• فهرست مقالات شبکه عصبی مصنوعی

      • دسترسی آزاد مقاله

        1 - شناسایی و بررسی میزان اهمیت نسبی استراتژی های مدیریت دانش با استفاده از شبکه عصبی مصنوعی ( مورد مطالعه : شرکت های دانش بنیان تولید کننده نرم فزار شهر تهران)
        سعیده خبازکار
        چکیده : مدیریت دانش یک منبع مهم برای سازمان است . سازمان ها برای پیاده سازی استراتژی های مدیریت دانش باید نوآوری را در فرآیند ها ،فعالیت ها، محصولات و خدمات خود ایجاد کنند . هدف اصلی این پژوهش ، بررسی میزان اهمیت نسبی استراتژی های مدیریت دانش با استفاده از شبکه عصبی مصن چکیده کامل
        چکیده : مدیریت دانش یک منبع مهم برای سازمان است . سازمان ها برای پیاده سازی استراتژی های مدیریت دانش باید نوآوری را در فرآیند ها ،فعالیت ها، محصولات و خدمات خود ایجاد کنند . هدف اصلی این پژوهش ، بررسی میزان اهمیت نسبی استراتژی های مدیریت دانش با استفاده از شبکه عصبی مصنوعی است . جنبه نوآورانه تحقیق ، استفاده از شبکه عصبی مصنوعی برای رتبه بندی استراتژی های مدیریت دانش است . جامعه آماری شامل کلیه کارکنان شرکت های دانش بنیان تولید کننده نرم افزار شهر تهران می باشد که از مجموع پرسشنامه های توزیع شده تنها 123 عدد قابل استفاده بودند. این تحقیق از لحاظ هدف ، کاربردی و از حیث گردآوری داده ها توصیفی – پیمایشی می باشد داده ها با استفاده از پیمایش و ابزار پرسشنامه بدست آمده و سپس با استفاده از تکنیک شبکه عصبی مصنوعی به بررسی اهداف تحقیق پرداخته شده است . یافته ها و خروجی شبکه عصبی نشان می دهد که به ترتیب استراتژی دانش آشکار مهمترین بعد استراتژی مدیریت دانش و استراتژی های دانش پنهان، درون محور و برون محور در اولویت های بعدی شرکت های نرم افزاری دانش بنیان شهر تهران قرار گرفته اند. جزييات مقاله
      • دسترسی آزاد مقاله

        2 - استفاده از شبکه عصبی مصنوعی برای اولویت بندی فرایندهای مدیریت دانش در شرکت ایتراک
        سعیده خبازکار
        مدیریت دانش یکی از عوامل اصلی مزیت رقابتی در انواع بنگاه های اقتصادی محسوب می شود. وجود رویکردی فرایند محور به مدیریت دانش باعث یکپارچگی هر چه بهتر فرایندهای کسب و کار و مدیریت دانش خواهد شد. بنابراین این تحقیق به دنبال بررسی میزان اهمیت نسبی فرایندهای مدیریت دانش با اس چکیده کامل
        مدیریت دانش یکی از عوامل اصلی مزیت رقابتی در انواع بنگاه های اقتصادی محسوب می شود. وجود رویکردی فرایند محور به مدیریت دانش باعث یکپارچگی هر چه بهتر فرایندهای کسب و کار و مدیریت دانش خواهد شد. بنابراین این تحقیق به دنبال بررسی میزان اهمیت نسبی فرایندهای مدیریت دانش با استفاده از شبکه های عصبی مصنوعی است. جنبه نوآورانه این تحقیق استفاده از شبکه های عصبی مصنوعی برای اولویت بندی فرایندهای مدیریت دانش است. در این تحقیق از روش آلفای کرونباخ برای بررسی پایایی واز شبکه عصبی پیش خور (پرسپترون) سه لایه ، شامل ورودی ، خروجی و لایه پنهان برای رتبه بندی فرایندهای مدیریت دانش استفاده کرده ایم که ورودی های شبکه عصبی ، مؤلفه های فرآیندهای مدیریت دانش می باشند. در این تحقیق فرایندهای اصلی مورد تحلیل قرار گرفتند . یافته ها و خروجی شبکه عصبی نشان می دهد که تمامی این فرایندها مهم و به ترتیب “ فرایند خلق، کسب و تولید دانش " فرایند سازماندهی،نگهداری و انبار دانش " فرایند استفاده، کاربرد و بهره برداری از دانش و فرایند انتقال، اشتراک و توزیع دانش دارای اهمیت می باشند. جزييات مقاله
      • دسترسی آزاد مقاله

        3 - آنالیز ارتعاشات چرخ ماشین پخت با روش المان محدود و پیش بینی ترک با شبکه عصبی مصنوعی
        مهدی کریمی
        رشد پنهانی و ناخواسته یک عیب مانند ترک، در یک سازه یا ماشین می‌تواند باعث بروز شکستی زیان بار همراه با خسارات زیاد و گاهاً جبران‌ناپذیر باشد. چرخ ماشین پخت ، جزء اصلی دستگاه پخت است، اساسا حرکت حلقوی چرخ ماشین وابسته به سر و انتها چرخ است. در سال های اخیر تحقیقات زیاد چکیده کامل
        رشد پنهانی و ناخواسته یک عیب مانند ترک، در یک سازه یا ماشین می‌تواند باعث بروز شکستی زیان بار همراه با خسارات زیاد و گاهاً جبران‌ناپذیر باشد. چرخ ماشین پخت ، جزء اصلی دستگاه پخت است، اساسا حرکت حلقوی چرخ ماشین وابسته به سر و انتها چرخ است. در سال های اخیر تحقیقات زیادی در زمینه ی تشخیص ترک انجام شده است. بر اساس روش های تشخیص و نمایان سازی ترک، در این پژوهش ابتدا مدل سازی دینامیکی و رفتار ارتعاشاتی چرخ دستگاه پخت ترک دار در نرم افزار آباکوس مورد بررسی قرار گرفته است. که در آن پنج نوع ترک با طول ها و موقعیت های متفاوت بررسی شده و سه فرکانس اول در هر پنج حالت بدست آمده است. با تغییر پارامترهای ترک در چرخ، فرکانس طبیعی بدست می‌آید. با داده‌های بدست آمده از تأثیر ابعاد ترک و موقعیت آن، با آموزش شبکه عصبی مصنوعی به پیش‌بینی ترک برای هریک از پارامترهای مختلف از جمله طول موقعیت نوک ترک، در چرخ ترکدار پرداخته شده است. داده‌های ورودی برای پیش‌بینی توسط شبکه عصبی، به دو دسته آموزش و ارزیابی تقسیم شده که 70 درصد داده‌ها برای آموزش، 30 درصد برای ارزیابی در نظر گرفته می‌شوند. با بررسی تأثیر روش آموزش، نتایج تحلیل به خوبی بیانگر عملکرد مناسب شبکه عصبی بوده است. جزييات مقاله