کاربرد شبکه های عصبی مصنوعی در پیش بینی رفتار مدیران

thesis
abstract

پژوهش پیش رو، یک پژوهش کاربردی در زمینه کاربرد شبکه های عصبی مصنوعی در پیش بینی رفتار انسانی است که بر مبنای مطالعات و پیشنهاد سان(2010) به منظور پیش بینی افکار و عقاید انسان ها صورت گرفته است. در این پژوهش برآنیم توانایی شبکه های عصبی را در پیش بینی رفتار مدیران و به طور خاص مدیران منابع انسانی بررسی کنیم. از آنجایی که رفتار هر مدیر، مجموعه ای از تصمیمات اتخاذ شده به وسیله اوست و در واقع، تصمیمات مدیر رفتار او را شکل می دهند، می توانیم رفتار مدیر را بر اساس دستورات صادره در راستای هر تصمیم پیش بینی کنیم. بدین ترتیب، بر اساس دستورات صادر شده در هر مورد و با توجه به تصمیم نهایی اتخاذی توسط مدیر، قادر خواهیم بود که در شرایط مشابه نیز رفتار مدیر را پیش بینی کنیم. در این راستا، پس از تشخیص و تعیین تصمیمات و حوزه اختیار و عمل مدیران منابع انسانی، "ارزیابی عملکرد" را به عنوان وظیفه مورد مطالعه و "انتخاب کارمند نمونه" را به عنوان تصمیم حاصل از این وظیفه انتخاب می نماییم. سپس با شناسایی عوامل موثر بر خروجی این وظیفه، به بررسی توانایی شبکه های عصبی در پیش بینی انتخاب کارمند نمونه پرداخته، به دنبال آن کاربرد شبکه های عصبی مصنوعی را در پیش بینی رفتار مدیران منابع انسانی بررسی می کنیم. در نهایت، با استفاده از نرم افزارهای matlab و weka و با تحلیل داده های جمع آوری شده از 92 پرسشنامه، نشان می دهیم که شبکه های عصبی مصنوعی با دقت بسیار بالایی قادر به تحلیل ارزیابی عملکرد و پیش بینی کارمند نمونه هستند و می توانند یک گزینه مناسب برای پیش بینی تصمیمات و رفتار مدیران منابع انسانی باشند.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

کاربرد 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...

full text

کاربرد شبکه های عصبی مصنوعی در پیش بینی شاخص های کلان علم و فناوری

ارزیابی تحقیق و توسعه و ارتباط بین تولید علم و تکنولوژی در سطح کلان کشورها به دلیل حجم بالای اطلاعات و تغییر و تحولات سریع در این حوزه محدود بوده است. این پژوهش با هدف درک ارتباط و عملکرد توسعه فناوری در رابطه با فعالیت‌های تولید علم در سطح کشور‌ها صورت پذیرفته است که از نوع تحقیقات توصیفی-کاربردی می‌باشد. هدف ساخت مدلی با استفاده از الگوریتم‌ های پیشرفته است که توانایی پیش‌بینی شاخص فناوری را ...

full text

کاربرد شبکه های عصبی مصنوعی در پیش بینی شاخص بازدهی نقدی و قیمت سهام

مدل سازی پیش بینی متغیرهای مالی و اقتصادی با توجه به رفتار متغیرها، روش های گوناگونی دارد. تحقیق حاضر، چگونگی پیش بینی بازده سهام در بورس اوراق بهادار تهران را با دو مدل آربیتراژ و شبکه های عصبی مصنوعی مورد آزمون قرار داده است. برای این منظور از اطلاعات روزانه شاخص بازده نقدی و قیمت به عنوان متغیر وابسته و از اطلاعات روزانه قیمت سکه بهار آزادی، حجم معاملات کل بازار و قیمت دلار به عنوان متغیرهای...

full text

کاربرد شبکه عصبی مصنوعی در پیش بینی تبخیر-تعرق با حداقل داده های هواشناسی

برآورد دقیق تبخیر- تعرق در اعمال مدیریت بهینۀ منابع آب، ضروری است. تبخیر - تعرق مؤلفه مهمی در توازن آب در مناطق مختلف به شمار می‌رود. مهندسین آب با علم به اینکه چه مقدار از آب آبیاری به مصرف محصول می‌رسد، قادر به محاسبه مهمترین جز آب در سیکل هیدرولوژیک یعنی تبخیر - تعرق خواهند بود. در مطالعه حاضر تبخیر– تعرق روزانه دشت ارومیه با استفاده از داده‌های هواشناسی طی دوره آماری 1390 – 1363 به روش فائو...

full text

کاربرد شبکه عصبی مصنوعی در پیش بینی رفتار گودهای عمیق

هدف اصلی از تحلیل گودها با استفاده از شبکه عصبی مصنوعی به دست آوردن نگاشتی غیر خطی بین پارامترهای ورودی و خروجی مورد نظر می باشد تا با استفاده از آن بتوان رفتار گود را پیش بینی کرد. مطالعات نشان می دهد پارامترهای متعددی بر رفتار گودها تاثیر گذار هستند که از جمله ی مهم ترین آن ها می توان به سختی دیوار، فاصله ی مهارها و سختی آن ها، عرض و عمق گود، مشخصات خاک و روش گودبرداری اشاره کرد. در بسیاری ا...

15 صفحه اول

مقایسه 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...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه شیراز

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023