Artificial Intelligence

حرية الوصول المقاله

1 - بهبود نحوه تجزیه و تحلیل داده های حجیم مربوط به فایل لاگ با استفاده از مدل زبان بزرگ LLG
بابک نیکمرد آذین پیشداد گلناز آقایی قزوینی مهرداد عباسی

هر روز، سازمان‌ها حجم قابل‌توجهی از فایل‌های رخداد (لاگ) تولید می‌کنند که برای بررسی شرایط، اشکال‌زدایی و رفع ناهنجاری‌ها نیاز به پردازش دارند. برون سپاری چنین فرایندی به دلیل نیاز به پردازش بلادرنگ و نگهداری امنیتی مناسب نیست. با توجه به انبوه نرم افزارها و سرویس‌های م أکثر

هر روز، سازمان‌ها حجم قابل‌توجهی از فایل‌های رخداد (لاگ) تولید می‌کنند که برای بررسی شرایط، اشکال‌زدایی و رفع ناهنجاری‌ها نیاز به پردازش دارند. برون سپاری چنین فرایندی به دلیل نیاز به پردازش بلادرنگ و نگهداری امنیتی مناسب نیست. با توجه به انبوه نرم افزارها و سرویس‌های مختلف، سازمان‌ها با حجم قابل توجهی از گزارش‌ها و رخدادهای تولیدی مواجه هستند که به جای حذف یا نادیده گرفته شدن، باید پردازش شوند. در روش سنتی، کارشناسان روزانه به صورت دستی پرونده‌های رخداد را بررسی می‌کنند که این امر از یک سو باعث کندی فرآیند، افزایش زمان و عدم دقت و از سوی دیگر به دلیل نیاز به نیروی متخصص، هزینه‌های بالای استخدام را در پی دارد. این مقاله راه حلی را معرفی می‌کند که از شبکه‌های عصبی مولد برای ایجاد یک ساختار محلی برای تجزیه و تحلیل گزارش در سازمان استفاده می‌شود. این فرآیند شامل بازیابی و تجزیه فایل‌های متنی از بخش‌های مختلف، تقسیم آن‌ها به بخش‌های قابل مدیریت، جاسازی و ذخیره آن‌ها در یک پایگاه داده برداری است. در این ساختار، یک فرد آموزش دیده بدون تخصص خاص می‌تواند به سرعت به اطلاعات لازم با استفاده از اعلان‌های مناسب (پرامپت نویسی) از یک مدل زبان بزرگ که به صورت محلی در سازمان توسعه یافته و در هر زمان قابل دسترسی است، استفاده کند. ازهمین روی، روش پیشنهادی می¬تواند باعث پایداری امنیت، افزایش سرعت تجزیه و تحلیل و کاهش هزینه‌های منابع انسانی شود. تفاصيل المقالة

حرية الوصول المقاله

2 - Offline Auto-Tuning of a PID Controller Using Extended Classifier System (XCS) Algorithm
Ehsan Abbasi Nader Naghavi

Proportional + Integral + Derivative (PID) controllers are widely used in engineering applications such that more than half of the industrial controllers are PID controllers. There are many methods for tuning the PID parameters in the literature. In this paper an intell أکثر

Proportional + Integral + Derivative (PID) controllers are widely used in engineering applications such that more than half of the industrial controllers are PID controllers. There are many methods for tuning the PID parameters in the literature. In this paper an intelligent technique based on eXtended Classifier System (XCS) is presented to tune the PID controller parameters. The PID controller with the gains obtained by the proposed method can robustly control nonlinear multiple-inputmultiple-output (MIMO) plants in any form, such as robot dynamics and so on. The performance of this method is evaluated with Integral Squared Error (ISE) criteria which is one of the most popular optimizing methods for the PID controller parameters. Both methods are used to control the ball position in a magnetic levitation (MagLev) system and the performance of controllers are compared. Matlab Simulink has been used to test, analyze and compare the performance of the two optimization methods in simulations. تفاصيل المقالة

حرية الوصول المقاله

3 - هراس اجتماعی، چت GPT و سرقت علمی
اسماعیل شیرعلی نسیم ثانوی حسین اسکینی

10.30495/mediastudies.2023.74820.1536

سرقت علمی به معنای برداشتن و به نام خود کردن ایده و کلمات دیگران. سرقت علمی واژه‌ای است که در چند دهه اخیر وارد عرصه علمی ایران شده است و گسترش آن خسارت‌های غیرقابل جبرانی را به جامعه علمی و فضاهای پژوهشی وارد می‌کند. بعضی از موارد سرقت علمی که توسط افراد انجام شده به د أکثر

سرقت علمی به معنای برداشتن و به نام خود کردن ایده و کلمات دیگران. سرقت علمی واژه‌ای است که در چند دهه اخیر وارد عرصه علمی ایران شده است و گسترش آن خسارت‌های غیرقابل جبرانی را به جامعه علمی و فضاهای پژوهشی وارد می‌کند. بعضی از موارد سرقت علمی که توسط افراد انجام شده به دلیل ندانستن مصادیق این عمل است. عدم توسعه، نبود دانش و آموزش صحیح، ترفیع‌هایی که مورد بررسی واقع نشده‌اند و کمیت‌گرایی به جای توجه به کیفیت و کاربردی بودن، نبود قوانین بازدارنده و تمرکز بر مدرک‌گرایی را می‌توان از عوامل سرقت علمی دانست. با افزایش دانش و آگاهی افراد از سرقت علمی و افزایش تفکر اخلاقی ارتکاب سرقت علمی کاهش می‌یابد و این مهم نیازمند توسعه آموزشی و پرورشی دانشجویان و محققان است و این توسعه می‌تواند با بهره‌گیری درست و با شناخت کامل از دانش جدید از جمله هوش مصنوعی ‌تأثیر بسزایی در این روند داشته باشد. شیوه جمع‌آوری داده‌ها با توجه به موضوع تحقیق براساس مصاحبه با صاحب‌نظران و افراد متخصص در این حوزه انجام شده است تفاصيل المقالة

حرية الوصول المقاله

4 - کاربرد شبکه‌های عصبی مصنوعی در تخمین مصرف انرژی فضاهای آموزشی
مهسا فلاح نیا

تاکنون توصیه‌های دقیقی برای مهندسان معمار جهت تعیین ابعاد مناسب پنجره با رویکرد کاهش مصرف انرژی برای فضاهای آموزشی ارائه نشده است. برای آنکه طراحان فضاهای آموزشی به دور از محاسبات هزینه‌بر و وقت‌گیرِ شبیه‌سازی انرژی قادر به تعیین سطح مناسب پنجره و یا حداقل اولویت‌بندی گ أکثر

تاکنون توصیه‌های دقیقی برای مهندسان معمار جهت تعیین ابعاد مناسب پنجره با رویکرد کاهش مصرف انرژی برای فضاهای آموزشی ارائه نشده است. برای آنکه طراحان فضاهای آموزشی به دور از محاسبات هزینه‌بر و وقت‌گیرِ شبیه‌سازی انرژی قادر به تعیین سطح مناسب پنجره و یا حداقل اولویت‌بندی گزینه‌های ممکن نورگیری باشند، در تحقیق حاضر بر پایه هوش مصنوعی ساختاری جدید ارائه شده است که می‌تواند هزینه انرژی را در مدت بهره‌برداری از یک کلاس درس استاندارد، به عنوان مهمترین بخش فضای آموزشی، پیش‌بینی نماید. بدین منظور، 288 سناریوی نورگیری شبیه‌سازی شده و نتایج حاصله برای آموزش شبکه‌ عصبی مصنوعی، استفاده شده‌ است. آزمون‌های شبکه آموزش نشان می‌دهد که ساختار پیشنهادی به خوبی‌ می‌تواند جایگزین مدل شبیه‌ساز مصرف انرژی گردد و طراح تنها با مشخص نمودن جهت نورگیری و نسبت سطح پنجره به سطح دیوار کلاس می‌تواند هزینه مصرف گاز و الکتریسیته را در مدت بهره‌برداری با دقت بسیار خوبی پیش‌بینی نماید. تفاصيل المقالة

حرية الوصول المقاله

5 - کاربرد شبکه های عصبی مصنوعی در تخمین مصرف انرژی فضاهای آموزشی
مهسا فلاح نیا

تاکنون توصی ههای دقیقی برای مهندسان معمار جهت تعیین ابعاد مناسب پنجره با رویکرد کاهش مصرف انرژی برای فضاهایآموزشی ارائه نشده است. برای آنکه طراحان فضاهای آموزشی ب هدوراز محاسبات هزین هبر و وق تگیرِ شبیه سازی انرژی قادر بهتعیین سطح مناسب پنجره و یا حداقل اولویت بندی گزین أکثر

تاکنون توصی ههای دقیقی برای مهندسان معمار جهت تعیین ابعاد مناسب پنجره با رویکرد کاهش مصرف انرژی برای فضاهایآموزشی ارائه نشده است. برای آنکه طراحان فضاهای آموزشی ب هدوراز محاسبات هزین هبر و وق تگیرِ شبیه سازی انرژی قادر بهتعیین سطح مناسب پنجره و یا حداقل اولویت بندی گزین ههای ممکن نورگیری باشند، در تحقیق حاضر بر پایه هوش مصنوعیساختاری جدید ارائه شده است که م یتواند هزینه انرژی را در مدت بهر هبرداری از یک کلاس درس استاندارد، به عنوان مه مترینبخش فضای آموزشی، پی شبینی نماید. بدین منظور، 288 سناریوی نورگیری شبیه سازی شده و نتایج حاصله برای آموزش شبک هعصبی مصنوعی استفاد هشد ه است. آزمو نهای شبکه آموزش نشان م یدهد که ساختار پیشنهادی ب هخوبی م یتواند جایگزین مدلشبیه ساز مصرف انرژی گردد و طراح تنها با مشخص نمودن جهت نورگیری و نسبت سطح پنجره به سطح دیوار کلاس م یتواندهزینه مصرف گاز و الکتریسیته را در مدت بهر هبرداری با دقت بسیار خوبی پیش بینی نماید. تفاصيل المقالة

حرية الوصول المقاله

6 - Interactive Form-Generation in High-Performance Architecture Theory
Anoosha Kia Mohammadjavad Mahdavinejad

10.30495/ijaud.2020.15848

Architecture as a designerly way of thinking and knowing is to interact with its environment. The manuscript is to speculate “interactive form-generation” based on high-performance architecture theory, and discuss the precursors and the potentials. The resea أکثر

Architecture as a designerly way of thinking and knowing is to interact with its environment. The manuscript is to speculate “interactive form-generation” based on high-performance architecture theory, and discuss the precursors and the potentials. The research aims to explore and determine the roots, aspects of interactive architecture as a part of performance-based design in contemporary architecture. The research question opens a designerly perspective as an umbrella term that can include many streams of architectural paradigms. Emancipatory new-interpretivism is the research philosophy which is employed alongside deductive reasoning, logical argumentation research paradigm, descriptive research method and cross-sectional study. Based on methodology of the manuscript, the research is to addresses related phenomena, their relationship and interaction. The results of the research show that interactive architecture is an umbrella to address a wide-range of architectural emerging streams such as: 1- The evolutionary architectural trends include kinetics, responsive, smart, responsive and intelligent environment. 2- The emerging phenomena in the field such as leading sci-tech approach toward architectural design process including cybernetics, artificial intelligence (AI), virtual reality (VR), conditional generative adversarial network (cGAN), and agent based modeling. The conclusion of the research indicates that the interactive architecture branched off from high-performance architecture theory. The conclusion emphasizes on: 1- Designerly flexibility: better space efficiency, flexibility, intelligence, and smartness; 2- Energy efficient form-generation: using less energy and offering more thermal-visual comfort; 3- Mathematical-algorithmic thinking: the integration of internet of things (IoT), robotics, and kinetics. 4- Futurism: a platform for outlining future architecture and architecture of the future. تفاصيل المقالة

حرية الوصول المقاله

7 - مدل‌بندی و تعیین توان مدیریت سرمایه در گردش در پیش‌بینی ورشکستگی مالی شرکت‌ها با استفاده از الگوریتم‌های هوش مصنوعی
صدیقه عزیزی

10.30495/jfksa.2021.19258

هدف اصلی این پژوهش مدل‌بندی و تعیین توان مدیریت سرمایه در گردش در پیش‌بینی ورشکستگی مالی شرکت‌ها با استفاده از الگوریتم‌های هوش مصنوعی است. جامعه آماری پژوهش متشکل از ۱۲۰ شرکت پذیرفته شده در بورس اوراق بهادار تهران طی سال‌های ۱۳۸۷-۱۳۹۸ است. در راستای دستیابی به اهداف پژ أکثر

هدف اصلی این پژوهش مدل‌بندی و تعیین توان مدیریت سرمایه در گردش در پیش‌بینی ورشکستگی مالی شرکت‌ها با استفاده از الگوریتم‌های هوش مصنوعی است. جامعه آماری پژوهش متشکل از ۱۲۰ شرکت پذیرفته شده در بورس اوراق بهادار تهران طی سال‌های ۱۳۸۷-۱۳۹۸ است. در راستای دستیابی به اهداف پژوهش، ابتدا با مطالعه پژوهش‌های پیشین در حوزه درماندگی مالی 12 نسبت مالی اثرگذار بر ورشکستگی مالی انتخاب شده است. پس از محاسبه نسبت‌ها از آزمون مقایسه میانگین استفاده شده است تا نسبت‌هایی که تفاوت معناداری میان دو گروه ورشکسته و غیرورشکسته مالی دارند، برای محاسبه در مدل‌های پیش‌بینی در نظر گرفته شوند که نتایج نشان داد هر 12 متغیر برای استفاده در مدل‌ها مناسب هستند. سپس، به منظور بررسی توان مدیریت سرمایه در گردش در پیش‌بینی ورشکستگی مالی شرکت‌ها، به مقایسه مدل‌های پژوهش با توجه و بدون توجه به متغیر مدیریت سرمایه در گردش بر مبنای پنج مدل شبکه عصبی پرسپترون چند لایه، ماشین بردار پشتیبان، درخت تصمیم، رگرسیون لجستیک و تحلیل ممیزی چندگانه پرداخته شده است. نتایج مقایسه مدل‌های پیش‌بینی ورشکستگی نشان داد مدل شبکه عصبی پرسپترون چند لایه، نسبت به سایر مدل‌ها دارای بیشترین قدرت در پیش‌بینی شرکت‌ها از لحاظ ورشکستگی مالی و سالم بودن است. همچنین، نتایج مقایسه مدل‌ها نشان داد با توسعه مدل پژوهش، از طریق وارد کردن متغیر مدیریت سرمایه در گردش، خطای آموزش مدل شبکه عصبی پرسپترون چند لایه بـه مقـدار 036/0 کـاهش و بر دقت مدل تا 75 درصد افزوده می‌شود. تفاصيل المقالة

