پایان نامه کارشناسی

دانلود مقالات فنی و مهندسی و علوم انسانی (علوم تربیتی روانشناختی)

پایان نامه کارشناسی

دانلود مقالات فنی و مهندسی و علوم انسانی (علوم تربیتی روانشناختی)

ترجمه مقاله پیش بینی موفقیت ERP: یک رهیافت شبکه عصبی مصنوعی

دسته: مقالات ترجمه شده

حجم فایل: 860 کیلوبایت

تعداد صفحه: 33

پیش‌بینی موفقیت ERP: یک رهیافت شبکه عصبی مصنوعی

چکیده

به سیستم برنامه‌ریزی منابع سازمان (ERP) بعنوان نمونه‌ای از سیستم‌های اطلاعات جدید اشاره شده است. با اینحال، دست یافتن به سطح مناسبی از موفقیت ERP متکی به عامل‌های گوناگونی است که این عوامل به یک محیط سازمانی یا پروژه‌ای وابسته هستند. در این مقاله، درمورد ایده پیش‌بینی موفقیت پیش از پیاده‌سازی ERP براساس مشخصات سازمانی، بحث شده است. همچنانکه با نیاز به ایجاد انتظارات از سازمان‌های ERP، یک سیستم خبره با استفاده از روش شبکه عصبی مصنوعی (ANN) برای بیان روابط بین برخی از عوامل سازمانی و موفقیت ERP توسعه داده شد. نقش سیستم خبره در آماده سازی برای به دست آوردن اطلاعات از شرکت های جدید که مایل به پیاده سازیERP هستند، و برای پیش بینی سطح محتمل موفقیت سیستم، است. برای این منظور، عامل‌های مشخصات سازمانی به رسمیت شناخته شده و مدل ANN توسعه داده شده است. سپس، با 171 داده بررسی شده به دست آمده از شرکت‌های خاور میانه که ERP را تجربه کرده‌اند اعتباردهی می‌شوند. سیستم خبره آموزش دیده، با ضریب همبستگی متوسط ​​0. 744پیش‌بینی می‌کند که نسبتاً بالا است و این ایده وابستگی موفقیت ERP به مشخصات سازمانی را حمایت می کند. علاوه بر این، نرخ طبقه بندی صحیح مجموع 0. 685 نشان می دهد قدرت پیش بینی خوب است، که می تواند به پیش بینی موفقیت ERP شرکت‌ها قبل از پیاده سازی سیستم کمک نماید.

کلیدواژگانها:

برنامه‌ریزی منابع سازمان (ERP) ؛ موفقیت ERP؛ مشخصات/عامل‌های سازمانی؛ شبکه عصبی مصنوعی (ANN) ؛ سیستم خبره

خرید

مطالب مرتبط

مقاله کسب و کار ترجمه مقاله شبکه عصبی مدیریت پروژه آموزش الگوریتم مهندسی
علی یکشنبه 3 فروردین 1393 ساعت 17:26
0 نظر

پیش بینی قیمت کوتاه مدت مبتنی بر موجک-ELM ترکیبی، برای بازار برق

چکیده

پیشبینی دقیق قدمت برق، چالشی بزرگ برای شرکت کنندگان و مدیران بازار می باشد، زیرا قیمت الکتریسیته دارای نوسانات بسیاری است. پیشبینی قیمت نیز، مهم ترین هدف مدیریتی برای مشارکت کنندگان در بازار است، چرا که مبانی بیشینه کردن سود را، تشکیل می دهد. این مطالعه، عملکرد یک تکنیک شبکه عصبی جدید را بنام ناشین یادگیری سریع (ELM) ، در مساله پیشبینی قیمت، بررسی می کند. با در نظر داشتن خط مربوط به بازهای برق که دارای نوسانات بسیاری در قیمت هستند، تکیه به یک تکنیک، خیلی هم سودمند نمی باشد. بنابراین، ELM با تکنیک موجک همراه شده است و یک مدل پیوندی (مرکب) را به نام WELM (ELM مبتنی بر موجک) را تشکیل داده است تا دقت پیشبینی و نیز قابلیت اطمینان آن را، بهبود بخشد. در این روش، ویژگی های بی همتای هر ابزار، تکریب شده اند تا الگوهای مختلفی را در اطلاعات، به دست آورند. قدرت این تکنیک، با استفاده از روش مجموع شده، بهبود بیشتری می یابد. عملکردهای مدل های ارایه شده، با استفاده از اطلاعات موجود در بازارهای برق انتاریو، PJM، نیویورک و ایتالیا، ارزیابی شده اند. نتایج آزمایشی نشان می دهند که روش پیشنهادی، یکی از مناسب ترین تکنیک های پیشبینی قیمت می باشد.

کلیدواژگان: شبکه عصبی مصنوعی، تجدید ساختار، روش مجموع، ماشین یادگیری سریع، پیشبینی قیمت، تبدیل موجک

مقدمه

مقررات زدایی (تجدید ساختار) بخش برق، منجر به توسعه یک ساختار بازار رقابتی شده است که در آن شرکت کننده ها برای ارایه بازار خود از طریق بازار معامله های لحظه ای و بازار دو-جانبه، رقابت می کنند. قیمت های برق در این بازارها، به صورت مستقیم یا غیر-مستقیم تحت تاثیر تعدادی از عواملی که به طور پیچیده ای با هم مرتبط هستند، قرار دارند. عدم قطعیت در عواملی همچون آب و هوا، قطعی های تجهیزات، قیمت های سوخت، و تنگراه انتقال، منجر به نوسانات شدید قیمت یا حتی تغییرات ناگهانی قیمت در بازار برق می شوند. حرکت غیرقطعی پیچیده قیمت های برق در ساعت های مختلف روز، از اهمیت بالایی در میان شکرت کنندگان بازار برخوردار است. شرکت کنندگان در بازار، نیاز به پیشبینی های مطمین از نوسانات قیمت در بازار برق دارند، تا بتوانند آن را به مزایده گذاشته یا خرید و فروش نمایند. بدلیل اهمیت قیمت های آینده و پیچیدگی موجود مربوط به تعیین آنها، مدل سازی و پیشبینی دقیق قیمت های بازار، یکی از زمینه های اصلی تحقیقاتی در مهندسی برق شده است.

خرید

مطالب مرتبط

مهندسی مقاله مدیریت شبکه عصبی ترجمه مقاله تحقیق
علی جمعه 11 بهمن 1392 ساعت 13:26
0 نظر

ترجمه مدل ارزیابی عملکرد (روش تحلیل سلسله مراتبی فازی و روش تاپسیس) (پروژه مهندسی صنایع)

چکیده

تحقیقات مربوط به تصمیم گیری چند ضابطه ای (MCDM) با سرعت زیادی رو به پیشرفت بوده و به عنوان یک حیطه پژوهشی قابل توجهی در ارتباط با مسائل تصمیم گیری پیچیده می باشد. هدف مقاله این است تا به بررسی مدل ارزیابی عملکرد بپردازد. این مقاله به توسعه مدل ارزیابی بر مبنای فرایند زنجیره ای تحلیل فازی و تکنیکی در ارتباط با عملکردهای منظم، مشابه به راه حل های مطلوب، تاپسیس فازی برای کمک به متخصصان صنایع به منظور ارزیابی عملکرد در محیط فازی می پردازد، جایی که ابهامات و ذهنیت، با توجه به ارزش های زبانی که توسط ارقام فازی مثلثی پارامتربندی می شوند، مدیریتمی گردند روش های مطرح شده تحلیلگران تصمیم گیر را قادر می سازد تا درک بهتری از کل فرایند ارزیابی بدست آورده و ابزارهای پشتیبان تصمیم گیری نظامند، کارآمد و دقیقی را ایجاد کنند.

کلیدواژه: مجموعه فازی، ارزیابی کارایی، فرایند زنجیره ای تحلیل فازی، تاپسیس فازی، تصمیم گیری های چند ضابطه ای

مقدمه

برای رقابت در محیط رقابتی امروز، بسیاری از سازمان ها استانداردهایی را به عنوان یک استراتژی مهم در ایجاد یک عملکرد بهتر و تعهد در ارتباط با ایجاد مزایای رقابتی مد نظر قرار می دهند. مطالعات زیادی وجود دارد که به بررسی روش ها در ارتباط با ارزیابی عملکرد می پردازد. بعضی از این بررسی ها به تعیین شاخص های عملکردی کلیدی مختلف شامل جنبه های محسوس و نامحسوس می پردازند. در ارتباط با ارزیابی عملکرد کاربردها این مورد امکان پذیر می باشد که اهداف محسوس و نامحسوس یک شرکت به گونه ای تعریف می گردند که نسبت به شرایط و اهداف یک مورد متناسب بوده و استراتژی های آن به صورت عملکردی، تعیین شده و به صورت مکمل می باشد. در بررسی ها، یک روش منطقی به هدف ارزیابی عملکردهای نسبی توسط ابعاد چندگانه مطرح می گردد. هدف اصلی این مقاله این می باشد تا برای متخصصان دیدگاهی را در ارتباط با بررسی های عملکردی در مورد عدم صراحت و در کسب اولویت دهی و ابعاد ارزیابی عملکردی ایجاد کند.

خرید

مطالب مرتبط

مدیریت مجموعه فازی فرایند زنجیره ای تحلیل فازی شبکه عصبی تصمیم گیری چند ضابطه ای تحقیق تاپسیس فازی پیشرفت ارزیابی کارایی
علی پنج‌شنبه 10 بهمن 1392 ساعت 15:36
0 نظر

پیشبینی قیمت کوتاه مدت مبتنی بر موجک ELM ترکیبی، برای بازار برق

چکیده

پیشبینی دقیق قدمت برق، چالشی بزرگ برای شرکت کنندگان و مدیران بازار می باشد، زیرا قیمت الکتریسیته دارای نوسانات بسیاری است. پیشبینی قیمت نیز، مهم ترین هدف مدیریتی برای مشارکت کنندگان در بازار است، چرا که مبانی بیشینه کردن سود را، تشکیل می دهد. این مطالعه، عملکرد یک تکنیک شبکه عصبی جدید را بنام ناشین یادگیری سریع (ELM) ، در مساله پیشبینی قیمت، بررسی می کند. با در نظر داشتن خط مربوط به بازهای برق که دارای نوسانات بسیاری در قیمت هستند، تکیه به یک تکنیک، خیلی هم سودمند نمی باشد. بنابراین، ELM با تکنیک موجک همراه شده است و یک مدل پیوندی (مرکب) را به نام WELM (ELM مبتنی بر موجک) را تشکیل داده است تا دقت پیشبینی و نیز قابلیت اطمینان آن را، بهبود بخشد. در این روش، ویژگی های بی همتای هر ابزار، تکریب شده اند تا الگوهای مختلفی را در اطلاعات، بدست آورند. قدرت این تکنیک، با استفاده از روش مجموع شده، بهبود بیشتری می یابد. عملکردهای مدل های ارایه شده، با استفاده از اطلاعات موجود در بازارهای برق انتاریو، PJM، نیویورک و ایتالیا، ارزیابی شده اند. نتایج آزمایشی نشان می دهند که روش پیشنهادی، یکی از مناسب ترین تکنیک های پیشبینی قیمت می باشد.

کلیدواژه ها: شبکه عصبی مصنوعی (ANN) ، تجدید ساختار، روش مجموع، ماشین یادگیری سریع (ELM) ، پیشبینی قیمت، تبدیل موجک

پروژه کارشناسی ارشد برق

فایل محتوای

اصل مقاله لاتین 10 صفحه

متن ورد ترجمه شده بصورت کاملا تخصصی 26 صفحه

خرید

مطالب مرتبط

مدیریت مقاله شبکه عصبی پروژه
علی چهارشنبه 18 دی 1392 ساعت 12:04
0 نظر

دسته بندی سیگنالهای الکترومیوگرافی با شبکه عصبی موجک

چکیده

یک وسیله دقیق و محاسباتی کارآمد برای دسته بندی الگوی سیگنال های الکترومیوگرافی، موضوع بحث بسیاری از پژوهشگران در سال های اخیر بوده است. تجزیه تحلیل های کمیتی سیگنال های EMG، منبع اطلاعاتی مهمی برای تشخیص اختلالات عصبی-عضلانی می باشد. با پیگیری توسعه های اخیر تجهیزات EMG کامپیوتری، روش های مختلفی در حوزه زمان و حوزه فرکانس برای تحلیل های کمیتی، انجام گرفته است. در این بررسی، دسته بندی کننده های مبنی بر شبکه های عصبی مصنوعی پس-انتشار خطای پیشخور (FEBANN) و شبکه های عصبی موجک (WNN) در دقت در دسته بندی سیگنال های EMG با هم مقایسه شده اند. در این روش ها، ما از یک مدل خودبازگشت (اتورگرسیو) (AR) سیگنال های EMG، به عنوان ورودی سیستم دسته بندی، استفاده کردیم. مقدار کل 1200 MUP که از 7 مورد طبیعی، 7 مورد دارای بیماری میوپاتی، و 13 مورد دارای بیماری های با ریشه عصبی به دست آمدند، آنالیز شده اند. میزان موفقیت برای روش WNN 90.7% و برای روش FEBANN 88% بوده است. مقایسه بین دسته بندی کننده های توسعه یافته، نخست بر مبنای تعدادی اندازه گیری های عددی مربوط به دسته بندی می باشد. دسته بندی کننده مبنی بر WNN، بر همتای FEBANN خود برتری دارد. دسته بندی WNN ارایه شده، می تواند تصمیم گیری های کارشناسانه را پشتیبانی کرده و به تشخیص افتراقی EMG کمک کند.

کلیدواژه: الکترومیوگرافی، پتانسیل واحد موتور، روش اتورگرسیو، شبکه عصبی موجک

مقدمه

بیش از 100 اختلال عصبی و ماهیچه ای وجود دارد که بر روی نخاع، عصب، و ماهیچه اثر می گذارد. تشخیص بموقع این بیماری ها توسط معاینه های درمانگاهی و تست های آزمایشگاهی، برای مدیریتکردن آنها و نیز پیشبینی آنها با استفاده از تشخیص پیش از تولد و مشاوره های ژنتیکی، حیاتی می باشد. این اطلاعات همچنین در ازوهش موجود می باشد، که می تواند منجر به فهم طبیعت این بیماری ها، و سرانجام بیماری آنها گردد. مورفولوژی (ریخت شناسی) واحد موتور، را می توان با ثبت فعالیت های الکتریکی معروف به الکترومیوگرافی (EMG) بررسی کرد. در EMG درمانگاهی، پتانسیل های واحد موتور (MUP) با استفاده از یک الکترود سوزنی در اقباض ارادی کم، ثبت می شود.

خرید

مطالب مرتبط

مدیریت کامپیوتر شبکه عصبی ژنتیک هویت پیشرفت پژوهش آموزش
علی چهارشنبه 18 دی 1392 ساعت 11:52
0 نظر