با سلام خدمت کاربران در صورتی که با خطای سیستم پرداخت بانکی مواجه شدید از طریق کارت به کارت (6037997535328901 بانک ملی ناصر خنجری ) مقاله خود را دریافت کنید (تا مشکل رفع گردد).
ردیف | عنوان | نوع |
---|---|---|
1 |
انتخاب زیرمجموعه از طریق بهینه سازی Pareto
سال انتشار: 2015 - تعداد صفحات فایل pdf انگلیسی: 9 - تعداد صفحات فایل doc فارسی: 28 انتخاب زیرمجموعه بهینه از مجموعه بزرگ متغیرها در واقع مشکل اساسی در فعالیت های مختلف یادگیری است ٬ همانند : انتخاب ویژگی ٬ رگرسیون پراکنده و یادگیری دیکشنری و غیره. در این مقاله ما رویکرد POSS (انتخاب زیرمجموعه بهینه سازی پارتو ) را پیشنهاد می دهیم که بهینه سازی تکاملی Pareto را بکار می گیرد تا زیرمجموعه در اندازه کوچک و با عملکرد مناسب یافت شود . ما ثابت می نماییم که برای رگرسیون پراکنده ٬ رویکرد POSS قادر است تا به لحاظ نظری عملکرد تقریب تضمین شده موثر را که تا به حال بهترین بوده است بدست آورد . به ویژه ٬ برای زیرمجموعه Exponential Decay ٬ ثابت شده است که رویکرد مذکور راه حل بهینه ای را بدست می آورد . تحقیقات تجربی توانسته است نتایج نظری را بازبینی نماید و عملکرد برتر رویکرد POSS را برای روش های بهینه سازی محدب و الگوریتم حریصانه نمایش دهد . |
مقاله ترجمه شده |
2 |
پیش بینی نتیجه دعویهای مشاجره ساخت با استفاده ازمدل شبک عصبی پرسپترون چندلایهای
سال انتشار: 2015 - تعداد صفحات فایل pdf انگلیسی: 9 - تعداد صفحات فایل doc فارسی: 33 بروز مشاجرات در قراردادهای ساخت هند جدا از افزایش بیش از حد زمان و هزینه به رابطه بین طرفین آسیب میرساند. با این حال، اگر طرفین یک مشاجره بتواند نتیجه مشاجره را با قطعیت کمی پیش بینی کنند، بطور محتمل موضوع مشاجره را فیصله خواهند داد که این سبب جلوگیری از هزینهها و تشدید جرم به سبب داوری میشود. فرآیند حل مشاجره عمدتاً مبتنی بر امور مربوط به پرونده است مانند شرایط قراردادها، شرایط واقعی در کارگاه، اسنادی که در طی اقدامات قضایی ارائه میشوند و غیره که در این تحقیق عوامل درونی نامیده میشوند. این امور و شواهد اصلی پروندهها توسط محققین بررسی شدهاند تا مکانیزم های حل مشاجره بدست آیند. این تحقیق بر تعیین عوامل درونی مشاجرات ساخت مرتبط با دعویهای تغییر از 72 رأی داوری با روش مطالعه موردی تمرکز دارد و علاوه بر این، تحقیق حاضر به دنبال این است که اهمیت آنها را در تصمیم داوری با جستجوی اطلاعات حرفهای از طریق یک برآورد پرسش نامهای اثبات کند. علاوه بر این، این تحقیق امکان پذیری روش شبکه عصبی پرسپترون چندلایهای را براساس عوامل درونی موجود در پرونده مشاجره ساخت برای نتیجه یک مشاجره اثبات میکند. دادههای حاصل از 204 دعوی تغییر ناشی از رأیهای داروی برای ساخت مدل بکار رفتهاند. یک شبکه عصبی پرسپترون سه لایهای در ساخت این مدل مناسب بود که آموزش داده شده، صحت آزمایی شده و مورد آزمایش قرار گرفته است. ابزاری که این طور ساخته میشوند، تا حدی سبب پرهیز از مشاجره میشوند و سبب کاهش فشار روی قوه قضایی هند میشوند.
