دانلود و نمایش مقالات مرتبط با تعمیم::صفحه 1
دانلود بهترین مقالات isi همراه با ترجمه فارسی

با سلام خدمت کاربران عزیز، به اطلاع می رساند ترجمه مقالاتی که سال انتشار آن ها زیر 2008 می باشد رایگان بوده و میتوانید با وارد شدن در صفحه جزییات مقاله به رایگان ترجمه را دانلود نمایید.

نتیجه جستجو - تعمیم

تعداد مقالات یافته شده: 59
ردیف عنوان نوع
1 رابطه بین قدرت مدیریتی و حقوق مدیرعامل
سال انتشار: 2020 - تعداد صفحات فایل pdf انگلیسی: 22 - تعداد صفحات فایل doc فارسی: 38
ما بررسی می کنیم که هیئت مدیره های دوستانه (موافق، صمیمی، همگام) چطور ساختار قراردادهای بهینه پاداش را به نفع مدیرعامل های قدرتمند تنظیم می کنند. مطالعه ما نتایج غیرمنتظره ای به همراه دارد. اولاً، مدیران قدرتمند حقوق بالاتری دریافت می کنند و قراردادی با حساسیت بالاتر پرداخت بر اساس عملکرد (PPS) دارند اگر عملکرد شرکت پایین باشد، و بالعکس. بعلاوه، ما شرایطی را مشخص می کنیم که حقوق یا پرداختی مورد انتظار و PPS مورد انتظار هر دو در صورت وجود هیئت مدیره دوستانه، افزایش می یابند. دوماً، ما نشان می دهیم که هیئت مدیره های دوستانه، حقوق بالاتر، سهام بیشتر، اما گزینه های مالی کمتری در اختیار مدیرعامل ها قرار می دهند. سوماً، هیئت مدیره های دوستانه ای که قراردادهایی با PPS بالاتر تنظیم می کنند استفاده بیشتری از ارزیابی عملکرد نسبی (RPE) دارند. در کل، نتایج ما نشان می دهند که شاخص های بیشتر مورد استفاده در روشهای ضعیف (یا درست) تعیین پاداش، باید با دقت زیادی تفسیر شوند. ما با تعمیم مدل اولیه مان به دو مدل توسعه یافته، نشان می دهیم که مدیران قدرتمند، سرمایه گذاری نقدی کمی دارند اما مشوق کمی نیز برای مدیریت درآمدها دارند.
واژگان کلیدی: پاداش مدیرعامل | قرارداد بهینه | نظریه قدرت مدیریتی | حکمرانی شرکتی
مقاله ترجمه شده
2 New generalized ϕ6-model expansion method and its applications to the (3+1) dimensional resonant nonlinear Schrödinger equation with parabolic law nonlinearity
روش توسعه مدل جدید ϕ6 عمومی و برنامه های کاربردی آن در (3 + 1) معادله رزونانس بعدی غیرخطی Schrödinger با غیرخطی قانون پارابولیک-2020
In this paper, a new generalized ϕ6-model expansion method is proposed for the first time to construct optical solitons and other solutions of the (3+1) dimensional resonant nonlinear Schrödinger equation with parabolic law nonlinearity, which describes the propagation of optical pulse in nonlinear optical fibers. The generalized Jacobi elliptic function solutions and Weierstrass elliptic function solutions have been found. In particular, hyperbolic function solutions and periodic solutions are also obtained.
Keywords: New generalized ϕ6-model expansion method | New generalized Jacobi elliptic function | solutions and Weierstrass elliptic function | solutions | (3+1) dimensional resonant nonlinear | Schrödinger equation
مقاله انگلیسی
3 A simplified Cauchy-Kowalewskaya procedure for the local implicit solution of generalized Riemann problems of hyperbolic balance laws
یک روش ساده کوشی-کاوالووسکا برای راه حل ضمنی محلی از مشکلات ریمان تعمیم یافته قوانین تعادل hyperbolic -2020
The Cauchy-Kowalewskaya (CK) procedure is a key building block in the design of solvers for the Gen- eralised Riemann Problem (GRP) based on Taylor series expansions in time. The CK procedure allows us to express time derivatives in terms of purely space derivatives. This is a very cumbersome procedure, which often requires the use of software manipulators. In this paper, a simplification of the CK proce- dure is proposed in the context of implicit Taylor series expansion for GRP, for hyperbolic balance laws in the framework of [Journal of Computational Physics 303 (2015) 146-172]. A recursive formula for the CK procedure, which is straightforwardly implemented in computational codes, is obtained. The proposed GRP solver is used in the context of the ADER approach and several one-dimensional problems are solved to demonstrate the applicability and efficiency of the present scheme. An enhancement in terms of ef- ficiency, is obtained. Furthermore, the expected theoretical orders of accuracy are achieved, conciliating accuracy and stability.
Keywords: Finite volume schemes | ADER schemes | Generalized Riemann Problems | stiffsource terms
مقاله انگلیسی
4 Distributed simultaneous inference in generalized linear models via confidence distribution
استنباط همزمان توزیع شده در مدل های خطی تعمیم از طریق توزیع اعتماد به نفس-2020
We propose a distributed method for simultaneous inference for datasets with sample size much larger than the number of covariates, i.e., N ≫ p, in the generalized linear models framework. When such datasets are too big to be analyzed entirely by a single centralized computer, or when datasets are already stored in distributed database systems, the strategy of divide-and-combine has been the method of choice for scalability. Due to partition, the sub-dataset sample sizes may be uneven and some possibly close to p, which calls for regularization techniques to improve numerical stability. However, there is a lack of clear theoretical justification and practical guidelines to combine results obtained from separate regularized estimators, especially when the final objective is simultaneous inference for a group of regression parameters. In this paper, we develop a strategy to combine bias-corrected lasso-type estimates by using confidence distributions. We show that the resulting combined estimator achieves the same estimation efficiency as that of the maximum likelihood estimator using the centralized data. As demonstrated by simulated and real data examples, our divide-and-combine method yields nearly identical inference as the centralized benchmark.
Keywords: Bias correction | Confidence distribution | Inference | Lasso | Meta-analysis | Parallel computing
مقاله انگلیسی
5 A generalizable deep learning framework for localizing and characterizing acoustic emission sources in riveted metallic panels
یک چارچوب یادگیری عمیق قابل تعمیم برای بومی سازی و توصیف منابع انتشار صوتی در صفحه های فلزی پرچین-2019
This paper introduces a deep learning-based framework to localize and characterize acoustic emission (AE) sources in plate-like structures that have complex geometric features, such as doublers and rivet connections. Specifically, stacked autoencoders are pre-trained and utilized in a two-step approach that first localizes AE sources and then characterizes them. To achieve these tasks with only one AE sensor, the paper leverages the reverberation patterns, multimodal characteristics, and dispersive behavior of AE waveforms. The considered waveforms include AE sources near rivet connections, on the surface of the plate-like structure, and on its edges. After identifying AE sources that occur near rivet connections, the proposed framework classifies them into four source-to-rivet distance categories. In addition, the paper investigates the sensitivity of localization results to the number of sensors and compares their localization accuracy with the triangulation method as well as machine learning algorithms, including support vector machine (SVM) and shallow neural network. Moreover, the generalization of the deep learning approach is evaluated for typical scenarios in which the training and testing conditions are not identical. To train and test the performance of the proposed approach, Hsu-Nielsen pencil lead break tests were carried out on two identical aluminum panels with a riveted stiffener. The results demonstrate the effectiveness of the deep learning-based framework for singlesensor, AE-based structural health monitoring of plate-like structures
Keywords: Acoustic emission | Deep learning | Edge reflection | Reverberation patterns | Plate-like structures | Pattern recognition | Stacked autoencoders | uided ultrasonic waves | Machine learning | Structural health monitoring
مقاله انگلیسی
6 رهبری تحول گرا و رفتارهای مشتری محور کارکنان رستوران- نقش واسطه ای سرمایه اجتماعی سازمانی و تعامل کاری
سال انتشار: 2019 - تعداد صفحات فایل pdf انگلیسی: 18 - تعداد صفحات فایل doc فارسی: 26
هدف: هدف این مطالعه پیشنهاد و آزمایش یک مدل واسطه ای متوالی است به نحوی که رهبری تحول گرا سبب ایجاد سرمایه اجتماعی سازمانی (OSC) می شود که به نوبه خود سبب ارتقاء رفتارهای مشتری محور از طریق تعامل کاری می گردد.
رویکرد روش طراحی: مدل مطالعه با استفاده از یک نمونه 229 موردی از کارکنان در 23 رستوران در بریتانیا مورد آزمایش قرار گرفته است. چندین منبع داده مورد استفاده قرار گرفته است به طوری که رهبری تحول گرا، OSC و تعامل کاری توسط کارکنان امتیازدهی شده است، در حالی که رفتارهای مشتری محور کارکنان توسط ناظران مورد امتیازدهی قرار گرفته است.
