود از سیستمهای مختلف مدیریتی بهره میبرد که نظام پیشنهادها یکی از این سیستم‌ها است. مطابق روش اجرایی نظام پذیرش، بررسی و اجرای پیشنهادها، در هر مرحله پذیرش و اجرای پیشنهاد، به منظور ارج نهادن به جایگاه تفکر و اندیشه، پاداشی نیز در نظر گرفته شده است. پاداش هر پیشنهاد متناسب با امتیازی است که آن پیشنهاد دریافت می‌کند. به منظور امتیازدهی به هر پیشنهاد، شاخصها و معیارهایی در روش اجرایی مدون این شرکت پیشبینی گردیده است که در سه حوزه معیارهای فنی، غیرفنی و مالی طبقهبندی میگردد. هم‌اکنون با توجه به عدم وجود ابزار مکانیزه محاسبه شاخصها، هر عضو کمیته نظام مشارکت امتیاز مورد نظر خود را به صورت صفر و یک، بعنوان امتیاز هر حوزه ثبت و به روش خطی، معدل سه حوزه، امتیاز نهایی را مشخص می‌کند. در این مقاله ضمن معرفی شرکت برق منطقهای فارس و نظام پیشنهادها، با استفاده از استنتاج فازی، یک سیستم هوشمند تصمیمیار امتیازدهی به پیشنهادها طراحی و پیادهسازی گردیده است که با استفاده از ترکیب غیرخطی امتیاز طیفی در حوزههای مختلف، امتیاز نهایی بهینه‌تری را پیشنهاد مینماید. نتایج حاصل از بهرهگیری از این سیستم نشان میدهد کیفیت تصمیم در تخصیص امتیاز به هر پیشنهاد افزایش یافته و قواعد موجود در موتور استنتاج فازی سیستم، امتیاز را متناسبتر و دقیقتر ارائه مینماید. تفاصيل المقالة -
حرية الوصول المقاله
7 - انتخاب بهترین تامین کننده با یک سیستم پشتیبان تصمیم مبتنی بر شبکه عصبی خودسازمانده در پروژه های نفتی
میثم جعفری اسکندری مصطفی یوسفی طزرجانفرایند انتخاب تأمین کننده مناسبی که قادر به فراهم کردن نیاز خریدار از نظر محصولات با کیفیت، با قیمت مناسب و در زمان و حجم مناسب باشد یکی از ضروری ترین فعالیت ها برای ایجاد زنجیره تأمین مناسب است. ماهیت این تصمیمات معمولأ پیچیده و ساختار نیافته است. در این پژوهش تصمیم گی أکثرفرایند انتخاب تأمین کننده مناسبی که قادر به فراهم کردن نیاز خریدار از نظر محصولات با کیفیت، با قیمت مناسب و در زمان و حجم مناسب باشد یکی از ضروری ترین فعالیت ها برای ایجاد زنجیره تأمین مناسب است. ماهیت این تصمیمات معمولأ پیچیده و ساختار نیافته است. در این پژوهش تصمیم گیری با استفاده از شبکه عصبی خود سازمانده برای انتخاب تأمین کننده مناسب در یک محیط تصمیم گیری ارائه شده است. با استفاده از تکنیک شبکه عصبی خود سازمانده تامین‌کنندگان موجود خوشه‌بندی می‌شوند و با توجه به معیار مد نظر، خوشه برتر معرفی میگردد. با حضور تامین‌کننده جدید معیارهای وی با خوشه برنده مقایسه گردیده و در مورد رد یا پذیرش تامین‌کننده تصمیم‌گیری می‌شود. خروجی این مدل انتخاب تامین‌کنندگان مناسب و بررسی شرایط تامین‌کنندگان جدید می‌باشد. تفاصيل المقالة
رایمگ
يقوم نظام رایمگ بتنفيذ جميع عمليات الاستلام والتقييم والحكم والتحرير وتخطيط الصفحة والنشر الإلكتروني للمجلات العلمية.
الروابط
المراكز ذات الصلة
دعامة
الصفحات الرسمية
حقوق هذا الموقع الإلكتروني مملوكة لنظام Rimag Press Management. © 1438-1446