شبکه های عصبی شعاعی آموزش یافته بر پایه متغیرهای مدل‌های آماری و مقایسه آن‌ها در پیش بینی ورشکستگی

شبکه های عصبی شعاعی آموزش یافته بر پایه متغیرهای مدل های آماری و مقایسه آن ها در پیش بینی ورشکستگی

امروزه شبکه های عصبی مصنوعی جایگاه ویژه ای در حیطه مالی پیدا کرده است. پژوهش حاضر به دنبال یافتن روش بهتر برای ساخت و آموزش شبکه های عصبی مصنوعی است که منجر به پیش بینی دقیق تر در موضوع ورشکستگی شود. در این میان سه شبکه عصبی از نوع توابع شعاع مدار ساخته شد که به صورت جداگانه توسط متغیرهای مدل آلتمن (1983)، اسمایوسکی (1984) و ترکیبی آموزش داده شدند. پس از سنجش توانایی سه مدل در پیش بینی ورشکستگی...

مقایسه نتایج مدلهای آماری و شبکه عصبی در پیش بینی تعداد تصادفات در تقاطعات

تصادفات ترافیکی از عوامل بسیار مهم مرگ ومیر بوده و خسارات و آسیب های شدید جانی و مالی در پی دارند.. تصادفات همچنین آثار و تبعات سنگین اجتماعی، فرهنگی و اقتصادی دارند که موارد ناشی از آنها جوامع بشری را به شدت تاثیر قرار می دهد. اگرچه گسترش روزافزون ترافیک در شهرها موجب افزایش مزایای اقتصادی و رفاهی شده ، اما در مقابل، تعداد و شدت تصادفات ترافیکی را افزایش داده است. براساس مطالعات انجام شده، بخش...

کاربرد مدلهای شبکه عصبی در پیش بینی ورشکستگی اقتصادی شرکتهای بازار بورس

یکی از پیشرفته ترین مدلهای پیش بینی کننده ورشکستگی٬ مدل «شبکه عصبی مصنوعی» است. مطابق نتایج تحقیق ساختار اصلی پرسپترون سه و چهار لایه برای پیش بینی ورشکستگی شرکتها به مدلهایی شبیه یکدیگر منتهی می شود که در این میان شبکه سه لایه از قدرت پیش بینی بیشتری نسبت به شبکه چهار لایه برخوردار است.این تحقیق نشان می دهد که «به کارگیری مدلهای مبتنی بر شبکه عصبی توانایی مدیریتهای مالی را برای مقابله با نوسان...

مقایسه نتایج مدلهای آماری و شبکه عصبی در پیش بینی تعداد تصادفات در تقاطعات

تصادفات ترافیکی از عوامل بسیار مهم مرگ ومیر بوده و خسارات و آسیب های شدید جانی و مالی در پی دارند.. تصادفات همچنین آثار و تبعات سنگین اجتماعی، فرهنگی و اقتصادی دارند که موارد ناشی از آنها جوامع بشری را به شدت تاثیر قرار می دهد. اگرچه گسترش روزافزون ترافیک در شهرها موجب افزایش مزایای اقتصادی و رفاهی شده ، اما در مقابل، تعداد و شدت تصادفات ترافیکی را افزایش داده است. براساس مطالعات انجام شده، بخش...

پیش بینی تراز آب زیرزمینی دشت شاهرود استفاده از شبکه عصبی مصنوعی تابع پایه شعاعی

     Groundwater level prediction is an important issue in scheduling and managing water resources. A number of approaches such as stochastic, fuzzy networks and artificial neural network have been used for such prediction. A neural network model has been employed in this research for Shahrood plain groundwater level prediction. For this reason, statistical parameters of groundwater level fluct...

پیش بینی حجم کوفتگی سیب با استفاده از شبکه عصبی تابع پایه شعاعی RBF ( و مقایسه آن با مدل رگرسیونی)