دانلود رایگان مقالات الزویر - ساینس دایرکتدانلود رایگان مقالات سال 2015دانلود رایگان مقاله ISI الگوریتم ژنتیک به زبان انگلیسیدانلود رایگان مقاله ISI الگوریتم و محاسبات به زبان انگلیسیدانلود رایگان مقاله ISI سیستم پشتیبانی تصمیم گیری DSS به زبان انگلیسیدانلود رایگان مقاله ISI شبکه های عصبی به زبان انگلیسیدانلود رایگان مقاله ISI مهندسی کامپیوتر به زبان انگلیسی سال 2022 و 2023دانلود رایگان مقاله ISI مهندسی نرم افزار به زبان انگلیسیدانلود رایگان مقاله ISI هوش مصنوعی به زبان انگلیسیدانلود رایگان مقاله ISI یادگیری عمیق به زبان انگلیسی

مقاله انگلیسی رایگان در مورد سیستم پشتیبانی از تصمیم گیری مبتنی بر شبکه های عصبی ( الزویر )

 

مشخصات مقاله
عنوان مقاله  Development of a decision support system based on neural networks and a genetic algorithm
ترجمه عنوان مقاله  توسعه سیستم پشتیبانی از تصمیم گیری بر اساس شبکه های عصبی و یک الگوریتم ژنتیک
فرمت مقاله  PDF
نوع مقاله  ISI
سال انتشار  مقاله سال ۲۰۱۵
تعداد صفحات مقاله  ۷ صفحه
رشته های مرتبط  کامپیوتر
گرایش های مرتبط نرم افزار، مهندسی الگوریتم ها و محاسبات و هوش مصنوعی
مجله  سیستم های خبره با کاربردهای آن – Expert Systems with Applications
دانشگاه  موسسه الکترونیک و ریاضی مسکو، دانشکده اقتصاد، دانشگاه ملی روسیه
کلمات کلیدی  سیستم پشتیبانی تصمیم، DSS، شبکه عصبی، الگوریتم ژنتیک، GPGPU ،CUDA
کد محصول  ۲۳۸
نشریه  نشریه الزویر
لینک مقاله در سایت مرجع  لینک این مقاله در سایت الزویر (ساینس دایرکت) Sciencedirect – Elsevier
وضعیت ترجمه مقاله  ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید.
دانلود رایگان مقاله دانلود رایگان مقاله انگلیسی
خرید ترجمه این مقاله خرید ترجمه این مقاله

 

بخشی از متن مقاله:
چکیده

با توجه به افزایش روزافزون حجم اطلاعات و پیچیدگی مهندسی، سیستم های اجتماعی و اقتصادی، ارزیابی داده های ورودی و مدیریت این سیستم ها به صورت صحیح دشوار شده است. سیستم های پشتیبانی تصمیم گیری جاری (DSS) تلاش دارند تا به نتایج بهینه دست پیدا کنند و در عین حال ریسک های تلفات جدی را به حداقل برسانند. هدف این DSS کمک به تصمیم گیرنده است که با مسئله حجم بسیار زیاد از داده ها و واکنش های مبهم سیستم های پیچیده بسته به عوامل خارجی مواجه است. با استفاده از تحلیل دقیق و عمیق، DSSها انتظار می رود که برای کاربران نشانگرهای پیش بینی شده دقیق و تصمیم های بیهنه را فراهم کنند.

در این مقاله ما یک ساختار جدید DSS را پیشنهاد می کنیم که می تواند در دامنه گسترده از کارهای دشوار تا رسمی استفاده و به سرعت بالای محابسه و تصمیم گیری دست پیدا کند.

ما رویکردهای مختلف به تعیین وابستگی یک متغیر هدف به داده های ورودی را ارزیابی کرده و رایج ترین روش های پیش بینی آماری را بازبینی می کنیم. مزایای استفاده از شبکه های عصبی برای این هدف توصیف شده اند. ما استفاده از شبکه های عصبی میانی را برای محاسبات با داده های میانی پیشنهاد می کنیم که به کاربر این امکان را می دهد تا DSS ما را در یک دامنه گسترده از کارهای پیچیده استفاده کند. ما یک الگوریتم یادگیری متناظر را برای شبکه های عصبی میانی نیز ایجاد کردیم. مزایای استفاده از یک الگوریتم ژنتیک (GA) برای انتخاب معنی دارترین ورودی ها نشان داده شده اند. ما استفاده از محاسبه با هدف کلی بر روی واحدهای پردازش گرافیک (GPGPU) را برای رسیدن به محاسبات سرعت بالا با سیستم پشتیبانی سرعت بالا در پرسش توجیه می کنیم. یک نمودار کارکردی از سیستم نیز ارائه و توصیف شده است. نتایج و نمونه های استفاده از DSS نشان داده شده اند.

۱٫ مقدمه
ایده های مدرن در رابطه با جمع آوری، پردازش و استفاده از دانش در سیستم های پشتیبانی تصمیم گیری (DSS) استفاده می شوند، مانند سیستم های اطلاعات مبتنی بر کامپیوتر که برای کمک به تصمیم های پیچیده از طریق تحلیل عمیق و متمرکز حوزه موضوع طراحی شده اند. ایجاد DSS ناشی از ترکیب سیستم های اطلاعات اجرایی و سیستم های میدریت پایگاه داده است.
مجموعه ای از روش ها برای تحلیل و ایجاد انواع مختلف از تصمیم گیری ها در DSS استفاده شده اند مانند جستجو برای اطلاعات و دانش در پایگاه داده، تحلیل شرایط و داده ها، استدلال مبتنی بر گذشتخ، مدلسازی شبیه سازی، محاسبات تکاملی و الگوریتم های ژنتیک (GA)، شبکه های عصبی، مدلسازی شناختی و غیره.
اگر یک DSS براساس روش های هوش مصنوعی باشد، DSS ذهنی یا IDSS نامیده می شود. با استفاده از DSS، می توان یک کار بدون ساختار، نیمه ساختاری یا حتی چند معیاری را حل کرد.
تعریف استاندارد از عبارت DSS یا طبقه بندی جهانی آن وجود ندارد. محققان مقوله بندی های مختلف را براساس تعامل سیستم – کاربر، نوع پشتیبانی یا سایر رویکردها پیشنهاد می کنند.

نوشته های مشابه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا