بررسی عملکرد شبکه های عصبی مصنوعی در پیش بینی کارایی سرمایه فکری
نویسندگان
چکیده
سرمایه¬ فکری به عنوان سرمایه واقعی و یکی از مهمترین سرمایه¬های سازمانها و شرکتهای عصر حاضر مطرح است. هدف از اجرای این تحقیق بررسی عملکرد شبکه¬های عصبی مصنوعی در پیش¬بینی کارایی سرمایه فکری شرکت¬های پذیرفته شده در بورس اوراق بهادار می باشد. در این تحقیق ابتدا با استفاده از مدل تحلیل پوششی داده¬ها و با در نظر گرفتن متغیر ضریب ارزش افزوده سرمایه فکری به عنوان ورودی مدل و سه متغیر بازده سهام، نرخ بازده دارایی¬ها و نرخ بازده حقوق صاحبان سهام به عنوان متغیرهای خروجی مدل به بررسی کارایی سرمایه فکری شرکت¬های منتخب در بین سال¬های 1385 تا 1389 پرداخته شد. در مرحله بعد، از رویکرد شبکه¬های عصبی پرسپترون چند لایه، جهت پیش¬بینی کارایی سرمایه فکری شرکت¬ها استفاده شده است. نتایج ارزیابی نشان داد که الگوی شبکه-های عصبی مصنوعی از دقت بالایی در پیش¬بینی کارایی سرمایه فکری شرکت¬های پذیرفته شده در بورس اوراق بهادار برخوردار می¬باشد.
منابع مشابه
بررسی عملکرد شبکههای عصبی مصنوعی در پیشبینی کارایی سرمایه فکری
سرمایه¬ فکری به عنوان سرمایه واقعی و یکی از مهمترین سرمایه¬های سازمانها و شرکتهای عصر حاضر مطرح است. هدف از اجرای این تحقیق بررسی عملکرد شبکه¬های عصبی مصنوعی در پیش¬بینی کارایی سرمایه فکری شرکت¬های پذیرفته شده در بورس اوراق بهادار می باشد. در این تحقیق ابتدا با استفاده از مدل تحلیل پوششی داده¬ها و با در نظر گرفتن متغیر ضریب ارزش افزوده سرمایه فکری به عنوان ورودی مدل و سه متغیر بازده سهام، نرخ ب...
متن کاملکاربرد شبکه های عصبی مصنوعی در پیش بینی بارش زمستانه
پیشبینی بارش یکی از مهمترین مسائل در زمینه مدیریت بهینه منابع آب در بخشهای مختلف نظیر صنعت، شرب و کشاورزی است. پیش بینی بارش می تواند باعث جلوگیری از تلفات و خسارات ناشی از بلایای طبیعی شود. هدف از تحقیق حاضر پیشبینی بارش زمستانه استان خراسان رضوی با استفاده از شبکههای عصبی مصنوعی میباشد. بدین منظور، ابتدا سری زمانی بارش متوسط منطقهای به روش کریجینگ در طول دوره آماری به دست آورده شد. سپس...
متن کاملمقایسه عملکرد شبکه های عصبی مصنوعی و شبکه های عصبی موجکی در پیش بینی درصد شکستگی جو در کمباین برداشت
در این تحقیق، نحوه عملکرد شبکه های عصبی موجکی با شبکه های عصبی مصنوعی در پیش بینی درصد شکستگی دانه های جو در کمباین مقایسه شد. شبکههای مزبور به صورت تابعی از درجه حرارت هوا، سرعت کوبنده، سرعت پیشروی کمباین، فاصله کوبنده و ضدکوبنده در جلو و عقب واحد کوبنده و درصد رطوبت جو آموزش داده شد. شبکه عصبی موجکی (RASP1) با دقت 2/90 درصد در پیش بینی شکستگی دانه جو به عنوان یک جایگزین مناسب برای شبکههای...
متن کاملواکاوی کارایی روش های مبتنی بر شبکه های عصبی مصنوعی و رگرسیون خطی چندمتغیره در پیش بینی کشند
پیشبینی تغییرات کشند، بهدلیل اهمیتی که در برنامهریزیهای ناوگان دریایی و نظامی، حمل و نقل و کشتیرانی، طراحی بنادر و سایر مسایل مرتبط با امور دریا دارد؛ از دیرباز مورد توجه بوده است. هدف این مطالعه بررسی عملکرد مدلهای شبکههای عصبی پیشخور با 3 الگوریتم یادگیری کاهش شیب، شیب مزدوج و لونبرگ-مارکوارد در پیشبینی ساعتی تغییرات کشند است. بهعلاوه در تحقیق حاضر، نتایج حاصل از مدل رگرسیون خطی چندم...
متن کاملبررسی جهش پولی نرخ ارز و پیش بینی آن با شبکه های عصبی مصنوعی در ایران
یکی از مباحث مهم در اقتصاد کلان، رابطه بین شوکهای پولی و نوسانات نرخ ارز در قالب تئوری جهش پولی نرخ ارز است. از آنجا که اقتصاد ایران طی سالهای بعد از انقلاب همواره در معرض گسترش پایه پولی قرار داشته است، لذا بررسی رابطه بین انبساطهای پولی و نوسانات نرخ ارز و متعاقباً نقش افزایش درجه شناورسازی نرخ ارز بر میزان افزایش این نوسان، موضوع و هدف اصلی مقاله حاضر را تشکیل میدهد. بر این اساس در بخش او...
متن کاملارزیابی کارایی شبکه عصبی مصنوعی در پیش بینی شاخص های کیفی ( DO و BOD ) آب رودخانۀ دره مرادبیک همدان
یکی از عوامل مهم توسعه در هر منطقه فراهم بودن منابع آب مناسب میباشد. در این راستا علاوه بر کمیت، توجه به وضع کیفی آن نیز از اهمیت شایانی برخوردار است. هدف از این تحقیق کاربرد مدل شبکۀ عصبی پرسپترون چند لایه در مدلسازی شاخصهای کیفی آب رودخانهها است. در این مطالعه از اطلاعات و دادههای شامل 10 متغیر کیفی ماهانۀ آب رودخانۀ دره مراد بیک همدان در طول یک سال و در شش ایستگاه برای مدلسازی اکسیژن مورد نی...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
عنوان ژورنال:
مهندسی مالی و مدیریت اوراق بهادارناشر: دانشگاه آزاد اسلامی واحد تهران مرکزی
ISSN 2251-9165
دوره 4
شماره 16 2013
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023