حرية الوصول المقاله

8 - آینده‌پژوهی حسابرسی از منظر فناوری اطلاعات، تغییرات مقرراتی، ساختاری و رویه‌ای
زهرا عبدلی اباتری احسان کمالی امین رستمی آرزو آقایی چادگانی

10.30495/jma.2023.23163

تحولات تکنولوژیک، حرفه حسابرسی را با چالش منسوخ شدن روش‌های قدیمی و سنتی مواجه کرده است. روش‌های سنتی حسابرسی دیگر پاسخگوی حسابرسی سازمان‌های بزرگ و پیچیده امروزی نیستند. از این‌رو بکارگیری فناوری اطلاعات وابزارهای نوین اطلاعاتی در ارائه اطلاعات به هنگام و دقیق در خصوص أکثر

تحولات تکنولوژیک، حرفه حسابرسی را با چالش منسوخ شدن روش‌های قدیمی و سنتی مواجه کرده است. روش‌های سنتی حسابرسی دیگر پاسخگوی حسابرسی سازمان‌های بزرگ و پیچیده امروزی نیستند. از این‌رو بکارگیری فناوری اطلاعات وابزارهای نوین اطلاعاتی در ارائه اطلاعات به هنگام و دقیق در خصوص جریان های مالی موسسات حسابرسی امری حیاتی به نظر می‌رسد. صاحب نظران بر این عقیده هستند که در دنیای امروز، برنامه‌ریزی و آینده‌نگری ضرورتی اجتناب ناپذیر است و لازمه آن نیز آینده‌پژوهی است. در این پژوهش به آینده‌پژوهی تغییرات شیوه های حسابرسی که انتظار می‌رود طی ده تا بیست سال آینده در ایران انجام شود پرداخته شده است. این پژوهش بر مبنای هدف از نوع کاربردی و بر مبنای ابزار گردآوری داده‌ها از نوع توصیفی-پیمایشی و اکتشافی که به صورت پژوهش آمیخته (کمی-کیفی) انجام شده، می باشد. جامعه آماری پژوهش شامل اساتید دانشگاه و متخصصان حرفه حسابرسی می‌باشد. نظرات مشارکت کنندگان از طریق پرسشنامه باز، مصاحبه و دلفی در نیمه اول سال 1401 جمع آوری گردید. نتایج تحلیل دلفی در دو مرحله حاکی از پذیرش 24 پیشران در حوزه تغییر مقررات، ساختار و رویه‌های حسابرسی با توجه به پیشرفت سریع فناوری طی سال&lrm;های آینده می‌باشد. تفسیر نتایج نشان می‌دهد که حسابرسی نیازمند تغییر و بروزرسانی در حوزه فناوری اطلاعات، قوانین و استانداردها، ساختار و رویه‌های حسابرسی می‌باشد. همچنین، ظهور و پذیرش مدل‌های جدید کسب و کار، حسابرس را ملزم به آشنایی با این مدل‌ها خواهد کرد و علیرغم دشواری‌هایی که فناوری‌های جدید ایجاد می‌کنند، به بهبود عملکرد حسابرسان کمک خواهد کرد و انتظار نمی‌رود اثرات مخربی بر حرفه حسابرسی داشته باشد. تفاصيل المقالة

حرية الوصول المقاله

9 - بهره برداری بهینه از مخازن به منظور تامین نیازهای آبیاری بر پایه الگوریتم جدید پروانه پادشاه
میرامید هادیانی حمیدرضا وزیری

10.30495/jrnr.2022.65471.10233

مطالعه حاضر به بهره برداری از مخزن به منظور تامین نیازهای آبیاری بر اساس الگوریتم تکاملی جدید پروانه پادشاه با هدف حداقل نمودن کمبودهای آبیاری پرداخته است. از الگوریتم های ژنتیک و ازدحام ذرات به عنوان الگوریتم های پرکاربرد و موفق برای مقایسه با الگوریتم پروانه پ أکثر

مطالعه حاضر به بهره برداری از مخزن به منظور تامین نیازهای آبیاری بر اساس الگوریتم تکاملی جدید پروانه پادشاه با هدف حداقل نمودن کمبودهای آبیاری پرداخته است. از الگوریتم های ژنتیک و ازدحام ذرات به عنوان الگوریتم های پرکاربرد و موفق برای مقایسه با الگوریتم پروانه پادشاه استفاده شد و به منظور انتخاب روش برتر از یک مدل تصمیم گیری چندمعیاره بهره برده شد. نتایج نشان داد الگوریتم پروانه پادشاه با کسب رتبه اول بر اساس مدل تصمیم گیری چندمعیاره و شاخص های مختلف نظیر اطمینان پذیری، آسیب پذیری، انعطاف پذیری و تابع هدف دارای عملکرد بهتری نسبت به الگوریتم ژنتیک و ازدحام ذرات است. علاوه بر آن، مقادیر کمبودهای تامین آب آبیاری بر اساس الگوریتم پروانه پادشاه نسبت به دو الگوریتم دیگر در طی هفت سال مطالعاتی کمتر می باشد. بنابراین مطالعه انجام شده نشان داد الگوریتم پروانه پادشاه دارای عملکرد مناسبی برای استفاده در مسایل مدیریت منابع آب می باشد. تفاصيل المقالة

حرية الوصول المقاله

10 - تاثیر دیجیتالی شدن بر حسابرسی بخش عمومی (مطالعه در حوزه مدیریت شهری)
زهرا عبدلی اباتری احسان کمالی امین رستمی آرزو آقایی چادگانی

10.30495/ums.2023.22640

مقدمه و هدف پژوهش: با توجه به تحولات روزافزون فناوری، سیستم مدیریت شهری نیز با استفاده از فناوری‌های دیجیتال در حال تغییر و بهبود است. بر همین اساس حسابرسان نیز باید توانایی‌ها و مهارت‌های لازم برای ارزیابی سیستم‌های مدیریتی دیجیتالی را داشته باشند. برای مثال، فناوری‌ها أکثر

مقدمه و هدف پژوهش: با توجه به تحولات روزافزون فناوری، سیستم مدیریت شهری نیز با استفاده از فناوری‌های دیجیتال در حال تغییر و بهبود است. بر همین اساس حسابرسان نیز باید توانایی‌ها و مهارت‌های لازم برای ارزیابی سیستم‌های مدیریتی دیجیتالی را داشته باشند. برای مثال، فناوری‌هایی مانند تحلیل داده‌ها، هوش مصنوعی و یادگیری ماشینی به حسابرسان امکان می‌دهند تا بتوانند بررسی دقیقی از اطلاعات و عملکرد مالی بخش عمومی ارائه دهند. در این پژوهش به بررسی تغییرات شیوه های حسابرسی بخش عمومی که انتظار می‌رود در سال‌های آینده در ایران انجام شود پرداخته شده است. روش پژوهش: این پژوهش بر مبنای هدف از نوع کاربردی و بر مبنای ابزار گردآوری داده‌ها از نوع توصیفی-پیمایشی و اکتشافی که به صورت پژوهش آمیخته (کمی-کیفی) انجام شده، می باشد. یافته ها: نتایج تحلیل دلفی در دو مرحله حاکی از پذیرش 25 پیشران در حوزه تغییر مقررات، ساختار و رویه‌های حسابرسی بخش عمومی با توجه به پیشرفت سریع فناوری طی سال&lrm;های آینده می‌باشد. نتیجه گیری: تفسیر نتایج نشان می‌دهد که حسابرسی بخش عمومی نیازمند تغییر و بروزرسانی در حوزه فناوری اطلاعات، قوانین و استانداردها، ساختار و رویه‌های حسابرسی می‌باشد. از آنجایی که رویه‌های خودکار جایگزین روش‌های دستی می‌شوند، رسیدگی‌ها مستمر و دقیق‌تر انجام می‌شود. همچنین به نیروی انسانی کمتری نیاز خواهد بود که باعث خواهد شد هزینه‌ها به شدت کاهش یابد. تفاصيل المقالة

حرية الوصول المقاله

11 - Application of Machine Learning Models for flood risk assessment and producing map to identify flood prone areas: Literature Review
Parisa Firoozishahmirzadi Shaghayegh Rahimi Zeinab Esmaeili Seraji

10.30495/ijdea.2022.68987.1181

Floods as the most destructive natural disaster are highly complex to model. The research on the advancement of ﬂood risk assessment models contributed to risk reduction, policy suggestion, reduction of the property damage and minimization of the loss of human life. Dur أکثر

Floods as the most destructive natural disaster are highly complex to model. The research on the advancement of ﬂood risk assessment models contributed to risk reduction, policy suggestion, reduction of the property damage and minimization of the loss of human life. During the past two decades, machine learning methods contributed highly in the advancement of modeling systems, providing better performance and cost-effective solutions. Researchers through introducing novel ML methods and hybridizing of them aim at discovering more accurate and efﬁcient models. The main contribution of this literature review is to demonstrate the state of ML models from two perspectives; 1-ﬂood risk assessment, 2- producing flood reliable map to give insight into the most suitable models. In this literature is shown the important ML models that can have impressive effect on flood models are Super Vector Mane, Decision Tree, Logistic Regression and Random Forest respectively. Hybridization different kind of ML methods, data fusion that is a prevalent way to deal with imperfect raw data for capturing reliable, ensemble algorithm and model optimization are reported as the most effective strategies for the improvement of ML methods. Random Forest models do well with high dimensional data and their flexibility makes them suitable for solving more problems. ANN models are especially good at modeling multifarious nonlinear networks that are difficult to describe with functions directly. This study provides a concise and comprehensive reference for researchers تفاصيل المقالة

حرية الوصول المقاله

12 - پیش‏ نمایی و تحلیل مکانی شاخص‏ های اگروکلیماتیک حوضه آبریز قزل اوزن در طول فصل رشد
امین صادقی یعقوب دین پژوه مهدی ضرغامی

در این مطالعه، با استفاده از چهار مدل GCM و دو سناریوی RCP4.5 و RCP8.5 اقدام به تولید داده برای افق 2050 شد. سپس، پارامترهای دمای هوا، بارش، تبخیر- تعرق (ET0) و کمبود بارش (PD) در طول فصل رشد ارزیابی گردید و مقادیر کمیت‌های شدت خشکی و طول دوره خشکی تخمین زده شدند. ET0 ب أکثر

در این مطالعه، با استفاده از چهار مدل GCM و دو سناریوی RCP4.5 و RCP8.5 اقدام به تولید داده برای افق 2050 شد. سپس، پارامترهای دمای هوا، بارش، تبخیر- تعرق (ET0) و کمبود بارش (PD) در طول فصل رشد ارزیابی گردید و مقادیر کمیت‌های شدت خشکی و طول دوره خشکی تخمین زده شدند. ET0 با دو روش پریستلی- تیلور (PT) و پنمن مانتیث (PM) محاسبه شد. ET0 محاسبه شده با روش PT با استفاده از چهار مدل هوشمند )شامل Eureqa Formulize، ANN، ANFIS و (SVM با روش PM برای هرایستگاه واسنجی گردید. برای پهنه بندی شاخص های مذکور، از سه روش زمین آمار IDW، کریجینگ و کوکریجنگ بهره گرفته شد. نتایج نشان داد که در ایستگاه‌های منتخب، میانگین دمای هوا و بارش (در طول فصل رشد) به ترتیب، بین 9/0 تا 2 درجه سلسیوس و 27 تا 49 میلی متر افزایش خواهد یافت. همچنین، پارامترهای ET0 و شدت خشکی در همه ایستگاه ها افزایش خواهد یافت. میانگین افزایش PD در کل حوضه در حدود 6 تا 9 درصد خواهد بود. به طور متوسط، شدت افزایش شاخص های اگروکلیماتیک در سناریوی RCP8.5 حدود چهار درصد بیشتر از سناریوی RCP4.5 می باشد. در بین روش‌های میان یابی، روش کوکریجینگ با استفاده از داده کمکی مدل رقومی ارتفاع (DEM) کارایی بهتری را نشان داد. در افق مورد نظر، طول فصل رشد بین 15 تا 35 روز افزایش خواهد یافت، با این حال، طول دوره خشکی تغییر محسوسی نخواهد داشت. نتایج نشان داد که در آینده، تغییرات مکانی متغیرهای اقلیمی کم و بیش مشابه با تغییرات نظیر دوره پایه خواهد بود. تفاصيل المقالة

حرية الوصول المقاله

13 - بررسی کارایی مدل های هوش مصنوعی و آماری دو متغیره در تعیین مناطق حساس به وقوع زمین لغزش در استان آذربایجان غربی
آزاد آرام محمدرضا دلالیان سیامک ساعدی امید رفیعیان صمد دربندی

10.30495/wsrcj.2022.20004

زمینه و هدف: زمین لغزش، یکی از مخاطرات طبیعی است که منجر به خسارات جانی و مالی فراوان می شود. پژوهشگران در موضوع حساسیت به وقوع زمین لغزش، به بررسی احتمال وقوع زمین لغزش با توجه به شرایط توپوگرافی و ژئومحیطی می پردازند و اطلاعات به دست آمده، در مدیریت خطر زمین لغزش حیات أکثر

زمینه و هدف: زمین لغزش، یکی از مخاطرات طبیعی است که منجر به خسارات جانی و مالی فراوان می شود. پژوهشگران در موضوع حساسیت به وقوع زمین لغزش، به بررسی احتمال وقوع زمین لغزش با توجه به شرایط توپوگرافی و ژئومحیطی می پردازند و اطلاعات به دست آمده، در مدیریت خطر زمین لغزش حیاتی است. تهیه نقاط حساس به وقوع زمین لغزش یک ابزار ضروری برای ارزیابی خطر زمین لغزش بوده و در برنامه ریزی و مدیریت بهتر این مناطق بسیار کاربردی است. در این پژوهش مدل های مبتنی بر هوش مصنوعی و دو متغیره آماری در تعیین نقاط حساس به زمین لغزش در استان آذربایجان غربی مورد بررسی و مقایسه قرار گرفته است.روش پژوهش: برای تهیه نقاط حساس به وقوع زمین لغزش در استان آذربایجان غربی که در شمال غربی ایران واقع شده است، از روش-های مبتنی بر هوش مصنوعی و دو متغیره آماری بهره گرفته شد. این مطالعه در چهار مرحله صورت گرفت. مرحله اول شامل مطالعه زمین-لغزش های منطقه بر اساس بانک اطلاعات سازمان جنگل ها، مراتع و آبخیزداری ایران (FRWO) و شناسایی 110 زمین لغزش با بررسی های میدانی، تفسیر عکس های هوایی و تصاویر ماهواره ای گوگل ارث، مرحله دوم جمع آوری داده ها و ایجاد پایگاه داده های مکانی فاکتورهای مؤثر، مرحله سوم به کارگیری روش نسبت فراوانی (FR)، آنتروپی شانون (SE)، بگینگ (BA)، جنگل تصادفی (RF) و مدل ترکیبی جنگل‌های تصادفی و بگینگ (RF-BA) و مرحله چهارم: اعتبارسنجی روش ها با استفاده از روش منحنی مشخصه عملکرد سیستم (ROC) بود. بر اساس بررسی های میدانی و مطالعات مشابه، 12 عامل مؤثر بر وقوع زمین لغزش شامل ارتفاع، زاویه شیب، جهت شیب، فاصله از گسل، فاصله از رودخانه، فاصله از جاده، تراکم زهکشی، تراکم جاده، بارندگی، خاک، کاربری زمین و سنگ شناسی شناسایی شد. در بررسی های میدانی، 110 زمین لغزش در استان آذربایجان غربی مشخص شد. 70 درصد از داده ها به‌طور تصادفی انتخاب و برای مدل سازی مورد استفاده قرار گرفتند و 30 درصد داده ها برای اعتبار سنجی استفاده گردید.یافته ها: در میان جهت های جغرافیایی، جهت جنوبی با وزن 49/1 دارای بیش ترین تأثیر بر وقوع زمین لغزش های استان بود. کمترین وزن نیز مربوط به مناطق مسطح بود که در آن هیچ‌گونه لغزشی رخ نداده است. نتایج فاکتور شیب نشان داد که شیب های میانی دارای بیشترین تأثیر بر وقوع زمین لغزش است، به طوری که در شیب های کم به دلیل وجود جاذبه کم، زمین لغزش کم تر رخ می دهد و شیب های بسیار تند نیز مربوط به مناطق کوهستانی بوده که با سنگ پوشیده شده و خاک بسیار نازکی وجود دارد که برای لغزش مناسب نمی باشد. بررسی عامل کاربری اراضی نشان داد که 48 درصد از لغزش ها در مناطق کشاورزی رخ می دهد. بر طبق بررسی های این پژوهش، بیشتر زمین لغزش ها در نزدیکی رودخانه ها و گسل ها رخ داده است. همچنین در بعضی مناطق، نزدیک ترین فواصل به جاده، بیشترین خطر را برای زمین لغزش دارد.نتایج: نتایج این تحقیق نشان داد که مدل های هوش مصنوعی (جنگل تصادفی RF و مدل ترکیبی جنگل‌های تصادفی و بگینگ RF-BA) دارای کارایی بالاتری نسبت به مدل های آماری (نسبت فراوانی FR و آنتروپی شانون SE) است. دقت مدل های ترکیبی بیشتر از مدل های منفرد بود. نتایج منحنی ROC دقت 92/0، 91/0، 89/0 و 88/0 را با مدل‌های RF-BA، RF، FR و SE نشان داد. تفاصيل المقالة

حرية الوصول المقاله

14 - اثر نویز در پیش‌بینی زمانی جریان و انتقال آلودگی در محیط متخلخل با استفاده از مدل‌های هوش مصنوعی
شهرام موسوی وحید نورانی محمد تقی اعلمی

10.22034/jest.2018.22886.3191

زمینه و هدف: عدم قطعیت پارامترهای صحرایی، نویز در داده های مشاهداتی و شرایط مرزی نامشخص از مهم‌ترین عوامل محدود کننده در مدل‌سازی جریان و انتقال آلودگی در محیط‌های متخلخل است. روش بررسی: در این تحقیق، دشت میاندوآب به‌عنوان مطالعه موردی برای شبیه سازی تراز آب زیرزمینی و أکثر

زمینه و هدف: عدم قطعیت پارامترهای صحرایی، نویز در داده های مشاهداتی و شرایط مرزی نامشخص از مهم‌ترین عوامل محدود کننده در مدل‌سازی جریان و انتقال آلودگی در محیط‌های متخلخل است. روش بررسی: در این تحقیق، دشت میاندوآب به‌عنوان مطالعه موردی برای شبیه سازی تراز آب زیرزمینی و غلظت کلراید انتخاب شد. برای مدل‌سازی زمانی انتقال آلودگی از روش‌های هوش مصنوعی استفاده شد. در روش پیشنهادی، ابتدا سری های زمانی تراز آب زیرزمینی و غلظت کلراید در پیزومترهای مختلف با استفاده از روش آستانه موجک رفع نویز شدند. در ادامه اثر نویز و رفع نویز در سری های زمانی تراز آب زیرزمینی و غلظت کلراید در مدل‌های هوش مصنوعی موردبررسی قرارگرفت. برای این منظور، 14 پیزومتر مختلف با استفاده از شبکه عصبی مصنوعی و سیستم عصبی-فازی تطبیقی برای تخمین غلظت کلراید در یک ماه بعد، آموزش و اعتبارسنجی شدند. یافته ها: نتایج نشان داد که روش آستانه موجک برای رفع نویز سری های زمانی می تواند تا 25 درصد کارایی مدل‌های هوش مصنوعی را افزایش دهد. همچنین توانایی مدل عصبی-فازی تطبیقی در هر دو مرحله آموزش و صحت سنجی به دلیل کارایی منطق فازی برای غلبه بر عدم قطعیت پدیده از شبکه عصبی مصنوعی بیش تر بوده است. بحث و نتیجه گیری: استفاده از رفع نویز موجکی سری های زمانی به عنوان پیش پردازش داده ها در پیش بینی زمانی جریان آب زیرزمینی و انتقال آلاینده ها، کارایی مدل های هوش مصنوعی را افزایش می دهد. تفاصيل المقالة

حرية الوصول المقاله

15 - تحلیل الگوی انگارشی ارسی های مسجد نصیر الملک بر پایه تاثیرات روانشناسی محیطی بر ادراکارت روانی کاربران
نیما شاه محمدی رضا باباخانی

10.30495/jest.2021.49348.4908

زمینه و هدف:معماری مساجد و بناهای نظیر آن که با روان مخاطبین در ارتباط است، نیاز به شناخت بیشتر عوامل محرک در این فضاها را ضرورت می بخشد. یکی از این نمونه‌ها مسجد نصیرالملک است که طراحی منحصر به فرد شبستان آن به دلیل تعدد شیشه‌های رنگی و تاثیری که بر روی مراجعین می‌گذار أکثر

زمینه و هدف:معماری مساجد و بناهای نظیر آن که با روان مخاطبین در ارتباط است، نیاز به شناخت بیشتر عوامل محرک در این فضاها را ضرورت می بخشد. یکی از این نمونه‌ها مسجد نصیرالملک است که طراحی منحصر به فرد شبستان آن به دلیل تعدد شیشه‌های رنگی و تاثیری که بر روی مراجعین می‌گذارد، بررسی اطلاعات و داده‌های مربوط به آن را حائز اهمیت می‌نماید. هدف اصلی این پژوهش دسته بندی داده‌های شیشه‌های رنگی بر اساس کد رنگی دیجیتال، دست یافتن به میانگین، واریانس و ارتباط رنگی غالب در هر دهانه، تحلیل اثر روانی رنگی ارسی‌های شبستان بر افراد و ارائه‌ی جدولی از کدهای رنگی موجود در تمامی‌ دهانه‌های شبستان است.روش بررسی: با وجود حجم بالای داده‌های جمع آوری گردیده، تحلیل آن‌ها به وسیله روش‌های معمولی امکان پذیر نبوده، به همین دلیل روش پژوهش در این تحقیق براساس کدنویسی با زبان پایتون و کار با الگوریتم‌های هوش‌مصنوعی است، که پس از برداشت داده‌های مورد نیاز و انجام محاسبات پیچیده آماری، رنگ‌های موجود در ارسی‌ها جهت تحلیل به کدهای رنگی تبدیل گشته و پایگاه داد‌ه‌ای برای هر ارسی به فرم ماتریسی از اعداد در قالب کدهای رنگ RGBتشکیل گردیده است.یافته‌ها: ترکیبات رنگی در ارسی‌های مسجد در یک پیوستگی و رابطه ریاضی بسیار دقیقی با یکدیگر قرار دارند، هر یک از این رنگ‌ها در رابطه ترکیبی خود تاثیرات مشخصی بر روی کاربران میگذارد که در جداول به تفصیل به آنها پرداخته شده است.بحث و نتیجه گیری: میانگین و واریانس اعداد محاسبه شده، رنگ غالب در ردیف‌های مختلف شبستان را به نمایش در آورده است که بر اساس آن‌ها پلان رنگی فضای شبستان و همچنین جدولی بر پایه اطلاعات استخراجگردبده ترسیم شده است. از طرفی نیز پیوستگی رنگ‌ها با یکدیگر سنجیده گشته که نشانگر وجود ارتباط مثبت و پیوستگی در میان داده‌ها است. تفاصيل المقالة

حرية الوصول المقاله

16 - مقایسه ادوار مالی پیش‌بینی‌شده‌ی بورس اوراق بهادار تهران با استفاده از شبکه‌های ANFIS، MLP، RBF و PNN مبتنی بر الگوریتم PSO
فرزانه عبدالهیان محمد ابراهیم محمد پورزرندی حسن قالیباف اصل

یکی از نهادهای مالی کشورها در کل دنیا، بورس اوراق بهادار است که از شاخص‌های آن به عنوان شاخص سلامت اقتصادی استفاده می‌شود. با توجه به اینکه حجم عظیمی از سرمایه‌ها از طریق بورس اوراق بهادار هدایت و در چرخه تولید و صنعت قرار می‌گیرد وقوع رکود در این بازار می‌تواند اثرات م أکثر

یکی از نهادهای مالی کشورها در کل دنیا، بورس اوراق بهادار است که از شاخص‌های آن به عنوان شاخص سلامت اقتصادی استفاده می‌شود. با توجه به اینکه حجم عظیمی از سرمایه‌ها از طریق بورس اوراق بهادار هدایت و در چرخه تولید و صنعت قرار می‌گیرد وقوع رکود در این بازار می‌تواند اثرات مهمی به دنبال داشته باشد. در این مقاله، به دنبال استخراج دوره‌های رونق و رکود در بورس اوراق بهادار تهران با استفاده از شاخص کل بازار و با بهره‌گیری از روش پاگان و سسونف هستیم سپس با استفاده از الگوریتم PSO مهم‌ترین متغیرهای پیش‌بین تعیین و در گام بعد به پیش‌بینی ادوار مالی بازار با استفاده از شبکه‌های ANFIS، MLP، RBF و PNN می‌پردازیم. یافته‌ها نشان می‌دهد که با توجه به معیارهای میانگین توان دوم خطا، مجذور میانگین توان دوم خطا، دقت مدل و ضریب کاپا، مدل MLP نتایج بهتری در پیش‌بینی وضعیت آتی بازار ارائه می‌دهد. تفاصيل المقالة

حرية الوصول المقاله

17 - تحلیل مقایسه ای در بررسی اثر معیار های عملکرد و نظارتی بر مدل های هموارسازی سود تاکر،زاورین و جونز ( رویکرد متغیر گزینی هوش مصنوعی ریلف و لارس)
فرشید فریدونی رویا دارابی علی اصغر انوری رستمی

پدیده هموارسازی سود مقوله‌ای مشترک در مرز دانش حسابداری و امور مالی است. یکی از انگیزه‌های شرکت‌ها برای هموار کردن سود حداقل نمودن تأثیر مالیات در طول زمان می‌باشد. یکی از مسائلی که در تحلیل عوامل مؤثر بر هموارسازی سود نقش دارد، معیار مناسب جهت تشخیص هموارسازی سود است. أکثر

پدیده هموارسازی سود مقوله‌ای مشترک در مرز دانش حسابداری و امور مالی است. یکی از انگیزه‌های شرکت‌ها برای هموار کردن سود حداقل نمودن تأثیر مالیات در طول زمان می‌باشد. یکی از مسائلی که در تحلیل عوامل مؤثر بر هموارسازی سود نقش دارد، معیار مناسب جهت تشخیص هموارسازی سود است. در این پژوهش به تحلیل مقایسه‌ای مدل هموارسازی سود TZ, JONES پرداخته شد. هدف این پژوهش این است که آیا از دیدگاه نظارتی و عملکرد با کاربرد روش‌های متغیر گزینی ریلف و لارس تفاوتی بین شاخص‌های هموارسازی سود وجود دارد یا خیر؟ این پژوهش با استفاده از اطلاعات 150شرکت طی 7 سال مالی ( دوره 1390 الی 1396) در بورس اوراق بهادار تهران به مقایسه تأثیر معیارهای نظارتی و عملکردی بر دو شاخص هموارسازی سود پرداخته است. از جنبه نوآوری این پژوهش می‌توان به استفاده از معیارهای نظارتی (حاکمیت شرکتی، حسابرسی داخلی و کمیته حسابرسی) و معیارهای عملکرد (بازده دارایی، بازده سهام، بازده حقوق صاحبان سهام، وجه نقد عملیاتی، نسبت قیمت به سود هر سهم، بازده فروش) به‌طور هم‌زمان اشاره کرد؛ و همچنین برای اولین بار با روش‌های هوش مصنوعی اقدام به تحلیل مقایسه‌ای شاخص‌های هموارسازی سود شده است. نتایج نشان می‌‌دهد که عوامل عملکردی با روش ریلف و لارس نسبت به معیارهای نظارتی بر دو شاخص tz و Jones تأثیربالاتری دارد. به‌طورکلی می‌توان نتیجه گرفت که با تغییر شاخص هموارسازی سود و روش متغیر گزینی تفاوت چندانی در میزان تأثیر شاخص‌های تأثیرگذار ایجاد نشده است، هرچند که با تغییر روش میزان تأثیر ریز شاخص‌های تأثیرگذار تغییر ناچیزی دارند. تفاصيل المقالة

حرية الوصول المقاله

18 - ارائه مدل طبقه بندی هوشمند مبتنی بر شبکه عصب مصنوعی پرسپترون (MLP) و تحلیل سلسله مراتبی (AHP) در خدمات بازاریابی دیجیتال برای اولویت بندی ریسک نقدینگی و سرمایه گذاری
علیرضا عاشوری رودپشتی هرمز مهرانی کریم حمدی

مطالعه حاضر با استفاده از تکنیک‌های یادگیری ماشین و نظرکاوی کوشیده است تا بتواند مدل راهبردی خودکار به منظور طبقه‌بندی و کاوش نظرات ارائه شده در مورد خدماتی خاص که در این مورد در حوزه ی سرمایه گذاری بررسی شده است را با استفاده از بررسی نتایج به دست آمده در خدمات بازاریا أکثر

مطالعه حاضر با استفاده از تکنیک‌های یادگیری ماشین و نظرکاوی کوشیده است تا بتواند مدل راهبردی خودکار به منظور طبقه‌بندی و کاوش نظرات ارائه شده در مورد خدماتی خاص که در این مورد در حوزه ی سرمایه گذاری بررسی شده است را با استفاده از بررسی نتایج به دست آمده در خدمات بازاریابی دیجیتال ارائه نماید. مدل مبتنی بر شبکه عصبی با شناسایی نظرات مرتبط، خصوصیات مختلف را در سطوح گوناگون ارزشیابی سنجیده و نظرات را بسته به کیفیت ارائه بصورت خودکار طبقه-بندی می‌نماید. بحران‌های مالی موجود در نظام‌های بانکی معمولاً ناشی از عدم توانایی در مدیریت ریسک‌های مالی و نقدینگی است که عاملی بر عدم شفافیت و توانایی در مدیریت سرمایه می‌باشد. بطوری‌که وجود چنین عدم‌قطعیت‌هایی سبب کاهش علاقه-مندی سرمایه‌گذاران در مشارکت‌های صنعتی و اجرایی گردیده است. این مقاله با هدف شناسایی عوامل موثر بر ریسک نقدینگی و همچنین ارائه مدلی هوشمند جهت پیش‌بینی و طبقه‌بندی عوامل ایجادکننده ریسک نقدینگی، شناسایی و اولویت‌بندی فاکتورهای درگیر آن پایه‌ریزی گردیده است. بدین منظور از روش سنجش هوشمند با بکارگیری شبکه عصبی پرسپترون (MLP) بهره گرفته شده که به عنوان یک رویکرد کاربردی هوش مصنوعی بشمار می‌آید. بدین منظور بررسی های لازم بر روی اطلاعات مالی و نقدینگی در شعب بانک ملت در شهر تهران (مشتمل بر ۳۶ شعبه) مورد توجه بوده و برای جامعه نمونه از مجموعه تصادفی خوشه‌ای از۳۷۴ نفر از مشتریان و سرمایه‌گذاران منتخب بهره گرفته شده است. تفاصيل المقالة

حرية الوصول المقاله

19 - ارائه مدلی به منظور پیش بینی ورشکستگی شرکت ها با استفاده از مکانیزم های حاکمیت شرکتی و نسبت های مالی
غزاله علی بابایی محمد حامد خان محمدی

بهبود بستر اقتصادی و فضای کسب و کار، مهم ترین عامل جلوگیری از ورشکستگی است. از این رو، مدل های پیش بینی ورشکستگی با استفاده از روش های هوشمند اقدام به پیش بینی ورشکستگی شرکت ها در آینده می کنند. در این پژوهش شرکت های فعال در بورس اوراق بهادار تهران در بازه زمانی 10 ساله أکثر

بهبود بستر اقتصادی و فضای کسب و کار، مهم ترین عامل جلوگیری از ورشکستگی است. از این رو، مدل های پیش بینی ورشکستگی با استفاده از روش های هوشمند اقدام به پیش بینی ورشکستگی شرکت ها در آینده می کنند. در این پژوهش شرکت های فعال در بورس اوراق بهادار تهران در بازه زمانی 10 ساله از لحاظ ورشکستگی براساس مدل بومی شده کردستانی-تاتلی بر پایه مدل آلتمن مورد بررسی قرار گرفتند و شرکت ها به تفکیک ورشکسته، سالم شناسایی شدند. داده های پژوهش با استفاده از داده های ثانویه مستخرج از صورت های مالی و از طریق پایگاه داده های سازمان بورس و بانک مرکزی جمع آوری، دسته بندی و پالایش شدند. مدل های مورد استفاده جهت ارزیابی داده ها و پیش بینی ورشکستگی شرکت ها، مدل های هوش مصنوعی بوده است شامل شبکه عصبی پرسپترون به عنوان روش اول، ترکیب شبکه عصبی و الگوریتم ژنتیک، روش دوم و روش سوم روش نزدیک ترین همسایه استفاده شده است و از نظر دقت پیش بینی نیز با هم مقایسه شدند. خروجی مدل ها حاکی از این است که افزودن شاخص های حاکمیت شرکتی به شاخص های نسبت های مالی باعث بهبود در نتایج نشده است. لذا نسبت های مالی در تعیین ورشکستگی به تنهایی قدرت پیش بینی خوبی دارند. مدل پیشنهادی این پژوهش از لحاظ دقت، مدل ترکیب شده شبکه عصبی و الگوریتم ژنتیک می باشد که بالاترین دقت را داشته است. الگوریتم ژنتیک نتایج بهینه ی شبکه عصبی را بهبود می بخشد و جواب بهینه تری ارایه می گردد. تفاصيل المقالة

حرية الوصول المقاله

20 - کاربرد الگوریتم هوش مصنوعی در پیش‌بینی کارایی سرمایه‌گذاری با تأکید بر نقش معیار‌های مدیریت ریسک
مریم خالقی زاده دهکردی فاطمه صراف علی نجفی مقدم

کارایی سرمایه گذاری زمانی حاصل می شود که شرکت فقط در تمامی طرح هایی با ارزش فعلی خالص مثبت سرمایه گذاری کند.البته این سناریو در صورتی کارساز است که بازار کامل باشد و هیچ یک از مسایل بازار ناقص از جمله گزینش نادرست و هزینه های نمایندگی وجود نداشته باشد.هدف پژوهش کاربرد ا أکثر

کارایی سرمایه گذاری زمانی حاصل می شود که شرکت فقط در تمامی طرح هایی با ارزش فعلی خالص مثبت سرمایه گذاری کند.البته این سناریو در صورتی کارساز است که بازار کامل باشد و هیچ یک از مسایل بازار ناقص از جمله گزینش نادرست و هزینه های نمایندگی وجود نداشته باشد.هدف پژوهش کاربرد الگوریتم هوش مصنوعی شبکه عصبی و ژنتیک در تبیین میزان تاثیر معیار های مدیریت ریسک جهت پیش‌بینی کارایی سرمایه‌گذاری می‌باشد. بدین منظور از اطلاعات مالی 139 شرکت بین سال‌های 1388 الی 1397 با استفاده از روش‌های هوش مصنوعی ژنتیک و شبکه عصبی استفاده شد. نتایج تحقیق حاکی از تاثیر معیار‌های مدیریت ریسک بر کارایی سرمایه‌گذاری می‌باشد و همچنین نتایج نشان داد که روش هوش مصنوعی شبکه عصبی نسبت به روش هوش مصنوعی ژنتیک قدرت بالاتری جهت پیش‌بینی کارایی سرمایه‌گذاری شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران را دارد. تفاصيل المقالة

حرية الوصول المقاله

21 - پیش بینی و بهینه سازی نقدینگی موردنیاز خودپرداز شعب با استفاده از هوش مصنوعی
مهدی افشار رامندی فرزین رضایی مهدی رضایی

هدف از این تحقیق پیش بینی و بهینه سازی وجه نقد مورد نیاز خودپرداز شعب بانک کشاورزی با توجه به اشتهای ریسک با استفاده از الگوریتم های هوش مصنوعی است. برای دستیابی به این هدف از اطلاعات مربوط به مانده و گردش دفاتر کل و سرفصل های خزانه و خودپرداز 32 شعبه بانک کشاورزی مدیری أکثر

هدف از این تحقیق پیش بینی و بهینه سازی وجه نقد مورد نیاز خودپرداز شعب بانک کشاورزی با توجه به اشتهای ریسک با استفاده از الگوریتم های هوش مصنوعی است. برای دستیابی به این هدف از اطلاعات مربوط به مانده و گردش دفاتر کل و سرفصل های خزانه و خودپرداز 32 شعبه بانک کشاورزی مدیریت استان قزوین به مدت دوسال از تاریخ 01/11/1396 لغایت 29/12/1398 بصورت روزانه استفاده شده است . اطلاعات مذکور پس از استاندارد سازی برای پردازش با هوش مصنوعی و رگرسیون های خطی ، ستیغی و لاسو و الگوریتم های آنها جهت براورد و بهینه سازی کمترین مقدار مربع خطای مدل با استفاده از زبان برنامه نویسی پایتون در نرم افزار ژوپبتر بکار گرفته شده است. یافته های تحقیق حاکی از وجود رابطه معنادار معکوس بین مانده نقد خودپرداز و اشتهای ریسک شعب و هزینه فرصت و همچنین ارتباط مثبت و معنادار بین مانده وگردش روزانه بدهکار و بستانکار سرفصل خودپرداز می باشد. در الگوریتم های هوش مصنوعی داده های که در ابتدا و پیش از این برای یادگیری پارامترهای مدل به ماشین داده شده بودند مجددا به عنوان ارزیابی به مدل ها با پارامترها و ضرایب یادگرفته شده، داده می شوند با این تفاوت که این بار مدل ها مقدار متغیر وابسته را پیش بینی می نمایند.نتایج بکارگیری الگوریتم های هوش مصنوعی در پیش بینی مبالغ مورد نیاز خودپرداز برای روزهای اینده با میانگین درستنمایی 95/0 می باشد که سطح خطای برآورد در محدوده قابل قبول می باشد. تفاصيل المقالة

حرية الوصول المقاله

22 - مدل سازی مبتنی بر عامل در بازار های مالی
حمید رضا وکیلی فرد مهدی خوشنود حیدر فروغ نژاد محمد اصولیان

پس از تثبیت دو پارادایم اصلی مالی کلاسیک و رفتاری در نیمه دوم بیستم بروز مسائلی کارایی بخشی از پژوهشها در بازار های مالی را تحت تاثیر قرار داد مسائلی مانند پیچیدگی رفتارهای سرمایه گذاران ، گذشته نگر بودن داده ها ، وجود قوانین محدود کننده در خصوص محرمانه بودن حسابها و اط أکثر

پس از تثبیت دو پارادایم اصلی مالی کلاسیک و رفتاری در نیمه دوم بیستم بروز مسائلی کارایی بخشی از پژوهشها در بازار های مالی را تحت تاثیر قرار داد مسائلی مانند پیچیدگی رفتارهای سرمایه گذاران ، گذشته نگر بودن داده ها ، وجود قوانین محدود کننده در خصوص محرمانه بودن حسابها و اطلاعات مالی شخصی سرمایه گذاران باعث ایجاد رویکردی جدید در حوزه مطالعات مالی با استفاده از مفاهیم هوش مصنوعی و شبیه سازی و ایجاد بازارهای مالی مصنوعی شد که مدل سازی مبتنی بر عامل (مدل سازی عامل گرا) نام گرفته است . در پژوهش حاضر رویکرد مبتنی بر عامل و کاربرد های آن در بازار های مالی، نرم افزارهای مهم در حصوص ایجاد بازار های مالی مصنوعی و چگوتگی به کارگیری مدلهای مبتنی بر عامل در مالی کلاسیک و رفتاری مورد بحث قرار خواهد گرفت بر اساس نتایج پژوهش رویکرد مدل سازی مبتنی بر عامل در کنار پارادایم مالی کلاسیک و رفتاری باعث افزایش دقت و کارامدی در مطالعات مربوط به بازار های مالی شده است. تفاصيل المقالة

حرية الوصول المقاله

23 - An artificial intelligence model based on LS-SVM for third-party logistics provider ‎selection
B. Vahdani Sh. Sadigh &lrm;Behzadi&lrm; S. M. &lrm;Mousavi&lrm;

The use of third-party logistics (3PL) providers is regarded as new strategy in logistics management. The relationships by considering 3PL are sometimes more complicated than any classical logistics supplier relationships. These relationships have taken into account as أکثر

The use of third-party logistics (3PL) providers is regarded as new strategy in logistics management. The relationships by considering 3PL are sometimes more complicated than any classical logistics supplier relationships. These relationships have taken into account as a well-known way to highlight organizations' flexibilities to regard rapidly uncertain market conditions, follow core competencies, and provide long-term growth strategies. Choosing service providers has been considered as a notable research area in the last two decades. The review of the literature represents that neural networks have proposed better performance than traditional methods in this area. Therefore, in this paper, a new enhanced artificial intelligence (AI) approach is taken into consideration to assist the decision making for the logistics management which can be successfully presented in cosmetics industry for long-term prediction of the real performance data. The presented AI approach is based on modern hybrid neural networks to improve the decision making for the 3PL selection. The model can predict the overall performance of the 3PL according to least squares support vector machine and cross validation technique. In addition, the proposed AI approach is given for the 3PL selection in a real case study for the cosmetics industry. The computational results indicate that the proposed AI approach provides high performance and accuracy through the real-life situations prediction along with comparing two other two well-known AI &lrm;methods.&lrm; تفاصيل المقالة

حرية الوصول المقاله

24 - بررسی روش مکانیسم هوشمند دفاعی در برابر عملکرد سرویس انکار توزیع شده اینترنت اشیا
رضا غفاری دیزجی

اینترنت اشیا یک فناوری پیشرو است که امکان اتصال گسترده‌ای از دستگاه‌های مختلف را برای ارائه خدمات و خودکارسازی در حوزه‌های مختلف از زندگی روزمره تا سامانه‌های زیرساختی حیاتی فراهم می‌کند. بااین‌حال، این دستگاه‌ها به حملات مختلف ازجمله، حملات سرویس انکار توزیع‌شده حساس ه أکثر

اینترنت اشیا یک فناوری پیشرو است که امکان اتصال گسترده‌ای از دستگاه‌های مختلف را برای ارائه خدمات و خودکارسازی در حوزه‌های مختلف از زندگی روزمره تا سامانه‌های زیرساختی حیاتی فراهم می‌کند. بااین‌حال، این دستگاه‌ها به حملات مختلف ازجمله، حملات سرویس انکار توزیع‌شده حساس هستند. هدف از کار انداختن یک دستگاه معتبر و جلوگیری از دسترسی کاربران معتبر به سرویس‌ها یا منابع شبکه است. این حملات می‌توانند از طریق منابع حمله توزیع‌شده، منابع حمله متنوع و تغییرات ترافیک انجام شوند. روش دفاع هوشمندانه که بانام محافظ جریان برای مقابله با این حملات ارائه‌شده است. این روش شامل تشخیص، شناسایی، طبقه‌بندی و کاهش حملات هست که دو مؤلفه اصلی به نام فیلتر جریان و راه‌انداز جریان است که برای شناسایی، تشخیص، طبقه‌بندی و کاهش حملات استفاده می‌شود. الگوریتم تشخیص حملات بر اساس تغییرات ترافیک ارائه‌شده و دو مدل یادگیری ماشین به نام حافظه بلندمدت- کوتاه‌مدت و شبکه‌ عصبی پیچشی یا هم‌گشتی برای شناسایی و طبقه‌بندی حملات سرویس انکار توزیع‌شده ارائه‌شده است. این مدل‌ها با تأخیر مناسبی در سرورهای لبه که قدرت محاسباتی بالاتری نسبت به یک کامپیوتر شخصی دارند، قابلیت استفاده دارند. راهکارهایی برای رفع محدودیت‌ها و نقاط ضعف در حفاظت از سامانه‌های اینترنت اشیا در برابر حملات امنیتی ازجمله افزایش قدرت محاسباتی و فضای ذخیره‌سازی، استفاده از پروتکل‌های امن‌تر، استفاده از فن‌های دفاعی پیشرفته، توسعه روش‌های هوش مصنوعی و یادگیری عمیق استفاده کرد. تفاصيل المقالة

حرية الوصول المقاله

25 - تأثیر بازتوانی شناختی بر مبنای هوش مصنوعی بر عملکرد لوب آهیانه‌ای بیماران مرد اسکیزوفرنیا
الهام طباطبایی کاشانی الهام فروزنده ایوب باقری

10.30486/jsrp.2021.1918371.2770

این پژوهش با هدف تعیین تأثیر بازتوانی شناختی بر مبنای هوش مصنوعی بر عملکرد لوب ‌آهیانه‌ای بیماران اسکیزوفرنی انجام گرفت. روش پژوهش نیمه‌آزمایشی با طرح پیش‌آزمون- پس‌آزمون با گروه کنترل بود. جامعۀ آماری پژوهش شامل بیماران اسکیزوفرنیای مرد بستری در بیمارستان های اصفهان بو أکثر

این پژوهش با هدف تعیین تأثیر بازتوانی شناختی بر مبنای هوش مصنوعی بر عملکرد لوب ‌آهیانه‌ای بیماران اسکیزوفرنی انجام گرفت. روش پژوهش نیمه‌آزمایشی با طرح پیش‌آزمون- پس‌آزمون با گروه کنترل بود. جامعۀ آماری پژوهش شامل بیماران اسکیزوفرنیای مرد بستری در بیمارستان های اصفهان بودند که30 نفر، به روش نمونه‌گیری هدفمند انتخاب و به تصادف در دو گروه آزمایش و کنترل قرار گرفتند. هر دو گروه در مرحلۀ پیش‌آزمون و پس‌آزمون، با استفاده از آزمون دو نیمه‌ کردن خط نرم‌افزاری مورد بررسی قرار گرفتند. در گروه آزمایش مداخلۀ بازتوانی‌ شناختی طی 10 جلسه (هر هفته دو جلسه) اجرا گردید. برای تجزیه و تحلیل داده‌ها از تحلیل کواریانس استفاده شد و نتایج نشان داد که میانگین انحراف به چپ و انحراف به راست در آزمون خط مربوط به عملکرد لوب آهیانه‌ای در گروه آزمایش در مرحلۀ پس‌آزمون نسبت به گروه کنترل کاهش معناداری نشان داد(05/0>p). براساس نتایج‌این پژوهش، می توان برای افزایش عملکرد لوب ‌آهیانه‌ای بیماران اسکیزوفرنیا، از بازتوانی ‌شناختی استفاده کرد. تفاصيل المقالة

حرية الوصول المقاله

26 - Evaluation of the Use of Artificial Intelligence (AI) for Low & High-Grade OSCC Diagnosis from Normal Mucosa
Mehran Arshadi Fard Nader Kalbasi

10.30486/cofs.2023.1982110.1002

Background:Artificial Intelligence (AI) is a term that implies using a computer to model intelligent behavior with minimal human intervention. Their potential to exploit the meaningful relationship with a dataset can be used in diagnosis, treatment, and outcome predicti أکثر

Background:Artificial Intelligence (AI) is a term that implies using a computer to model intelligent behavior with minimal human intervention. Their potential to exploit the meaningful relationship with a dataset can be used in diagnosis, treatment, and outcome prediction in many clinical scenarios. The aim was to evaluate the use of artificial intelligence algorithms to successfully differentiate histopathologic images of grades of OSCC and healthy oral mucosa.Material & Methods:In this cross-sectional study, Inception-ResNet-V2, a recently created artificial intelligence system, was used to analyze 844 pictures captured from the histopathological view of the connective tissues from three groups, low-grade OSCC, high-grade OSCC and normal mucosa.Result:The results obtained from this research and comparable articles emphasize that deep learning-based systems have a high ability to analyze histopathological images and can be very useful and effective in cancer diagnosis and grading.According to the results of the ROC analysis from this research, Inception-ResNet-V2 has shown robust results in successfully differentiating Low-Grade OSCC, High-Grade OSCC and normal mucosa with over 95% accuracy.Conclusion:According to the results of the present and previous studies, it can be concluded that CNN, and particularly Inception-ResNet-V2 have immense potential in analyzing histopathology pictures and could be very helpful for pathologists in cancer diagnosis. تفاصيل المقالة

حرية الوصول المقاله

27 - مقایسه کارایی سه نوع شبکه عصبی مصنوعی در شناسایی بذر بیست گونه علف هرز
محمدرضا باقری محمدحسن راشد محصل محمود رضا گلزاریان

این مطالعه به منظور تعیین کارایی سه شبکه عصبی مصنوعی در شناسایی بذر بیست گونه علف هرز از روی تصاویر حاصل از اسکن بذرها انجام شد .برای این منظور پانزده خصوصیت مربوط به شکل و اندازه بذرها توسط نرم‌افزار پردازش تصویر از این تصاویر استخراج و سپس بر مبنای این داده‌ها سه شبکه أکثر

این مطالعه به منظور تعیین کارایی سه شبکه عصبی مصنوعی در شناسایی بذر بیست گونه علف هرز از روی تصاویر حاصل از اسکن بذرها انجام شد .برای این منظور پانزده خصوصیت مربوط به شکل و اندازه بذرها توسط نرم‌افزار پردازش تصویر از این تصاویر استخراج و سپس بر مبنای این داده‌ها سه شبکه عصبی شامل: شبکه چند لایه پرسپترون، شبکه پیش‌خور‌تعمیم یافته و شبکه RBF/GRNN/PNN تشکیل شد. پس از مرحله آموزش، شبکه‌ها مورد آزمون قرار گرفتند. در مقایسه نتایج حاصل از آزمون هر سه شبکه مشخص شد که شبکه عصبی پیش‌خور‌تعمیم یافته دارای بالاترین میانگین درصد شناسایی صحیح (90%) و قادر به تشخیص بذر هشت گونه با دقت 100 درصد می‌باشد، کمترین میزان دقت شناسایی توسط آن 52درصد بود. شبکه RBF/GRNN/PNN با کمترین مقدار میانگین شناسایی صحیح (61درصد) فقط توانایی تشخیص چهار گونه را با دقت 100درصد داشت و کمترین میزان شناسایی صحیح توسط آن صفر بود. شبکه چند لایه پرسپترون با میانگین شناسایی 71درصد، کارایی حدواسطی در بین سه شبکه داشت. نتایج نشان دادند که شبکه پیش خور تعمیم یافته در بین سه شبکه مذکور از کارایی بالاتری در شناسایی بذرهای مورد مطالعه برخوردار است. تفاصيل المقالة

حرية الوصول المقاله

28 - Stock price analysis using machine learning method(Non-sensory-parametric backup regression algorithm in linear and nonlinear mode)
Aliasgar Davoodi Kasbi Iman Dadashi Kaveh Azinfar

10.22034/amfa.2019.1869838.1232

The most common starting point for investors when buying a stock is to look at the trend of price changes. In recent years, different models have been used to predict stock prices by researchers, and since artificial intelligence techniques, including neural networks, g أکثر

The most common starting point for investors when buying a stock is to look at the trend of price changes. In recent years, different models have been used to predict stock prices by researchers, and since artificial intelligence techniques, including neural networks, genetic algorithms and fuzzy logic, have achieved successful re-sults in solving complex problems; in this regard, more exploitation Are. In this research, the prediction of stock prices of companies accepted in the Tehran Stock Exchange using artificial intelligence algorithm (non-sensory-parametric support vector regression algorithm in linear and nonlinear mode) has been investigated. The results of the research show that the PINSVR algorithm in nonlinear mode has been able to predict the stock price over the years, rather than linear mode. تفاصيل المقالة

حرية الوصول المقاله

29 - Predicting Stock Price Crash Risk with a Deep Learning Approach from Artificial Intelligence and Comparing its Efficiency with Classical Predicting Methods.
Meysam Rahmati Ehsan Taieby Sani

10.22034/amfa.2023.1973199.1826

Purpose of this research is Predicting Stock Price Crash Risk with a Deep Learning Approach from Artificial Intelligence and Comparing its Efficiency with Classical Predicting Methods. This research is post-event correlation type and practical in terms of purpose. The r أکثر

Purpose of this research is Predicting Stock Price Crash Risk with a Deep Learning Approach from Artificial Intelligence and Comparing its Efficiency with Classical Predicting Methods. This research is post-event correlation type and practical in terms of purpose. The research data were extracted from the website of the Stock Exchange Organization and Codal website. The risk variable of crashing stock prices was introduced as a predictor. 3200 obser-vations were obtained from 10-year data of 320 companies between 2012 and 2021. In the following, 29 variables were identified as variables that can affect the risk of crashing stock prices. Statistical methods such as unit root test, composite data, Hausman test and variance heterogeneity test were used. Next, the top 10 algorithms in the field of deep learning were selected and used to model the mentioned variables with the CNN method. Python, Eviews and Excel software were used in this research. Examining the performance of different deep learning algorithms shows that the convolutional neural network method performs better compared to other algorithms and can improve the prediction accuracy. Therefore, it is suggested to use this algorithm in reviewing econometric data and especially predicting the risk of crashing stock prices. تفاصيل المقالة

حرية الوصول المقاله

30 - A Combined Model for Prediction of Financial Software Learning Rate based on the Accounting Students’ Characteristics
Bahareh Banitalebi Dehkordi Hamed Samarghandi Sara Hosseinzadeh Kassani Hamidreza malekhossini

10.22034/amfa.2021.1941089.1635

The accounting software is considered to be of the most critical components of accounting information system, with particular significance as of accounting and financial systems. the most important problems with accounting education systems is that students do not adequ أکثر

The accounting software is considered to be of the most critical components of accounting information system, with particular significance as of accounting and financial systems. the most important problems with accounting education systems is that students do not adequately learn the financial software required by the accounting profession, which, in turn, reduces the credibility and position of the accounting profession. That the main objective of accounting software education is to educate skilled and expert accountants to enter the accounting profession, which is considered as of the success factors of country’s economy. In this study, employ data mining techniques to investigate the accuracy, precision, and recall performance measures and to predict the rate of financial software learning based on accounting students’ emotional intelligence (EI), gender and education level. Accordingly, a machine-learning-based multivariate statistical analysis is performed on 100 Iranian accounting students. The results show that emotional intelligence has the most impact on the rate of financial software learning among the variables. Gender and education level were influential. Also, among the five algorithms, the highest precision and recall are achieved by both Decision Tree and XGBoost and are presented as the most appropriate models for the prediction rate of financial software learning. تفاصيل المقالة

حرية الوصول المقاله

31 - Providing a model of earning transparency with emphasis on the criteria of the govermance system and performance: an artificial intelligence approach
fardin hafezi Mehrdad Ghanbari babak jamshidinavid Roohollah Jamshidpour

10.22034/amfa.2021.1914154.1558

The present study is aimed to present a model of earnings transparency with an artificial intelligence approach in companies listed on the Tehran Stock Exchange (TSE). For this purpose, the data of 167 companies during the years 2011 to 2018 were used to test the resear أکثر

The present study is aimed to present a model of earnings transparency with an artificial intelligence approach in companies listed on the Tehran Stock Exchange (TSE). For this purpose, the data of 167 companies during the years 2011 to 2018 were used to test the research hypotheses. Variable selection test performed using Lasso's artificial intelligence algorithm showed that among the criteria of the audit committee's independence management system, the non-executive managers ratio, gender diversity and among the performance criteria, the ratio of cash holding in the company, operating profit margin and accounts receivable ratio had the highest effect to explain the earnings transparency of companies and also to predict the earnings transparency of the companies in the next year, the LARS algorithm method was used. The results of prediction showed the high power of Lars artificial intelligence algorithm to predict the earnings transparency of the companies listed on Tse. Keywords: Earnings Transparency, Corporate governance and performance criteria, Artificial Intelligence Approach تفاصيل المقالة

حرية الوصول المقاله

32 - The Modeling the Fixed Asset Investing with a Machine Learning Approach by Emphasizing the Role of Financial Criteria
Farzaneh SHamsdoost Omid Mahmoudi Khoshro Ataollah Mohammadi Malgharni Amir Sheikhahmadi

The purpose of this research is to provide a growth model of fixed assets based on the financial criteria of companies admitted to the Tehran Stock Exchange. The current research is applied in terms of objective classification and descriptive-correlation in terms of met أکثر

The purpose of this research is to provide a growth model of fixed assets based on the financial criteria of companies admitted to the Tehran Stock Exchange. The current research is applied in terms of objective classification and descriptive-correlation in terms of method. The research method is de-ductive-inductive. The statistical population of the current research is all the companies admitted to the Tehran Stock Exchange in the period from 2012-2021 and the financial information of 101 companies are use. Research hypotheses were tested using artificial intelligence algorithm. In this research, investment in fixed assets has been consider as a dependent variable, and financial criteria has been considered as primary independent variables. The results of research hypotheses testing using the methods of linear and non-linear algorithms of artificial intelligence PINSVR and KPLSR in predicting fixed asset investors of companies and by calculating the three errors criteria MAE, MSE and SMAPE in annual fixed assets. The asset forecasting in the next year of companies showed that the error difference between linear models and non-linear models is not so great that it can be claim that linear models are ineffective in predicting asset growth so that artificial intelligence algorithms are capable of predicting investment in company assets. تفاصيل المقالة

حرية الوصول المقاله

33 - Optimizing the human resource management process with artificial intelligence algorithmic approach
MOKHTAR RANJBAR

10.30495/jsm.2023.1978493.1756

The human resource management works closely with all the employees in the organization. An HRM must allow the employees to make constructive criticism when there is a need for it. The duty of organizing the company towards achieving their set goals lies in the hands of أکثر

The human resource management works closely with all the employees in the organization. An HRM must allow the employees to make constructive criticism when there is a need for it. The duty of organizing the company towards achieving their set goals lies in the hands of the HRM. A Human Resource management process can best be distinct as a tool which is utilized to collect, organize, present, keep and share applied information about the human resource of an organization. To this end, this research present a Throughput model framework that describes individuals' decision-making processes in an algorithmic HRM context. The model depicts how perceptions, judgments, and the use of information affect strategy selection, identifying how diverse strategies may be supported by the employment of certain decision-making algorithmic pathways. In focusing on concerns relating to the impact and acceptance of artificial intelligence (AI) integration in HRM, this research draws insights from multidisciplinary theoretical lenses, such as Al-augmented and HRM assimilation processes, AI-mediated social exchange, and the judgment and choice literature. Results highlight the use of algorithmic ethical positions in the adoption of AI for better HRM outcomes in terms of intelligibility and accountability of AI-generated HRM decision-making, which is often underexplored in existing research. تفاصيل المقالة

حرية الوصول المقاله

34 - طراحی مدل هوشمند بهینه سازی نگهد‌ا‌ری و تعمیر‌ات پیش‌گیرانه در تعامل با تولید در صنعت نساجی و پوشاک با بهره برداری از متدولوژی شبکه عصبی مصنوعی و منطق فازی
Sayyed Shahram fatemi Mehrdad Javadi Amir Azizi Sayyed Esmail Najafi

10.30495/imj.2023.1991238.1860

در این تحقیق مدل هوشمند نگهداری و تعمیرات پیش گیرانه بر اساس متدولوژی شبکه عصبی مصنوعی - منطق فازی به کمک محیط هوش مصنوعی نرم افزار متلب بر اساس ساختار مدل پنج لایه‌ شبکه‌های عصبی مصنوعی فالکن ارائه شده ، روش تحقیق بر مبنای تفکر سیستمی است. پس از تعیین مهمترین عوامل تاث أکثر

در این تحقیق مدل هوشمند نگهداری و تعمیرات پیش گیرانه بر اساس متدولوژی شبکه عصبی مصنوعی - منطق فازی به کمک محیط هوش مصنوعی نرم افزار متلب بر اساس ساختار مدل پنج لایه‌ شبکه‌های عصبی مصنوعی فالکن ارائه شده ، روش تحقیق بر مبنای تفکر سیستمی است. پس از تعیین مهمترین عوامل تاثیر گذار بر نگهداری و تعمیرات پیش گیرانه به کمک پرسش نامه و بر اساس دیتاست یک نمونه ۲۰۰۰ تایی از داده و گزارشات مدیر کل صنایع نساجی و پوشاک وزارت صمت طی سالهای ۱۳۹۶ تا ۱۴۰۱ (بصورت شش نیم سال) و اعتبار سنجی داده توسط متخصصان نگهداری و تعمیرات ۲۴۰ واحد صنعتی، مدل هوشمند طراحی گردید، که پس از اجرای مدل در کارخانجات نساجی بروجرد به عنوان محل اجرای طرح می‌توان ادعا نمود اگر (If ) ؛ پنج عامل "فن‌‌آوری" دارای مقادیر 9129/0 وضعیت خوب (کران بالای تابع عضویت خوب)، "کارکنان" دارای مقادیری 9239/0؛ وضعیت خوب (کران بالای تابع عضویت خوب)، "محیط کار" دارای مقادیر 8859/0؛ نسبتاً خوب (کران پایین تابع عضویت)،"کیفیت" دارای مقادیر 9999/0؛ وضعیت کاملاً خوب (بالا‌ترین تابع )، " استراتژی" دارای مقادیر 9999/0؛ وضعیت خوب (کران بالا) در نگهداری و تعمیرات پیش گیرانه باشند، آنگاه (Then) : وضعیت متغیر خروجی تحقیق یعنی "بهینه سازی عملکرد نگهد‌ا‌ری و تعمیر‌ات پیش‌گیرانه (Y) در پنجمین سطح خود یعنی خیلی خوب برابر با 882/0 قرار خواهد داشت. تفاصيل المقالة

حرية الوصول المقاله

35 - مقایسه تحلیلی عقل انسانی مخلوق الهی و هوش مصنوعی مصنوع انسان
سیدحسام الدین حسینی

با توجه به توسعه فراگیر استفاده از هوش مصنوعی و افزایش قابلیت های روزافزون آن تا آنجا که برخی از دانشمندان را معتقد به سلطه هوش مصنوعی بر هوش و عقل انسانی کرده است و با توجه به آیات (اعلی:1-2) و (انعام:102) و آیات فراوان دیگری که خداوند را یگانه خالق عالم هستی بر می شمر أکثر

با توجه به توسعه فراگیر استفاده از هوش مصنوعی و افزایش قابلیت های روزافزون آن تا آنجا که برخی از دانشمندان را معتقد به سلطه هوش مصنوعی بر هوش و عقل انسانی کرده است و با توجه به آیات (اعلی:1-2) و (انعام:102) و آیات فراوان دیگری که خداوند را یگانه خالق عالم هستی بر می شمرد و علم نامحدود الهی(بقره:29)(انعام:101) که علم انسان پرتوی از علم او است و آیات کرامت انسان: آیاتی که از دمیدن روح خداوند در انسان(حجر: 29 و ص: 72)و قرار داده شدن انسان به جانشینی خداوند در روی زمین و آفریدن موجودات زمین برای انسان (بقره: 30: ص:26، فاطر: 39 ،انعام: 165،یونس: 14،یونس:73،اعراف:69. اعراف:84 . نمل: 62) و براهین فلسفی که عالم هستی را پرتوی از اراده هستی بخش خداوند و معلولی که عین ربط و سراسر نیاز به علت تامّه خویش است می داند و با توجه به آیاتی که انسان را برترین مخلوق و کامل ترین آنها بر می شمرد (سجده:7) و (تین:4) تا آنجا که او را خلیفه خداوند در زمین معرفی می کند(بقره:30)، دستاوردهای بشری معلول فعل انسانی و انسان علت معدّه آن دستاوردها و معلول حق متعال به عنوان علت تامه است معلولی که تمام توانمندی خود را از یگانه خالق عالم هستی دارد بنابر این هوش مصنوعی که معلول انسان و دستاوردی بشری است نمی تواند بر هوش انسانی که مخلوق رب العالمین است برتری داشته باشد. روش پژوهش کیفی و مقایسه ای است و نتایج حاصله حکایت از بطلان برتری هوش مصنوعی بر عقل انسانی دارد. تفاصيل المقالة

حرية الوصول المقاله

36 - آموزش علوم جغرافیایی در عصر هوش مصنوعی: تبیین فرصت ‎ها و چالش‎ ها
امین صفری علی آذر

هوش مصنوعی می‌تواند نقش مثبت و تأثیرگذاری در فرایند آموزشی مخصوصاً در یادگیری علومی مانند جغرافیا در مدارس داشته باشد؛ اما این فناوری مانند هر فناوری دیگری، با یکسری فرصت‌ها و محدودیت‌هایی در مناطق مختلف روبه‌رو است. این تحقیق به‌تفصیل درباره چگونگی استفاده از هوش مصنوع أکثر

هوش مصنوعی می‌تواند نقش مثبت و تأثیرگذاری در فرایند آموزشی مخصوصاً در یادگیری علومی مانند جغرافیا در مدارس داشته باشد؛ اما این فناوری مانند هر فناوری دیگری، با یکسری فرصت‌ها و محدودیت‌هایی در مناطق مختلف روبه‌رو است. این تحقیق به‌تفصیل درباره چگونگی استفاده از هوش مصنوعی (AI) در زمینه یادگیری جغرافیا را توضیح خواهد داد. تأکید اصلی این پژوهش درک چالش ها و فرصت هایی است که با استفاده از فناوری هوش مصنوعی در آموزش و یادگیری موضوعات جغرافیایی به وجود می ‎آید. روش تحقیق حاضر، توصیفی- تحلیلی می¬باشد. ابزار تحقیق، مطالعات کتابخانه¬ای و اسنادی است. ماهیت تحقیق، بنیادی – توسعه¬ای است. این رویکرد به محقق اجازه می‎دهد تا اطلاعات موجود در ادبیات مربوطه را تلخیص، تحلیل و به طور جامع تبیین نماید. توسعه آگاهی و مهارت‌های هوش مصنوعی در میان معلمان ممکن است پذیرش بهتر آموزش مبتنی بر هوش مصنوعی را در آینده کلاس‌های درس تسهیل کند. که این مهم می‎تواند از طریق شبیه‌سازی‌های واقعی، پلتفرم‌های آنلاین، استفاده از چت بات‌ها، ابزارهای Scholar”، ASSISTments، AutoTutor، “Betty’s Brain قابل بهره‎برداری باشد. هوش مصنوعی توانایی تجزیه‌وتحلیل حجم زیادی از داده‌های جغرافیایی، شناسایی الگوها در مورد تغییرات محیطی، جابه جایی جمعیت و سایر پدیده‌های جغرافیایی مانند تغییرات آب و هوایی، پیش‌بینی بلایای طبیعی و تغییرات در الگوهای مهاجرت انسانی را سبب شود با این حال چالش‎هایی از جمله نبود زیرساخت‌های مناسب و مرتبط با فناوری، سیاست‌های آموزشی قدیمی و آموزش سنتی، عدم تخصیص منابع و بودجه ازجمله مهمترین عوامل عدم بهره‎مندی دانش‎آموزان این فناوری عنوان شده است. تفاصيل المقالة

حرية الوصول المقاله

37 - Improving the Food and Agriculture Sector Tehran Stock Exchange by using Artificial Intelligence
Hamid Mir Ramin Zaraatgari Reza Sotoudeh

Agriculture plays a significant role in the economic sector. Automation in agriculture is the main concern and an emerging subject across the world. The population is increasing tremendously and with this increase, the demand for food and employment is also increasing. أکثر

Agriculture plays a significant role in the economic sector. Automation in agriculture is the main concern and an emerging subject across the world. The population is increasing tremendously and with this increase, the demand for food and employment is also increasing. The traditional methods which were used by the farmers were not sufficient enough to fulfill these requirements. Thus, new automated methods were introduced. These new methods satisfied the food requirements and also provided employment opportunities to billions of people. Artificial Intelligence in agriculture has brought an agricultural revolution. This technology has protected the crop yield from various factors like climate changes, population growth, employment issues, and food security problems. The main concern of this paper is to audit the various applications of Artificial intelligence in agriculture such as for irrigation, weeding, spraying with the help of sensors and other means embedded in robots and drones. These technologies save the excess use of water, pesticides, herbicides, maintains the fertility of the soil, also helps in the efficient use of manpower and elevate productivity and improve the quality. This paper surveys the work of many researchers to get a brief overview of the current implementation of automation in agriculture, the weeding systems through robots and drones. The various soil water sensing methods are discussed along with two automated weeding techniques. The implementation of drones is discussed, the various methods used by drones for spraying and crop monitoring is also discussed in this paper. تفاصيل المقالة

حرية الوصول المقاله

38 - IoT-Based Disease Prediction and Diagnosis Systems
mostafa Sarkabiri

Today, most people use the Internet for web searching, accessing multimedia services, and engaging in social networks, providing smart communication between machines and electronic devices. In fact, the goal of the Internet of Things (IoT) is to connect anything, anytim أکثر

Today, most people use the Internet for web searching, accessing multimedia services, and engaging in social networks, providing smart communication between machines and electronic devices. In fact, the goal of the Internet of Things (IoT) is to connect anything, anytime, anywhere, using any path or network and serving any purpose ideally. The application of IoT in the field of medicine reduces waiting times, tracks patients, doctors, equipment, and more. The aim of this paper is to investigate IoT-based disease prediction and diagnosis systems,artificial intelligence, and machine learning methods.Methods and techniques such as Machine Learning (ML) on IoT data, healthcare datasets, model evaluation, and machine learning description are mentioned for disease prediction and diagnosis systems. Real-world machine learning models for healthcare applications are then discussed in this paper. Some successful applications of machine learning in disease diagnosis through IoT data are presented. Finally, future trends in machine learning for disease diagnosis, collaboration between Artificial Intelligence and the Internet of Things in disease diagnosis, were introduced. تفاصيل المقالة

حرية الوصول المقاله

39 - Enhancing Healthcare through the Convergence of Medical Robotics and the Internet of Things: Challenges, Opportunities, and Future Trends
Ali nazari

This article examines the intersection of medical robotics and the Internet of Things (IoT) in the field of health and examines the role of combining these two technologies in improving health services. This confluence has created new innovations in providing healthcare أکثر

This article examines the intersection of medical robotics and the Internet of Things (IoT) in the field of health and examines the role of combining these two technologies in improving health services. This confluence has created new innovations in providing healthcare solutions that have crossed traditional boundaries and increased the accuracy and efficiency of healthcare services. Medical robotics improves health practices with greater precision in interventions and access to more distant locations, as well as the possibility of real-time data collection and analysis by the Internet of Things. This article evaluates the impact of this intersection in improving health services through greater accuracy and efficiency in robotic interventions and the possibility of real-time data collection and analysis by the Internet of Things. Also, the challenges and solutions related to this integration are examined and the future of the intersection of medical robotics and the Internet of Things in the field of health is predicted. This confluence of dynamics creates opportunities to improve the transformative power of the healthcare landscape. تفاصيل المقالة

حرية الوصول المقاله

40 - Artificial intelligence in cancer diagnosis and treatment methods
javad safaei kuchaksaraei

Skin cancer is the most common type of cancer in the whole world and it accounts for 75% of all cancers in the world. Different types of cancers can occur in the skin. The most common cancers are basal cell cancer or squamous cell cancer, but some of them are especially أکثر

Skin cancer is the most common type of cancer in the whole world and it accounts for 75% of all cancers in the world. Different types of cancers can occur in the skin. The most common cancers are basal cell cancer or squamous cell cancer, but some of them are especially pigment cell cancer, which is one of the rarest types of skin cancer. Image processing is one of the fascinating technologies and sciences that has many applications and is used in many fields. In this context, we can mention identity recognition, face recognition, computer vision, classification and understanding of video and images, which are practical aspects of image processing. One of the applications of image processing that has developed a lot in recent years is its use in medicine and medical imaging. One of the important parameters in using computers to improve medical images is the detailed analysis of images. In many cases, the separation of similar lesions in different medical sciences is difficult and error-prone with the human eye, and the processing of medical images is supposed to turn these limitations into opportunities and provide qualified services to doctors in better diagnosis. Therefore, in order to increase confidence, you can use a computer and process medical images. In image processing, operations must be performed to prepare images, recognize and extract information. تفاصيل المقالة

حرية الوصول المقاله

41 - Internet of Things Advances in Medical Imaging: Approaches, Applications, and Feasibility for Improving Healthcare
mohammadreza einollahi asgarabad

In recent decades, the convergence of Internet of Things (IoT) technology and medical imaging has transformed healthcare. This research explores IoT-enabled medical imaging, its potential, applications, and feasibility in enhancing healthcare services. IoT in medical im أکثر

In recent decades, the convergence of Internet of Things (IoT) technology and medical imaging has transformed healthcare. This research explores IoT-enabled medical imaging, its potential, applications, and feasibility in enhancing healthcare services. IoT in medical imaging boosts diagnostic precision and treatment capabilities, ensuring accurate disease diagnoses while preserving patient privacy through secure image uploads with encrypted data. Incorporating artificial intelligence (AI) into IoT-based imaging enhances disease detection and treatment. AI algorithms improve image quality and accuracy, raising the standard of care. IoT enables remote medical imaging and precise patient monitoring, emphasizing the importance of data security through encryption. This research highlights IoT's vital role in healthcare, fostering collaboration between devices and data to enhance public health. تفاصيل المقالة

حرية الوصول المقاله

42 - Biomedical engineering and its aspects through IOT
Ramin Ardalani

The use of innovations to interact with the world has had a profound impact. In biomedical systems such as healthcare, diagnosis, prevention, therapy, and monitoring, IoT-based biomedical applications are employed. Regulatory, moral, and technological barriers related t أکثر

The use of innovations to interact with the world has had a profound impact. In biomedical systems such as healthcare, diagnosis, prevention, therapy, and monitoring, IoT-based biomedical applications are employed. Regulatory, moral, and technological barriers related to biomedical technology are preventing the development of the medical IoT. Medical IoT is developing in terms of biological hardware and tracking data including physiological metrics, electrical impulses, and cancer signs. It is anticipated that in the next years, medical IoT will replace antiquated healthcare systems. Biomedical engineers can use IoT technology, but more study is needed before these technologies become ubiquitous for physicians and healthcare practitioners. This paper's findings are intended to better prepare biomedical engineers to lead and supervise multidisciplinary research endeavors. تفاصيل المقالة

حرية الوصول المقاله

43 - Image processing on images of ancient artifacts with the help of methods based on artificial intelligence
Mahyar Radak Anita Akhgar

10.30495/jaa.2023.701952

Artificial intelligence (AI) has the potential to revolutionize the field of archaeology by enabling researchers to analyze large amounts of data quickly and accurately. In this article, we have tried to implement some methods and algorithms in image processing on the i أکثر

Artificial intelligence (AI) has the potential to revolutionize the field of archaeology by enabling researchers to analyze large amounts of data quickly and accurately. In this article, we have tried to implement some methods and algorithms in image processing on the image of ancient artifacts. We implemented the algorithms on two historical models as examples, one of which is the image of a coin decorated with the image of Farkhan the Great and the other is the coin with the image of Khursheed Daboui to obtain the details of these works from the images on the computer. We used Edge Detection, Hough Transform, imcontour, and Filter Images Using Predefined Filters algorithms in MATLAB software, each of these algorithms is used for specific purposes in image processing. By using digital image analysis techniques, researchers can gain a deeper understanding of the objects and sites they are studying and can make new and important discoveries about the history and culture of ancient civilizations. تفاصيل المقالة

حرية الوصول المقاله

44 - Image classification optimization models using the convolutional neural network (CNN) approach and embedded deep learning system
AKBAR PAYANDAN Seyed Hossein Hosseini Nazhad

Deep learning has progressed rapidly in recent years and has been applied in many fields, which are the main fields of artificial intelligence. Traditional methods of machine learning most use shallow structures to deal with a limited number of samples and computational أکثر

Deep learning has progressed rapidly in recent years and has been applied in many fields, which are the main fields of artificial intelligence. Traditional methods of machine learning most use shallow structures to deal with a limited number of samples and computational units. When the target objects have rich meanings, the performance and ability to generalize complex classification problems will be quite inadequate. The convolutional neural network (CNN), which has been developed in recent years, widely used in image processing; because it has high skills in dealing with image classification and image recognition issues and it has led to great care in many machine learning tasks and it has become a powerful and universal model of deep learning. The combination of deep learning and embedded systems has created good technical dimensions. In this paper, several useful models in the field of image classification optimization, based on convolutional neural network and embedded systems, are discussed. Since this paper focuses on usable models on the FPGA board, models known for embedded systems such as MobileNet, ResNet, ResNeXt and ShuffNet have been studied. تفاصيل المقالة

حرية الوصول المقاله

45 - Analysis and design of modern houses using artificial intelligence
sepehr Karimi Rad Mohammad Jodeiri Abbasi reza fathipour

The application of artificial intelligence in the construction industry is widespread and its development in recent decades has had a tremendous impact on human life. These changes are so fundamental and profound that they require the need to change the design thinking أکثر

The application of artificial intelligence in the construction industry is widespread and its development in recent decades has had a tremendous impact on human life. These changes are so fundamental and profound that they require the need to change the design thinking in order to adapt to the new stream of thought and benefit from the benefits of technological tools. Designing modern homes based on artificial intelligence and using car models can take big steps. The purpose of this study is to investigate artificial intelligence, smart homes, control and optimization of energy consumption and raise the level of culture of people's lives and urbanization. Building intelligence (BMS) and consequently smart homes did not have a real structure at first and were just an idea. But now homes have interactions that intelligently control remote control and security systems. How people interact with the environment and feel comfortable in home spaces are two examples of the goals of home architecture that is achieved using artificial intelligence. The research method is applied and the data collection tool is library. The results show that the smart home is focused on smart grid technology to reduce energy purchase tariffs, increase comfort and increase the reliability of energy distribution to consumers. تفاصيل المقالة

حرية الوصول المقاله

46 - Application of Artificial Intelligence Elements on Computer Architecture
mosa hajipoor

Since the 1990s, improvements in pc structure and reminiscence agency have enabled microprocessors to supply plenty better performance. ANNs have sooner or later developed to have deeper and large systems and are regularly characterised as deep neural networks and convo أکثر

Since the 1990s, improvements in pc structure and reminiscence agency have enabled microprocessors to supply plenty better performance. ANNs have sooner or later developed to have deeper and large systems and are regularly characterised as deep neural networks and convolution neural networks. In tandem with the emergence of multicore processors, ML strategies began out to be embedded in a variety of eventualities and packages. Recently, utility-particular instruction-set structure for AI packages has additionally been supported in unique microprocessors. Thus, non-stop development in microprocessor competencies has reached a degree wherein it's miles now feasible to put in force complicated real-time shrewd packages like pc vision, item identification, speech recognition, facts security, spectrum sensing, etc. This paper affords a top level view at the evolution of AI and the way the growing competencies of microprocessors have fueled the adoption of AI in a plethora of utility domains. تفاصيل المقالة

حرية الوصول المقاله

47 - Image classification optimization models using the convolutional neural network ( CNN ) approach and embedded deep learning system
AKBAR PAYANDAN Seyed Hossein HosseiniNazhad

Deep learning has progressed rapidly in recent years and has been applied in many fields, which are the main fields of artificial intelligence. Traditional methods of machine learning most use shallow structures to deal with a limited number of samples and computational أکثر

Deep learning has progressed rapidly in recent years and has been applied in many fields, which are the main fields of artificial intelligence. Traditional methods of machine learning most use shallow structures to deal with a limited number of samples and computational units. When the target objects have rich meanings, the performance and ability to generalize complex classification problems will be quite inadequate. The convolutional neural network (CNN), which has been developed in recent years, widely used in image processing; because it has high skills in dealing with image classification and image recognition issues and it has led to great care in many machine learning tasks and it has become a powerful and universal model of deep learning. The combination of deep learning and embedded systems has created good technical dimensions. In this paper, several useful models in the field of image classification optimization, based on convolutional neural network and embedded systems, are discussed. Since this paper focuses on usable models on the FPGA board, models known for embedded systems such as MobileNet, ResNet, ResNeXt and ShuffNet have been studied. تفاصيل المقالة

حرية الوصول المقاله

48 - Design of MobileNet algorithm to optimize image classification in Convolutional Neural Network (CNN) and implementation on FPGA
AKBAR PAYANDAN S. Hossein Hosseini Nejad

Deep learning has developed rapidly in recent years and has been applied in many areas that are major areas of artificial intelligence. The combination of deep learning and embedded systems has created good dimensions in the technical field. In this paper, a deep learni أکثر

Deep learning has developed rapidly in recent years and has been applied in many areas that are major areas of artificial intelligence. The combination of deep learning and embedded systems has created good dimensions in the technical field. In this paper, a deep learning neural network algorithm can be designed that can be implemented on FPGA hardware. The PyTorch and CUDA were used as assistant methods. Convolution neural network (CNN) was also used for image classification. Three good CNN models such as ResNet, ResNeXt and MobileNet were reviewed in this article. Using these models in the design, an algorithm was eventually designed with the MobileNet model. Models were selected from different aspects such as floating operation point (FLOP), number of parameters and classification accuracy. In fact, the MobileNet-based algorithm was selected with a top-1 error of 5.5% in software with a 6-class data set. In addition, hardware simulation in MobileNet-based algorithms was presented. The parameters were converted from floating numbers to 8-bit integers. The output numbers of each layer were cut into integer fixed bits to fit the hardware constraint. A method based on working with numbers was designed to simulate number changes in hardware. The results of simulation show that, the top-1 error increased to 12.3%, which is acceptable. تفاصيل المقالة

حرية الوصول المقاله

49 - Design of MobileNet algorithm to optimize image classification in Convolutional Neural Network ( CNN ) and implementation on FPGA
AKBAR PAYANDAN Seyed Hossein HosseiniNazhad

Deep learning has developed rapidly in recent years and has been applied in many areas that are major areas of artificial intelligence. The combination of deep learning and embedded systems has created good dimensions in the technical field. In this paper, a deep learni أکثر

Deep learning has developed rapidly in recent years and has been applied in many areas that are major areas of artificial intelligence. The combination of deep learning and embedded systems has created good dimensions in the technical field. In this paper, a deep learning neural network algorithm can be designed that can be implemented on FPGA hardware. The PyTorch and CUDA were used as assistant methods. Convolution neural network (CNN) was also used for image classification. Three good CNN models such as ResNet, ResNeXt and MobileNet were reviewed in this article. Using these models in the design, an algorithm was eventually designed with the MobileNet model. Models were selected from different aspects such as floating operation point (FLOP), number of parameters and classification accuracy. In fact, the MobileNet-based algorithm was selected with a top-1 error of 5.5% in software with a 6-class data set. In addition, hardware simulation in MobileNet-based algorithms was presented. The parameters were converted from floating numbers to 8-bit integers. The output numbers of each layer were cut into integer fixed bits to fit the hardware constraint. A method based on working with numbers was designed to simulate number changes in hardware. The results of simulation show that, the top-1 error increased to 12.3%, which is acceptable. تفاصيل المقالة

