بکارگیری شبکه عصبی مصنوعی در پیش بینی روابط خریدار-فروشنده: در محیط تجارت الکترونیکی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت مدرس
- نویسنده ریحانه غلامی سلطانمرادی
- استاد راهنما علیرضا حسن زاده شعبان الهی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1390
چکیده
با توجه به تحولات شتابنده و غیر قابل پیش بینی عصر کنونی، سازمان ها در صدد این هستند که رابطه موفق و بلندمدتی با مشتریان خود برقرار کنند. اینترنت تاکنون تاثیر عمیق و زیادی روی بازاریابی داشته است و از آنجایی که نرخ رشد خرید اینترنتی در حال افزایش است، بنابراین برای مدیران وب سایت ها مهم است که بدانند چه فاکتورهایی روی روابط آنها با مشتریان تاثیر می گذارد تا از این طریق بتوانند مزیت رقابتی پایدار کسب کنند. در این پژوهش، شبکه عصبی به کار گرفته شد تا مدلی از کیفیت رابطه خریدار-فروشنده در تجارت الکترونیکی از نوع بنگاه به مصرف کننده حاصل شود. برای این منظور، ابتدا فاکتورهای کیفیت رابطه خریدار-فروشنده شناسایی شدند. این فاکتورها لایه خروجی شبکه عصبی را تشکیل می دهند و عبارتند از رضایت الکترونیکی، اعتماد الکترونیکی ، و ارزش درک شده خریدار از رابطه. سپس متغیرهای تاثیر گذار روی این فاکتورها مورد بررسی قرار گرفتند تا نورون های لایه ورودی شبکه عصبی نیز حاصل شوند. این عوامل شامل کیفیت خرده فروشی آنلاین، مشتری مداری وب سایت، ادراک مشتری از قیمت و کیفیت محصول می باشد. سپس با استفاده از تحلیل رگرسیون و همچنین تحلیل شبکه عصبی به پیش بینی خروجی های مدل پرداخته شد و خطای هر روش به طور جداگانه محاسبه گردید. در نهایت خطای دو روش با یکدیگر مقایسه شدند و مشخص شد که شبکه عصبی از عملکرد بهتری در پیش بینی کیفیت رابطه خریدار-فروشنده در تجارت الکترونیکی برخوردار است.
منابع مشابه
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...
متن کاملپیش بینی کشش سطحی مایعات یونی بر پایه ایمیدازولیوم با بکارگیری شبکه عصبی مصنوعی
امروزه با پیشرفت تکنولوژی برای حل مسائلی که روابط دقیق ریاضی بین ورودی و خروجی برقرار نمی باشد از شبکه های عصبی مصنوعی استفاده می شود. در این پژوهش برای پیشبینی کشش سطحی مایعات یونی بر پایه ایمیدازولیوم دو شبکه عصبی پرسپترون چند لایه شامل شبکه عصبی مصنوعی پیشرو (FFANN) و شبکه عصبی آبشاری (CANN) پیشنهاد شد. برای بررسی صحت مدل ها، از 1251 داده آزمایشگاهی گردآوری شده از مقالات مختلف شامل کشش سطحی...
متن کاملبکارگیری الگو ترکیبی شبکه های عصبی مصنوعی با الگوریتم های فراکاوشی (ICA,PSO) در پیش بینی مدیریت سود
رویکردهای فراکاوشی عمدتاً بر اساس نظم و قواعد موجود در ارگانیسمهای طبیعی الهام گرفتهاند. این رویکردها امروزه کاربرد بسیاری در شاخههای مختلف پیدا کرده است. با توجه به اهمیت پیشبینی، شناخت روشها در پیشبینی مدیریت سود میتواند اطلاعات مفیدی را برای ذینفعان فراهم آورد. تنوع عوامل بدست آمده ناشی از نتایج الگوهای خطی برای سنجش مدیریت سود موجب شده است سرمایهگذارن نسبت به کیفیت سود گزارش شده ترد...
متن کاملکاربرد تکنیک شبکه عصبی برای ارزیابی روابط بین خریدار وفروشنده
هر چند در حال حاضر جذابیت مباحث مفهومی در مباحث مربوط به مدیریت و بازاریابی بهخوبی قابل درک است، اما تلاش برای تعیین عوامل مؤثر بر کیفیت روابط بهخاطر پیچیدگی در عوامل پایهای و مشکل بههم پیوستگی این عوامل چالشانگیز است. فنونی سنتی رگرسیون در تجزیه و تحلیل دادههایی که خطوط چندگانه داشته یا اطلاعات ناقص هستند مؤثر عمل نمیکنند. به همین دلیل استفاد از فن جدیدی به نام تحلیل شبکه عصبی تلاش میک...
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 کاملمقایسه قدرت مدل های شبکه عصبی مصنوعی و شبکه عصبی پویا در پیش بینی نرخ ارز: کاربردی از تبدیل موجک
این مطالعه تلاشی است در جهت بهکارگیری ترکیب مدل شبکهی عصبی پویا و تجزیهی موجک جهت میسر نمودن امکان انتخاب یک الگوی بهینه جهت پیشبینی متغیر مذکور میباشد. جهت تحقق این مهم، از دادههای سریزمانی ماهانهی نرخ ارز طی بازهی زمانی فروردین 1377 الی آذر 1391، که مشتمل بر 177 مشاهده بوده که از این بین، تعداد 150 مشاهده جهت مدلسازیها استفاده شده و تعداد 27 مشاهده نیز جهت شبیهسازی و یا به بیان دی...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت مدرس
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023