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 |
هوش مصنوعی برای پیش بینی در مدیریت زنجیره تامین: مطالعه موردی میزان مصرف قند سفید در تایلند
سال انتشار: 2019 - تعداد صفحات فایل pdf انگلیسی: 6 - تعداد صفحات فایل doc فارسی: 22 این مقاله یک مدل مناسب برای پیش بینی روند میزان مصرف شکر سفید در تایلند با توجه به نوسانات نرخ مصرف امروزه ارائه می دهد. در این مقاله روی دو نوع مدل اصلی پیش بینی که مدل های رگرسیون و شبکه های عصبی هستند ، تمرکز خواهد شد. علاوه بر این ، عملکرد با استفاده از Root Mean Square Error (RMSE) و مقدار آماری TheilU ارزیابی می شود. پس از پردازش آزمایشات ، نتایج نشان می دهد که شبکه عصبی راجعه با حافظه کوتاه مدت (LSTM) با شرایط ترکیبی بین میزان مصرف موجود و سایر عوامل مرتبط مانند تأمین تولید ، میزان واردات ، صادرات و موجودی کالا بهترین عملکرد را برای پیش بینی فراهم می کند. همچنین تنظیم پارامترهای مدل مسئله مهمی است.
کلمات کلیدی: یادگیری ماشین | اینترنت فیزیکی | پیش بینی تقاضا | شبکه عصبی | رگرسیون |
مقاله ترجمه شده |
2 |
تحلیل و پیشبینی کیفیت هوای شهری براساس الگوریتم هوشمند با بهینهسازی پارامتر و قوانین تصمیمگیری
سال انتشار: 2019 - تعداد صفحات فایل pdf انگلیسی: 12 - تعداد صفحات فایل doc فارسی: 18 آلودگی هوا به طور مداوم بر روی کره زمین تاثیر مخربی دارد، به اکوسیستمها آسیب میرساند، منابع طبیعی را تهی میکند و سلامت انسان را به خطر میاندازد. -=این مقاله الگوریتم هوشمند جدید را پیشنهاد میکند که شامل بهینهسازی پارامترها و قوانین تصمیمگیری برای پیشبینی و تحلیل کیفیت هوای شهری است. از طریق تحلیل دادههای بیست و چهار ساعته کیفیت هوای روزانه ارائه شده توسط ایستگاه نظارت بر کیفیت هوا در پکن، تبرید شبیهسازی شده (SA) و یک درخت تصمیم (DT) به عنوان عوامل اصلی پدیدار میشوند. ما ثابت میکنیم که در الگوریتم بررسی شده، میتوان از SA و DT برای تصمیمگیری قوانین و دستیابی دقیقتر برای طبقهبندی استفاده کرد. در مییابیم که میتوان از SA برای تنظیم بهترین تنظیمات پارامتر برای DT استفاده کرد. نتایج شبیهسازی نشان میدهد که دقت الگوریتم پیشنهادی برای طبقهبندی بسیار بهتر از سایر رویکردهای موجود است.
کلید واژه ها: کیفیت هوا | الگوریتم هوشمند جدید | تبرید شبیهسازی شده |
مقاله ترجمه شده |
3 |
هوش مصنوعی برای تصمیمگیری در عصر کلان داده ، چالشها و دستور کار تحقیقاتی
سال انتشار: 2019 - تعداد صفحات فایل pdf انگلیسی: 9 - تعداد صفحات فایل doc فارسی: 45 هوش مصنوعی بیش از شش دهه است که وجود داشته و دارای زمستانهای مصنوعی و مکرر است .
ظهور قدرت محاسبات سوپر و فناوریهای بزرگ داده در سالهای اخیر به هوش مصنوعی قدرت بخشیدهاست . نسل جدید هوش مصنوعی به سرعت در حال گسترش است و دوباره موضوع جذابی برای تحقیق شدهاست . هدف این مقاله شناسایی چالشهای مرتبط با استفاده و تاثیر سیستمهای مبتنی بر هوش مصنوعی برای تصمیمگیری و ارائه مجموعهای از گزارههای تحقیقاتی برای سیستمهای اطلاعاتی است . ( IS ) این مقاله ابتدا نگاهی به تاریخچه هوش مصنوعی از طریق مقالات مرتبط منتشر شده در مجله بینالمللی مدیریت اطلاعات ارایه میدهد . ( IJIM ) سپس برای تصمیمگیری به طور کلی و مسایل خاص مربوط به تعامل و ادغام هوش مصنوعی برای پشتیبانی یا جایگزین کردن تصمیم گیرندگان انسانی به طور خاص , بحث میکند . برای پیشرفت تحقیقات در مورد استفاده از هوش مصنوعی برای تصمیمگیری در عصر اطلاعات بزرگ , این مقاله ۱۲ گزاره تحقیقاتی برای محققان در زمینه توسعه نظری و نظری , روابط فنآوری هوش مصنوعی , و پیادهسازی هوش مصنوعی ارائه میدهد .
واژگان کاربردی: هوش مصنوعی | هوش مصنوعی | دادههای بزرگ | محاسبات شناختی | تصمیمگیری | سیستم خبره | یادگیری ماشین | سیستم پیشنهاد دهنده | دستور کار تحقیقاتی |
مقاله ترجمه شده |