چکیده: در این پایان نامه تعداد پنج کمپلکس از نوع [2(ni(n-substituted-salicydenaminato]، با لیگاندهای باز شیف (l1-l5) سنتز و به وسیله ir و روش های آنالیز عنصری شناسایی شده است. ساختار حالت جامد سه کمپلکس (1-3) به وسیله پراش اشعه ایکس تعیین شده است. این کمپلکس ها ساختار تک هسته ای چهار کوئوردینه مسطح مربعی کمی انحراف یافته با هندسه ترانس [nin2o2] نشان می دهند. زاویه های اطراف نیکل مرکزی مقدار کمی از °90 انحراف نشان می دهند. زاویه های کی لیتی n-ni-o بزرگ تر از °90 هستند در حالی که زاویه های غیر کی لیتی n-ni-o کوچک تر از °90 هستند. مطالعات کریستالوگرافی یک اثر فضایی-الکترونی نشان می دهد به دلیل این که نیمه br و ch3 با فضای کوئوردیناسیون تماس کافی ندارد.

چکیده ندارد.

. برخلاف پایگاه داده ایستا، جریان کاوی با مسائل زیادی مواجه است. ویژگی تک مروره، نیاز به حافظه نامحدود و نرخ بالای ورود داده ها از جمله این مسائل هستند. شناسایی و بررسی تکنیک های موجود به همراه ساختارهای داده ای به کار رفته در آنها برای طراحی و توسعه یک روش کارآمد که قادر به پردازش جریان های داده ای سریع باشد، ضروری است. الگوریتم های موجود بر اساس مدل پردازش داده ای به سه دسته پنجره های نشانه، پنجره های کشویی و مدل کاهشی تقسیم می شوند. این تکنیک ها بر اساس نتایج خروجی به روش های تقریبی و دقیق دسته بندی می شود. بهترین الگوریتم ارائه شده در این زمینه الگوریتم اف.آی.دی.اس است. ما روش جدیدی بر اساس آن به نام اس.اف.آی.دی.اس برای یافتن اقلام و مجموعه اقلام تکرار شونده در جریان های داده ای پیشنهاد داده ایم. در الگوریتم پیشنهادی از یک ساختار داده ای متفاوت با روش قبلی استفاده شده است. در روش قبلی از ساختار داده ای گراف برای نگهداری مجموعه اقلام تکرار شونده استفاده شده بود که دارای فضای جستجوی بزرگی است ولی در روش جدید ساختار داده ای درخت به کار رفته که دارای فضای جستجوی کمتری است که باعث کاهش زمان اجرا و میزان حافظه می شود، علاوه بر این در روش پیشنهادی محدودیت پردازنده درنظر گرفته شده است، با افزایش نرخ ورود داده که منجر به افزایش بار سیستم می شود الگوریتم به طور خودکار این وضعیت را کشف و مقداری از بار اضافی را حذف می کند. با استفاده از یک تکنیک آماری تضمین می شود که میزان خطای نتایج نهایی محدود به مقدار خطایی است که از قبل توسط کاربر تعیین شده است. در این پایان نامه کارایی الگوریتم جدید به همراه چند الگوریتم دیگر از لحاظ زمان اجرا و میزان حافظه با انجام تعدادی آزمایش مورد بررسی قرار گرفته است. ارزیابی های صورت گرفته نشان دهنده برتری الگوریتم جدید از لحاظ زمان اجرا و حافظه مصرفی است.

یکی از بحران های پیش روی بانک ها و موسسات مالی، نکول و یا عدم پرداخت اقساط مشتریان می باشد. درحال حاضر بانک پارسیان همچون بسیاری از بانک های دیگر، نرم افزار و یا مدلی برای کنترل ریسک اعتباری خود ندارد. با مشاهده افزایش تسهیلات سررسید گذشته و معوق بانک پارسیان، این پژوهش به دنبال طراحی مدلی برای اعتبارسنجی مشتریان حقوقی این بانک، با استفاده از شبکه های عصبی مصنوعی است. در این پژوهش نسبت های مالی و برخی مشخصات 515 مشتری حقوقی همچون، نوع شرکت، وضعیت مالکیت و تعداد اعضای هیئت مدیره ، متغیرهای توضیح و نکول یا عدم نکول متقاضی متغیر وابسته می باشد که معنی داری ارتباط آن ها با ریسک اعتباری با استفاده از آزمون های آماری مناسب تائید شده است. برای طراحی مدل از شبکه عصبی مصنوعی، در نرم افزار matlab و به عنوان روش مقایسه ای از رگرسیون لوجیت استفاده شده است. نتایج حاصل از این پژوهش نشان دهنده اهمیت بالاتر متغیرهای نسبت دارایی جاری به کل دارایی ، سود قبل از کسر مالیات به کل بدهی، فروش به کل بدهی، سود خالص به حقوق صاحبان سهام و کل بدهی به حقوق صاحبان سهام می باشد که وزن های بالایی را در مدل به خود اختصاص داده اند. در نهایت نتیجه استفاده از شبکه های عصبی 5 متغیره درخصوص داده های آموزش با اعتبار 65% گویای ارجحیت این روش بر رگرسیون لوجیت با اعتبار 60% و کارایی بالاتر آن است ، لیکن برای داده های آزمایش اعتبار مدل لوجیت 59% و اعتبار شبکه عصبی 49% بدست آمد که این نشان دهنده اعتبار و کارایی بالاتر لوجیت در پیش بینی برای داده های آزمایش می باشد. نتیجه استفاده از شبکه های عصبی 17 متغیره گویای ارجحیت این روش بر رگرسیون لوجیت و کارایی بالاتر آن در هر دو دسته از داده ها است. چنانچه اعتبار شبکه های عصبی برای داده های آموزش 69% و برای داده های آزمایش 76% بدست آمد.