یافته ها: نتایج حاصل از مدل سازی تعمیم یافته و چند سطحی ساختاری از مدل پیشنهادی حمایت می کند و آشکار کرده است که OSC و تعامل کاری به طور متوالی نقش واسطه ای بین رهبری تحول گرا و رفتارهای مشتری محور ایفا می کند.
ارزش اصالت: این مطالعه درخواست تحقیق درباره پیوند میان رهبری و رفتارهای مشتری محور و مکانیزم های بالقوه را از طریقی مورد بررسی قرار می دهد به طوری که این رابطه ممکن است رخ دهد.
کلید واژه ها: رهبری تحول گرا | رفتارهای مشتری محور | سرمایه اجتماعی سازمانی | تعامل کاری | رستوران ناهار خوری
مقاله ترجمه شده
7 A generalized mean distance-based k-nearest neighbor classifier
طبقه بندی کننده میانگین k-nearest همسایه مبتنی بر فاصله تعمیم-2019
K -nearest neighbor (KNN) rule is a well-known non-parametric classifier that is widely used in pattern recognition. However, the sensitivity of the neighborhood size k always seriously degrades the KNN-based classification performance, especially in the case of the small sample size with the existing outliers. To overcome this issue, in this article we propose a generalized mean distance-based k -nearest neighbor classifier (GMDKNN) by introducing multi-generalized mean distances and the nested generalized mean distance that are based on the characteristic of the generalized mean. In the proposed method, multi- local mean vectors of the given query sample in each class are calculated by adopting its class-specific k nearest neighbors. Using the achieved k local mean vectors per class, the corresponding k generalized mean distances are calculated and then used to design the categorical nested generalized mean distance. In the classification phase, the categorical nested generalized mean distance is used as the classification decision rule and the query sample is classified into the class with the minimum nested generalized mean distance among all the classes. Extensive experiments on the UCI and KEEL data sets, synthetic data sets, the KEEL noise data sets and the UCR time series data sets are conducted by comparing the proposed method to the state-of-art KNN-based methods. The experimental results demonstrate that the proposed GMDKNN performs better and has the less sensitiveness to k . Thus, our proposed GMDKNN with the robust and effective classification performance could be a promising method for pattern recognition in some expert and intelligence systems.
Keywords: K-nearest neighbor rule | Local mean vector | Generalized mean distance | Pattern recognition
مقاله انگلیسی
8 به‌کارگیری فناوری داده های بزرگ برای نوآوری در بازاریابی B2B
سال انتشار: 2019 - تعداد صفحات فایل pdf انگلیسی: 14 - تعداد صفحات فایل doc فارسی: 29
هدف مقاله: این مقاله به بررسی کاربرد کلان داده در نوآوری و رهبری بازار در رابطه ی بنگاه به بنگاه می-پردازد. این چارچوبی برای تحلیل تأثیر کلان داده ارائه می دهد و 4 مطالعه ی موردی، پشتیبان نتایج هستند.
روش / رویکرد: این یک مقاله ی مفهومی است که توسط مطالعات موردی تأیید می شود و فرصتی برای تعمیم مفهومی ارائه می دهد. سازمان های انتخاب شده به‌عنوان مطالعه ی موردی در حال ارائه ی نوآوری هستند تا همچنان در بازار، پیشتاز باشند و فعالیت خود را گسترش دهند، با استفاده از کلان داده از فرصت-های بازار استفاده نموده و ابداعات نو خلق نمایند.
یافته ها: سازمان‌ها دریافت کنندگان و گردآورندگان کلان داده هستند، این تا اندازه ای در اثر افزایش حجم کسب‌وکار و آنلاین شدن تعاملات مشتریان پدید می آید. کاوش کیفی مطالعات موردی نشان می دهد کلان-داده و تحلیل ها و کاربردهای آن را می توان شاخصی برای توانایی سازمان‌ها در نوآوری در واکنش به فرصت-های بازار دانست. پیامدها / محدودیت های پژوهش: محیط بازاریابی آنلاین محیطی پویا است، در این محیط بایستی سازمان‌ها برای بقا دست به نوآوری بزنند. یک محدودیت این است که مطالعات موردی در این مقاله به آن دسته سازمان‌ها که در نوآوری عقب مانده اند، نمی پردازند، برای این سازمان‌ها، بقا یک مشکل بزرگ است. مثال های این مقاله محدود به سازمان های موفقی هستند که در آن‌ها کلان داده، داده کاوی و تحلیل، موفقیت راهبردی را نتیجه می دهند.
پیامدهای عملی: برخی سازمان های بنگاه به بنگاه در بازارهایی فعالیت دارند که خدمات و محصولاتشان تأثیر زیادی بر ارزشی که مشتریان بنگاه به بنگاه برای مشتریان نهایی (B2C) فراهم می آورند دارند و بایستی در فعالیت نوآوری خود، به‌طور کامل همراه با مشتریان بنگاه به بنگاه خود با بازار B2C درگیر شوند. این پیامدهایی در تمامی حوزه ها از منابع راهبردی تا منابع انسانی دارد. اگر دودمان سازمان بنگاه به بنگاه، فعالیت B2C موازی با فعالیت سایر مشتریان را شامل شود، اما فعالیت رقبا را در برنگیرد، این می تواند به آن‌ها مزیتی در بازاریابی ارائه دهد، اما اگر فعالیت های B2C آن‌ها دست درازی به فعالیت های B2C را آغاز نماید، این ممکن است موجب تعارض و زیان کسب‌وکار شود. این بدان معناست که چنانچه راهبرد بازاریابی مابین حوزه های مجزای شاخه های مختلف کسب‌وکار جای گیرد، پتانسیل تعارض افزایش می یابد.
اصالت / ارزش مقاله: ارزش مقاله در این است: سهمی که در درک نقش کلان داده در نوآوری کسب‌وکار به‌ویژه در سازمان های بنگاه به بنگاه و جایی که نوآوری آن‌ها می تواند تجربه ی مشتری در انتهای زنجیره ی ارزش (یعنی نزد مشتریان نهایی) را متحول کند، دارد. درنتیجه این مقاله به بررسی شکاف پژوهشی موجود در متون و مقالات کمک می کند و می خواهد بر نحوه ی اثرگذاری این نوآوری بر رابطه ی بنگاه به بنگاه تمرکز نماید.
کلیدواژه ها: داده های بزرگ | تحلیل | نوآوری | رهبری بازار | کسب‌وکار | مشتریان | پلتفرم ها | محاسبات ابری
مقاله ترجمه شده
9 Sparse deep feature learning for facial expression recognition
یادگیری ویژگی های عمیق پراکنده برای تشخیص چهره صورت-2019
While weight sparseness-based regularization has been used to learn better deep features for image recognition problems, it introduced a large number of variables for optimization and can easily con- verge to a local optimum. The L2-norm regularization proposed for face recognition reduces the impact of the noisy information, while expression information is also suppressed during the regularization. A feature sparseness-based regularization that learns deep features with better generalization capability is proposed in this paper. The regularization is integrated into the loss function and optimized with a deep metric learning framework. Through a toy example, it is showed that a simple network with the proposed sparseness outperforms the one with the L2-norm regularization. Furthermore, the proposed approach achieved competitive performances on four publicly available datasets, i.e., FER2013, CK + , Oulu-CASIA and MMI. The state-of-the-art cross-database performances also justify the generalization capability of the proposed approach.
Keywords: Expression recognition | Feature sparseness | Deep metric learning | Fine tuning | Generalization capability
مقاله انگلیسی
10 A generalizable deep learning framework for localizing and characterizing acoustic emission sources in riveted metallic panels
یک چارچوب یادگیری عمیق قابل تعمیم برای محلی سازی و توصیف منابع انتشار صوتی در پانل های فلزی پرچین-2019
This paper introduces a deep learning-based framework to localize and characterize acoustic emission (AE) sources in plate-like structures that have complex geometric features, such as doublers and rivet connections. Specifically, stacked autoencoders are pre-trained and utilized in a two-step approach that first localizes AE sources and then characterizes them. To achieve these tasks with only one AE sensor, the paper leverages the reverberation patterns, multimodal characteristics, and dispersive behavior of AE waveforms. The considered waveforms include AE sources near rivet connections, on the surface of the plate-like structure, and on its edges. After identifying AE sources that occur near rivet connections, the proposed framework classifies them into four source-to-rivet distance categories. In addition, the paper investigates the sensitivity of localization results to the number of sensors and compares their localization accuracy with the triangulation method as well as machine learning algorithms, including support vector machine (SVM) and shallow neural network. Moreover, the generalization of the deep learning approach is evaluated for typical scenarios in which the training and testing conditions are not identical. To train and test the performance of the proposed approach, Hsu-Nielsen pencil lead break tests were carried out on two identical aluminum panels with a riveted stiffener. The results demonstrate the effectiveness of the deep learning-based framework for singlesensor, AE-based structural health monitoring of plate-like structures.
Keywords: Acoustic emission | Deep learning | Edge reflection | Reverberation patterns | Plate-like structures | Pattern recognition | Stacked autoencoders | Guided ultrasonic waves | Machine learning | Structural health monitoring
مقاله انگلیسی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi