چارچوبی جدید پیش بینی قیمت فناوری با استفاده از شبکه های عصبی وارزش گذاری اختیار
محل انتشار: چهارمین کنفرانس مدیریت تکنولوژی ایران
سال انتشار: 1389
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,466
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
MTIC04_066
تاریخ نمایه سازی: 20 خرداد 1389
چکیده مقاله:
امروزه در موضوعات اقتصادی - بازرگانی، پیش بینی به عنوان یکی از مهمترین شاخه های علمی مطرح شده است.شبکه های عصبی در تشخیص و پیش بینی به عنوان ابزار مناسب شناخته شده است. در این مقاله چارچوبی جدیدی برای بدست آوردن انتخابهای پیچیده قیمت ارائه می دهد که بوسیله یاد گرفتن درسیستم شبکه عصبی ، قیمت ها با استفاده ار روش اقدامات شرطی بدست می آیند. از الگوریتم بازگشتی و قیمت گذاری چند جمله ای درختی و سیستم یادگیری سیستم عصبی پیشنهاد شده است که در اجرا برای همه گزینه های قیمت گذاری شده اعمال می شود . در این روش به وسیله ورود اطلاعات به درخت چند جمله گزینه ای و استفاده از الگوریتم بازگشتی و ورود اطلاعات قیمت قبلی فناوری روند تغییرات را از طریق سیستم شبکه عصبی شناسایی کرده و رابطه های تغییرات در درخت چند جمله ای را شناسایی کند و از این رابطه ها در پیش بینی استفاده کند. برای نشان دادن کارایی این چارچوب از اطلاعات موجود سهام یک شرکت در زمان گذشته استفاده می شود و پیش بینی آینده در گذشته را نمایش می دهد و پیش بینی میکند. برای جمع اوری اطلاعات و مرور ادبیات از روشهای جمع آوری اطلاعات به روش کتابخانه ای استفاده شده است . این تحقیق از نوع توصیفی- اکتشافی است و با بهره گیری از نقطه نظرات کارشناسان ،خبرگان ، کارشناسان و مدیران و نخبگان جهت ارزیابی و اعتبار سنجی استفاده شده است. نتیجه نشان دادکه کاربرد این روش در روند قیمت بوسیله یادگیری روش سیستمهای شبکه عصبی در تشخیص و پیش بینی قیمت ها بهتر از روشهای دیگر بدست می آورد.
کلیدواژه ها:
نویسندگان
مسعود نگهداری
دانشجوی کارشناسی ارشد مدیریت اجرایی
محمدعلی شفیعا
استادیار و عضو هیئت علمیدانشکده صنایع
آرنوش شاکری
دانشجوی دکتری مهندسی صنایع
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :