نتایج جستجو برای: مدل خطی سلسلهمراتبی

تعداد نتایج: 139436  

ژورنال: :فصلنامه مدلسازی ریسک و مهندسی مالی 0
مهدی آسیما دانشجوی دکترای مالی، بانکداری، دانشکده مدیریت، دانشگاه تهران، تهران، ایران امیر علی عباس زاده اصل 2. کارشناسی ارشد مهندسی مالی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران

مدل قیمت‎گذاری دارایی سرمایه‎ای یکی از مدل‎های متداول در برآورد نرخ بازده مورد انتظار است. از آن‎جا که در مدل capm استاندارد رابطه بین بازده سهام و بازده بازار خطی فرض می‎شود، در محیط غیرخطی تخمین ضریب بتا ناسازگار و دارای اریب خواهد بود. در این پژوهش سعی شده در بازه زمانی 1385 تا 1394 قدرت پیش‎بینی مدل های capm غیرخطی و مدل capm استاندارد در بورس اوراق بهادار تهران آزمون شود. برای تخمین مدل غی...

پایان نامه :وزارت علوم، تحقیقات و فناوری - دانشگاه یاسوج - دانشکده کشاورزی 1391

شته rhopalosiphum padi (l. ) گونه ای پلی فاژ با گسترش جهانی و ناقل اصلی ویروس کوتولگی زرد جو، غلات می باشد. زیست شناسی این شته در دو بخش آزمایشگاهی و مزرعه ای روی گیاه ذرت بررسی شد. در بخش مزرعه، به منظور بررسی تغییرات جمعیت شته از بین 10 مزرعه از مزارع شهرکرد ، 3 مزرعه ذرت (2-1 هکتار) با آلودگی به این شته بررسی و پس از تعیین واحد نمونه برداری (بوته)، 120 نمونه از هر مزرعه، به طور تصادفی انتخاب...

ژورنال: :مدلسازی اقتصادی 0
محمد رضایی پور عضو هیات علمی موسسه مطالعات و پژوهشهای بازرگانی مهدی ذوالفقاری دانشجوی دکتری اقتصاد دانشگاه تربیت مدرس مجتبی یوسفی دیندارلو پژوهشگر دفتر مطالعات اقتصادی وزارت بازرگانی ابوالفضل نجارزاده دانشجوی دکتری اقتصاد دانشگاه مفید

در اکثر مطالعات تجربی انجام شده با استفاده از سیستم معادلات تقاضای تقریباً ایده آل، کشش های قیمتی و درآمدی حاصل از برآورد این معادلات به توصیه های سیاستی حساسی در حوزه اقتصاد خرد و کلان منجر شده است. این درحالی است که برآورد خطی سیستم یاد شده مورد شک و تردید می باشد. دراین مقاله به بررسی عملکرد سیستم معادلات تقاضای تقریباً ایده آل خطی و غیرخطی پرداخته شده است. به این منظور با استفاده از تکنیک رگر...

ژورنال: علوم تربیتی 2013
فریبا خوشبخت مرتضی لطیفیان

هدف پژوهش حاضر بررسیقدرت پیش‌بینی‌کنندگی کیفیت تدریس معلم و عوامل جو کلاسی براییادگیری ریاضی با واسطه‌گری باورهای انگیزشی و راهبردهای یادگیری خودنظم‌دهیدانش‌آموزان می‌باشد. از این‌رو بر اساس مدل کریمرز و ریزایت (1994)، مدلی سلسلهمراتبی ارائه گردید. نمونه‌ی پژوهش شامل 100 دانش‌آموز کلاس پنجم ابتدایی شهر شیراز بود که به شیوه‌ی خوشه‌ای تصادفیمرحله‌ایبرگزیده شده بودند. متغیرهای پژوهش با ابزارهای مق...

Journal: : 2023

شاخص سطح برگ استخراج‌شده (LAI) از تصاویر سنجش دور پارامتر مهمی، به‌منظور مدل‌سازی مکانی تولید پوشش گیاهی، محسوب می‌شود. معمولاً شاخص‌های گیاهی که با بازتاب طول موج‌های قرمز و مادون نزدیک محاسبه می‌شوند، در برآورد LAI استفاده روش‌های آماری، به‌کار می‌روند اما بسیاری این شاخص‌ها مقادیر متفاوت به اشباع می‌رسند. برای رفع محدودیت، محدودة لبة شده است؛ بنابراین، باید قابلیت داده‌های دور، ذرت علوفه‌ای، ...

پایان نامه :وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت مدرس 1380

هدف این پایان نامه ارائه کنترلگری جدید برای کنترل سرعت موتور القائی میباشد. ایده اصلی استفاده از پس خور خطی ساز با بکار بردن مدل مرجع تقریبی برای موتور القایی است. در این مدل مرجع می خواهیم هرکدام از خروجی های مورد نظر با یک ورودی کنترل کنیم.این رساله ایده گفته شده را در مورد یکی از خروجی ها بکار برده است. یعنی سرعت موتور القائی با یک ورودی کنترل میکند. در ادامه این رساله می توان تفکیک ورودی ها...

مدل خودرگرسیو میانگین متحرک انباشته (ARIMA) که تحت عنوان روش باکس و جنکینزشناخته می‌شود، یکی از پرکاربردترین مدل‌ها در پیش‌بینی سری‌های زمانی است. اما پیش­ فرض اصلی این مدل خطی بودن سری­های زمانی می­باشد. از سوی دیگر شبکه­ی عصبی یک تخمین زننده­ی عمومی است که الگو­های غیر خطی را بسیار خوب مدل­سازی می­نماید. دانستن الگوی داده­ها مبنی بر خطی و غیر خطی بودن در واقعیت کمی دشوار است، بنابراین این اید...

ژورنال: :نشریه پژوهش در نشخوار کنندگان 2015
محمد رضا بحرینی بهزادی

هدف از این مطالعه مقایسه ی مدل های مختلف رگرسیون غیر خطی، خطی و شبکه ی عصبی مصنوعی در برازش منحنی رشد در گوسفند لری بختیاری بود. شش مدل غیرخطی شامل نمایی منفی، برودی، ون برتالانفی، گومپرتز، لجستیک، ریچاردز و دو مدل چند جمله ای خطی با درجات برازش دو و سه و شبکه ی عصبی مصنوعی مورد استفاده قرار گرفت. از 29517 رکورد وزن بدن متعلق به 6320 بره لری بختیاری از تولد تا سن یک سالگی، جمع آوری شده در ایستگ...

پایان نامه :وزارت علوم، تحقیقات و فناوری - دانشگاه تحصیلات تکمیلی علوم پایه زنجان - دانشکده شیمی 1394

امروزه با گسترش روزافزون دستگاهوری در شیمیتجزیه، دادههای با حجم بسیار بالا برای شیمیدانان تجزیه فراهم میشود. با توجه به اینکه این دادهها دارای اطلاعات مفید و تغییرات غیر مفید میباشند، استفاده از روشهای استخراج اطلاعات ضروری به نظر میرسد. با توجه به رشد روشهای گوناگون جمعآوری داده، روشهای آنالیز متفاوتی ابداع و ارائه گشتهاست. علیرغم توسعهی روشهای استخراج اطلاعات با استفاده از الگوریتمهای متفاوت،...

پایان نامه :وزارت علوم، تحقیقات و فناوری - دانشگاه الزهراء - دانشکده علوم اجتماعی و اقتصادی 1391

به دلیل عوامل گوناگون تاثیرگذاربر بازار سهام پیش بینی قیمت سهام دشوار است.پیش بینی قیمت سهام از موضوعات مورد علاقه محققین و مورد استفاده فعالان بازار سهام است به همین دلیل در این مقاله به پیش بینی بازده سهام با استفاده ازبالاترین و پایین ترین قیمت سهام در روزهای قبل و همچنین میانگین متحرک نمایی با رویکرد شبکه های نروفازی مدل anfis ترکیب شده با الگوریتم ژنتیک مورد بررسی قرار گرفته است.که بااستفا...

نمودار تعداد نتایج جستجو در هر سال

با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید

function paginate(evt) { url=/search_year_filter/ var term=document.getElementById("search_meta_data").dataset.term pg=parseInt(evt.target.text) var data={ "year":filter_year, "term":term, "pgn":pg } filtered_res=post_and_fetch(data,url) window.scrollTo(0,0); } function update_search_meta(search_meta) { meta_place=document.getElementById("search_meta_data") term=search_meta.term active_pgn=search_meta.pgn num_res=search_meta.num_res num_pages=search_meta.num_pages year=search_meta.year meta_place.dataset.term=term meta_place.dataset.page=active_pgn meta_place.dataset.num_res=num_res meta_place.dataset.num_pages=num_pages meta_place.dataset.year=year document.getElementById("num_result_place").innerHTML=num_res if (year !== "unfilter"){ document.getElementById("year_filter_label").style="display:inline;" document.getElementById("year_filter_place").innerHTML=year }else { document.getElementById("year_filter_label").style="display:none;" document.getElementById("year_filter_place").innerHTML="" } } function update_pagination() { search_meta_place=document.getElementById('search_meta_data') num_pages=search_meta_place.dataset.num_pages; active_pgn=parseInt(search_meta_place.dataset.page); document.getElementById("pgn-ul").innerHTML=""; pgn_html=""; for (i = 1; i <= num_pages; i++){ if (i===active_pgn){ actv="active" }else {actv=""} pgn_li="
  • " +i+ "
  • "; pgn_html+=pgn_li; } document.getElementById("pgn-ul").innerHTML=pgn_html var pgn_links = document.querySelectorAll('.mypgn'); pgn_links.forEach(function(pgn_link) { pgn_link.addEventListener('click', paginate) }) } function post_and_fetch(data,url) { showLoading() xhr = new XMLHttpRequest(); xhr.open('POST', url, true); xhr.setRequestHeader('Content-Type', 'application/json; charset=UTF-8'); xhr.onreadystatechange = function() { if (xhr.readyState === 4 && xhr.status === 200) { var resp = xhr.responseText; resp_json=JSON.parse(resp) resp_place = document.getElementById("search_result_div") resp_place.innerHTML = resp_json['results'] search_meta = resp_json['meta'] update_search_meta(search_meta) update_pagination() hideLoading() } }; xhr.send(JSON.stringify(data)); } function unfilter() { url=/search_year_filter/ var term=document.getElementById("search_meta_data").dataset.term var data={ "year":"unfilter", "term":term, "pgn":1 } filtered_res=post_and_fetch(data,url) } function deactivate_all_bars(){ var yrchart = document.querySelectorAll('.ct-bar'); yrchart.forEach(function(bar) { bar.dataset.active = false bar.style = "stroke:#71a3c5;" }) } year_chart.on("created", function() { var yrchart = document.querySelectorAll('.ct-bar'); yrchart.forEach(function(check) { check.addEventListener('click', checkIndex); }) }); function checkIndex(event) { var yrchart = document.querySelectorAll('.ct-bar'); var year_bar = event.target if (year_bar.dataset.active == "true") { unfilter_res = unfilter() year_bar.dataset.active = false year_bar.style = "stroke:#1d2b3699;" } else { deactivate_all_bars() year_bar.dataset.active = true year_bar.style = "stroke:#e56f6f;" filter_year = chart_data['labels'][Array.from(yrchart).indexOf(year_bar)] url=/search_year_filter/ var term=document.getElementById("search_meta_data").dataset.term var data={ "year":filter_year, "term":term, "pgn":1 } filtered_res=post_and_fetch(data,url) } } function showLoading() { document.getElementById("loading").style.display = "block"; setTimeout(hideLoading, 10000); // 10 seconds } function hideLoading() { document.getElementById("loading").style.display = "none"; } -->