کلیدواژهها: مشاجرات ساخت | حل مشاجره | عوامل درونی | عوامل خارجی |
مقاله ترجمه شده |
3 |
آزمایش های پیش بینی اعتماد در شبکه های اجتماعی توسط شبکه های عصبی هوشمند
سال انتشار: 2015 - تعداد صفحات فایل pdf انگلیسی: 17 - تعداد صفحات فایل doc فارسی: 23 سرویس های آنلاین شبکه ی اجتماعی با سرعتی نمایی هم به لحاظ تعداد کاربران و هم تنوع سرویس ها در حال رشد هستند؛ در نتیجه ارزیابی اعتماد در تعاملات میان کاربران و تعامل با سیستم، از منظر کاربران، مسئله ی مهمی است. اعتماد می تواند در تجارب مستقیم گذشته یا در اطلاعات غیرمستقیم ارائه شده توسط کاربران ثالث مورد اعتماد که شهرت امانت دار را شکل می دهند، ریشه داشته باشد. زمانیکه هیچ سابقه ی قبلی برای تعاملات وجود ندارد، بایستی شخص امانت گذار به نوعی از پیش بینی به منظور ایجاد اعتماد یا بی-اعتمادی به امانت دار احتمالی، متوسل شود. ما در این مقاله به پیش بینی روابط اعتماد بر پایه ی اطلاعات شهرت می پردازیم. اعتماد می تواند مثبت یا منفی (بی اعتمادی) باشد، از این رو ما یک مسئله ی "دو رده ای" داریم. بردارهای ویژگی برای دسته بندی، مؤلفه هایی با مقادیر دودویی دارند. شبکه ی عصبی مصنوعی و دسته-بندهای آماری، به روزترین نتایج را در خصوص این ویژگی ها در محک زنی پایگاه داده فراهم می آورند. در این مقاله، ما بکارگیری یک روش تولید نمونه را برای رده ی اقلیت به منظور کاهش برخی اثرات عدم توازن رده ها در میان رده های اعتماد و بی اعتمادی پیشنهاد می کنیم. بطور ویژه، این رویکرد انعطاف بالایی به رشد سیستم دارد.
کلمات کلیدی: شبکه های هوشمند مصنوعی | epinions | شبکه های اجتماعی | اعتماد | ویکیپدیا |
مقاله ترجمه شده |
4 |
تشخیص مدیریت درآمد با شبکه های عصبی
سال انتشار: 2015 - تعداد صفحات فایل pdf انگلیسی: 7 - تعداد صفحات فایل doc فارسی: 25 مطالعات زیادی جهت ارزیابی و سنجش رخداد و پیدایش مدیریت درآمد در زمینه های مختلف صورت گرفته است. در اکثر مطالعات، مفروضات بر این است که درآمد از طریق اقلام تعهدی حسابداری، مدیریت میشود. بدین ترتیب یکسری از مدلهای تشخیص مدیریت درآمد مبتنی بر اقلام تعهدی پیشنهاد شد. توانایی این مدلها برای تشخیص مدیریت درآمد، توسط برخی مطالعات دیگر زیر سؤال رفته است. یک توجیه برای عملکرد ضعیف مدلهای موجود آن است که اکثر این مدلها از یک رویکرد خطی برای مدلسازی فرایند اقلام تعهدی حتی در صورتی که فرایند اقلام تعهدی غیر خطی باشد، استفاده میکنند. گزینه دیگر در مواجهه با موارد غیرخطی، استفاده از انواع مختلف شبکه های عصبی است. هدف از این مطالعه ارزیابی این مورد است که آیا مدلهای مبتنی بر عملکرد عصبی نسبت به مدلهای خطی و قسمتی خطی درتشخیص مدیریت درآمد، موثرتر هستند یا خیر؟. این مطالعه شامل مدلهای شبکه عصبی براساس نقشه خود سازمان دهنده SOM) )، یک مفهوم چند لایه MLP) ) و یک شبکه عصبی رگرسیون عمومی GRNN) ) میباشد. نتایج نشان میدهد عملکرد مدل بر مبنای شبکه های عصبی، بهترین عملکرد را دارا میباشد، درحالی که مدل خطی مبتنی بر رگرسیون، ضعیفترین عملکرد را دارد، همچنین نتایج نشان داد که هر 5 مدل مورد ارزیابی قرار گرفته، قادر به تخمین اقلام تعهدی اختیاری هستند که باقدری اغماض بعنوان نماینده مدیریت درآمد، عمل مینماید.
کلمات کلیدی: مدیریت درآمد | تعهدات اختیاری | شبکه های عصبی |
مقاله ترجمه شده |