فهرست مقالات Artificial Neural Networks

• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  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 چکیده کامل

  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. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  2 - DeepSumm: A Novel Deep Learning-Based Multi-Lingual Multi-Documents Summarization System
  Shima Mehrabi Seyed Abolghassem Mirroshandel Hamidreza  Ahmadifar
  10.7508/jist.2019.03.005
  With the increasing amount of accessible textual information via the internet, it seems necessary to have a summarization system that can generate a summary of information for user demands. Since a long time ago, summarization has been considered by natural language pro چکیده کامل

  With the increasing amount of accessible textual information via the internet, it seems necessary to have a summarization system that can generate a summary of information for user demands. Since a long time ago, summarization has been considered by natural language processing researchers. Today, with improvement in processing power and the development of computational tools, efforts to improve the performance of the summarization system is continued, especially with utilizing more powerful learning algorithms such as deep learning method. In this paper, a novel multi-lingual multi-document summarization system is proposed that works based on deep learning techniques, and it is amongst the first Persian summarization system by use of deep learning. The proposed system ranks the sentences based on some predefined features and by using a deep artificial neural network. A comprehensive study about the effect of different features was also done to achieve the best possible features combination. The performance of the proposed system is evaluated on the standard baseline datasets in Persian and English. The result of evaluations demonstrates the effectiveness and success of the proposed summarization system in both languages. It can be said that the proposed method has achieve the state of the art performance in Persian and English. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  3 - تلفیق شبکه‌های عصبی مصنوعی و الگوریتم ردیابی خودکار احتمال گسل نازک شده، جهت شناسایی، تفسیر و استخراج گسل‌ها
  علیرضا غضنفری حسین  محمدرضائی حمیدرضا انصاری
  شناخت گسل‌ها و بررسی سیر تکاملی آنها از اهمیت ویژه‌ای در اکتشاف و توسعه منابع هیدروکربوری برخوردار است. موفقيت در اكتشاف و توسعه ميادین هيدروكربوري، مستلزم شناسايي دقيق سيستم‌هاي نفتي منطقه بوده و در اين راستا يكي از مهمترين مسائل شناسايي گسل‌ها و نحوه گسترش آن‌ها، به ع چکیده کامل

  شناخت گسل‌ها و بررسی سیر تکاملی آنها از اهمیت ویژه‌ای در اکتشاف و توسعه منابع هیدروکربوری برخوردار است. موفقيت در اكتشاف و توسعه ميادین هيدروكربوري، مستلزم شناسايي دقيق سيستم‌هاي نفتي منطقه بوده و در اين راستا يكي از مهمترين مسائل شناسايي گسل‌ها و نحوه گسترش آن‌ها، به عنوان مجراي اصلي مهاجرت سيال، مخصوصا در نواحي عميق‌تر مي‌باشد. گسل ها و شكستگي ها نقش مهمي را در ايجاد بخش هايي با تخلخل و تراوايي زياد و قطع سنگ مخزني و پوشش در مسيرهاي مهاجرت سيال ايفا مي كنند. علاوه بر اینها برای بیشینه کردن برداشت هیدروکربور از مخزن و نیز کاهش خطر پذیری حفاری، ضروری است تا اطلاعات مناسبی از هندسه و طبیعت گسل‌های مخزن به دست آورده شود. در این مقاله هدف بررسی کارایی ترکیب شبکه عصبی و الگوریتم ردیابی خودکار احتمال گسل در شناسایی و تفسیر گسل‌ها در داده لرزه‌ای می‌باشد. ابتدا با استفاده از قابلیت هدایت شیب نرم‌افزار، فیلتر مورد نظر اولیه که برای شناسایی دقیق شیب ساختارها و پدیده‌های موجود در داده می‌باشد، طراحی و اعمال گردیده است. سپس با طراحی و اعمال فیلترهای مناسب، داده لرزه‌ای بهبود یافته است. پس از آن نشانگرهای لرزه‌ای مناسب برای شناسایی گسل‌ها از داده لرزه‌ای سه بعدی، شناسایی و محاسبه شده‌اند. با انتخاب نقاط نمونه برای دو کلاس گسل و غیر گسل از داده، شبکه عصبی نظارت شده با استفاده از نشانگرهای منتخب تشکیل شده و پس از آموزش بهینه شبکه، خروجی مناسب از شبکه ایجاد گردیده است. سپس خروجی شبکه عصبی به عنوان ورودی برای الگوریتم ردیابی خودکار احتمال گسل نازک شده، استفاده شده است. خروجی این قسمت شامل حجم احتمال گسل‌های ردیابی شده، ارائه و نمایش داده شده است. در نهایت با استفاده از ابزارهای زیرمجموعه قسمت احتمال گسل، و تنظیمات پارامترهای آن به صورت بهینه، صفحات گسل سه بعدی به صورت خودکار استخراج و تفسیر گردیده‌اند. پرونده مقاله