حرية الوصول المقاله

50 - Introduction to the influence and application of artificial intelligence in project management
Nima Najafzade kaleybar mohammad Jodeiri Abbasi reza fathipour

abstractNowadays, accuracy, speed and flexibility in making decision and the ability to predict the future have an important role , All organizations and institutions make a competitive advantage by accessing to significant information at the moment and making accurate أکثر

abstractNowadays, accuracy, speed and flexibility in making decision and the ability to predict the future have an important role , All organizations and institutions make a competitive advantage by accessing to significant information at the moment and making accurate and rapid decision . one of the bridges to reach that goal is to recognize and use artificial intelligence in organizations and institutions . artificial intelligence is one of the sciences that has made remarkable progress in science in the past decades . It is clear that this progress isn’t limited to a particular science, but also includes all the sciences, even the humanities. Artificial Intelligence (AI) is a way to intelligent computers , generally ,in fact creating the ability of human insight and understanding in machines , is one the targets of this newborn phenomenon is that there is a long distance to reach , make a machine with thought and human understanding power .About the influence and application of artificial intelligence in project management , every construction project is associated with risks and uncertainties , These include risks related to work allocation, project costs, and construction management. Machine learning is a section of artificial intelligence that has many applications in project management. Including the first category of problems in the project process, reducing project time, monitoring of structural safety, monitoring of project safety and workforce, structural analysis and prevention of earthquake crises, concrete and soil laboratory estimates are including artificial intelligence applications in project management. in this article we will concentrate on introduction to artificial intelligence and the impact and applications of artificial intelligence in project management. تفاصيل المقالة

حرية الوصول المقاله

51 - Inefficiency of legal laws in applying to damages caused by artificial intelligence
Ehsan Lame Zohre Roozbahani ahmad rouzbahani shahriar eslamitabar

The emergence and increasing progress of artificial intelligence has faced the legal science with unsolvable challenges. Artificial intelligence systems, like other new technologies, have faced serious challenges to the principle of accountability and legal rules about أکثر

The emergence and increasing progress of artificial intelligence has faced the legal science with unsolvable challenges. Artificial intelligence systems, like other new technologies, have faced serious challenges to the principle of accountability and legal rules about civil responsibilities (compensation for damages caused by artificial intelligence systems). This is an important issue that ensures the confidence of potential victims of these systems and trust in the artificial intelligence industry. In the face of changes in smart technology, the courts experience challenges in applying traditional laws that the current laws are unable to respond to, and regulatory organizations and legislators must pay attention to the fact that the current laws are not responsive in monitoring artificial intelligence and exercising legal responsibilities. They need to pay attention to the special and new law. But the important issue that the legislators in all legal systems are concerned with is whether artificial intelligence is considered a legal entity or not, and whether artificial intelligence can be tried, which has not yet been answered. This article, while reviewing the nature and elements of artificial intelligence, which it is necessary for lawyers and lawyers to know, examines the various aspects of the challenges facing the science of law in the field of artificial intelligence and examines the ineffectiveness of the laws governing the damages caused by artificial intelligence. The result is that the rules of audience need to be revised in dealing with the responsibilities arising from artificial intelligence. تفاصيل المقالة

حرية الوصول المقاله

52 - Fatigue prediction of hybrid joints and perforated plates using neural network
Ali Yousefnezhad Oskooi vahid Pourmohammad Karim Samadzamini Firooz Esmaeili Goldarag

Hybrid connections (bolts, glue) and perforated plates are one of the most important topics in various industries, including aerospace. This type of process occurs due to the growth of small cracks in the metal structure as a result of cyclic or intermittent loading. Si أکثر

Hybrid connections (bolts, glue) and perforated plates are one of the most important topics in various industries, including aerospace. This type of process occurs due to the growth of small cracks in the metal structure as a result of cyclic or intermittent loading. Since failures occur suddenly, terrible accidents such as plane crashes, shipwrecks, bridge collapses, and toxic radioactive fallout can occur. To prevent these incidents, fatigue tests are performed on a sample of parts that is similar to the real part, so that the fatigue life can be obtained through this method. However, because fatigue tests are time-consuming and expensive, artificial intelligence methods have been used in this research to estimate the fatigue life of hybrid joints and perforated plates. In the experimental part of this research, plates made of aluminum alloy 2024-T3, which is one of the widely used materials in aerospace, the used materials are screws made of Hex head M5 and a special adhesive made of Loctite 3421 (Henkel ltd). Fatigue tests are extracted as input and output data from the related article. Out of a total of 71 fatigue tests, 35 tests were performed for perforated plates, 18 tests for hybrid joints, and 18 tests for bolted joints. Also, according to the number of data, the best result was when 80% of the data was considered for training the network and 20% was used as test data to evaluate the performance of the network. Finally, the predicted output was compared with the actual output and it was seen that the best performance of the neural network was after normalizing the data, that the error value was close to zero. تفاصيل المقالة

حرية الوصول المقاله

53 - ارزیابی عملکرد موجودی مبتنی بر پیش‌بینی تقاضا با استفاده از مدل شبکۀ عصبی MLP
یاسر تقی‌نژاد

مدیریت صحیح و کنترل بهتر موجودی اقلام فروشگاه مواد غذایی، یکی از ضروری ترین و مهم ترین اهداف مدیران فروشگاه‌های مواد غذایی می‌باشد. هر چه عملکرد موجودی فروشگاه بهبود یابد، افزایش سطح خدمت به مشتری و کاهش روزهای مواجه با کمبود را در پی خواهیم داشت. هدف این مقاله ارائه یک أکثر

مدیریت صحیح و کنترل بهتر موجودی اقلام فروشگاه مواد غذایی، یکی از ضروری ترین و مهم ترین اهداف مدیران فروشگاه‌های مواد غذایی می‌باشد. هر چه عملکرد موجودی فروشگاه بهبود یابد، افزایش سطح خدمت به مشتری و کاهش روزهای مواجه با کمبود را در پی خواهیم داشت. هدف این مقاله ارائه یک مدل پیش‌بینی برای تقاضای فرآورده‌های گوشتی فروشگاه زنجیره‌ای اتکای گرگان، به‌منظور بهبود عملکرد موجودی می باشد. در این پژوهش از مدل ANNmlp < /sub> برای پیش‌بینی تقاضای فرآوردۀ گوشتی این فروشگاه استفاده‌شده است و همچنین برای درک میزان دقت پیش‌بینی، با مدل های ARIMA و میانگین متحرک 14 روزه مقایسه شده است. برای این منظور، از کد نویسی این مدل در نرم‌افزار متلب و داده‌های سری زمانی تقاضای فرآورده‌های گوشتی از ابتدای سال 1392 تا هفتۀ 12 سال 1395 که به‌صورت هفتگی دریافت گردید، استفاده شد. نتایج تحقیق نشان داد که مدل 1-8-5ANN بهترین مدل برای پیش‌بینی تقاضای این محصول می‌باشد. مدل پیش‌بینی ارائه‌شده با سیاست کنترل دوره ای سطح موجودی، منجر به کاهش روزهای مواجه با کمبود و افزایش سطح خدمت به مشتری شده است. تفاصيل المقالة

حرية الوصول المقاله

54 - بررسی نقش نظریه بازی ها و هوش مصنوعی در روابط بین الملل
زهرا شریف زاده امیرهوشنگ میرکوشش محمدمهدی حسینی

در بین تمامی طیف‌های رفتاری انسان، شاید سیاست دشوارترین رفتاری است که بتوان آن را به صورت اتوماسیون درآورد. سیاست ذاتاً امر پیچیده‌ای است که پیچیدگی رفتار انسان هم به عنوان یک فرد و هم در ابعاد اجتماعی را منعکس می‌کند. این پیچیدگی در سطح روابط بین الملل بسیار واقعی‌تر ب أکثر

در بین تمامی طیف‌های رفتاری انسان، شاید سیاست دشوارترین رفتاری است که بتوان آن را به صورت اتوماسیون درآورد. سیاست ذاتاً امر پیچیده‌ای است که پیچیدگی رفتار انسان هم به عنوان یک فرد و هم در ابعاد اجتماعی را منعکس می‌کند. این پیچیدگی در سطح روابط بین الملل بسیار واقعی‌تر به نظر می‌رسد. هوش مصنوعی عرصه ای تأثیرگذار و فراگیر است که دامنه آن تنها به مباحث فنی و مهندسی مربوط نمی‌شود و حوزه های علوم انسانی و به خصوص صلح و امنیت بین المللی را نیز در بر می‌گیرد. استفاده از نظریه بازی‌ها به عنوان بخشی از هوش مصنوعی در حوزه علوم سیاسی و روابط بین‌الملل در قالب حوزه‌های مشترکی از قبیل توزیع عادلانه، اقتصاد سیاسی، انتخاب عمومی، چانه‌زنی جنگ، نظریه سیاست اثباتی و نظریه انتخاب عمومی متمرکز شده است. در هرکدام از این حوزه‌ها، محققان مدل‌های تئوری بازی‌هایی را مطرح کرده‌اند که در آن مدل بازیکنان اغلب در قالب رأی‌دهندگان، دولت‌ها، گروه‌های خاص ذی‌نفع و سیاستمداران نشان داده می‌شوند. از این رو، در تحقیق حاضر به بررسی نقش نظریه بازی‌ها در روابط بین‌الملل پرداخته خواهد شد. تفاصيل المقالة

حرية الوصول المقاله

55 - جایگاه هوش مصنوعی در گسترش روابط دیپلماتیک و حوزه سیاست خارجی در راستای تحقق سیاست‌‌های کلی فناوری
زهرا شریف زاده امیرهوشنگ میرکوشش محمدمهدی حسینی

فناوری های نوین به جهت هوشمند کردن می تواند به عنوان پیشران قدرتمند در تحولات آینده جهان باشد.از آنجایی که هوش مصنوعی علوم اجتماعی و علوم سیاسی را به طور عام و روابط بین الملل را به طور خاص تحت تأثیر قرار داده است لذا در این مقاله جایگاه هوش مصنوعی در گسترش روابط دیپلما أکثر

فناوری های نوین به جهت هوشمند کردن می تواند به عنوان پیشران قدرتمند در تحولات آینده جهان باشد.از آنجایی که هوش مصنوعی علوم اجتماعی و علوم سیاسی را به طور عام و روابط بین الملل را به طور خاص تحت تأثیر قرار داده است لذا در این مقاله جایگاه هوش مصنوعی در گسترش روابط دیپلماتیک و سیاست خارجی جامعه آماری کلیه اساتید و متخصصین که در زمینه هوش مصنوعی و مطالعات آمریکا دارای دکتری تخصصی و فوق دکتری بودند، می باشد. این تحقیق، نمونه گیری به صورت گلوله برفی خطی انجام شد. ابزار گردآوری داده ها علاوه بر مراجعه به کتب و اسناد موجود، بهره گیری از پرسشنامه بسته در مقیاس لیکرت بود.این پژوهش با تکیه بر روش ترکیبی در سطح توصیفی - تحلیلی می کوشد پاسخگوی این سؤال باشد که جایگاه هوش مصنوعی در روابط بین الملل(مطالعه موردی ایالات متحده آمریکا )در ابعاد سیاست خارجی،اقتصاد،فرهنگی و نظامی چه می باشد؟ و چگونه می توان از این فناوری برتر در جهت تحکیم پایه های سیاسی نظام و روابط دیپلماتیک بهره گرفت؟یافته های تحقیق حاکی از آن است که سرمایه گذاری کلان ایالات متحده در زمینه فناوری های نوین و هوش مصنوعی سبب دستیابی به مزیت رقابتی در این حوزه نسبت به سایر کشورهای توسعه یافته شده و به دنبال آن بهبود وضعیت اقتصادی و توسعه و تحقیق در این کشور فراهم گردیده است.این فناوری نوین در عرصه های مختلف سیاسی، اقتصادی و اجتماعی به قدرت برتر نظام در سطح منطقه و جهان کمک شایانی خواهد نمود. تفاصيل المقالة

حرية الوصول المقاله

56 - بررسی فقهی و حقوقی سلب امنیت شهروندی در هوش مصنوعی
سید مجتبی حکیم سید حسین ابراهیمیان

10.22034/ijrj.2023.705642

نوشتار حاضر در رابطه با دخالت هوش مصنوعی در امنیت و حقوق شهروندی است. این موضوع می تواند در جهات مختلف مورد بررسی قرار گیرد، مانند ایجاد امنیت توسط هوش مصنوعی در حقوق شهروندی، سلب امنیت شهروندان به وسیله ی هوش مصنوعی، ارائه راهکار جبران خسارت در سلب حقوق شهروندی توسط هو أکثر

نوشتار حاضر در رابطه با دخالت هوش مصنوعی در امنیت و حقوق شهروندی است. این موضوع می تواند در جهات مختلف مورد بررسی قرار گیرد، مانند ایجاد امنیت توسط هوش مصنوعی در حقوق شهروندی، سلب امنیت شهروندان به وسیله ی هوش مصنوعی، ارائه راهکار جبران خسارت در سلب حقوق شهروندی توسط هوش مصنوعی. در این مقاله تنها به موضوع سلب امنیت شهروندان اشاره شده و دو موضوع دیگر مقاله ای مستقل می طلبد. روش کار در این تحقیق، بر مبناء تحلیل محتوا بوده و داده ها به صورت کتابخانه ای با مراجعه به آراء فقهی و حقوقی جمع آوری گردید. بزه کاران با استفاده از هوش مصنوعی می توانند اقدام به سلب امنیت و حقوق شهروندان نمایند، از آنجا که در کشور ما قانون خاصی برای جرائم در هوش مصنوعی وجود ندارد و بعضی می اندیشند جرائم رایانه ای می تواند پاسخگوی موضوع حاضر باشد در حالی که چنین نیست، لذا نگارندگان با تنقیح مناط و بهره گیری از ادله شرعی به موضوع جرم انگاری در سلب امنیت و آسایش شهروندان پرداخته اند. نتیجه ی حاصله از تحقیق آن که سالب امنیت و آسایش شهروندان با استفاده از ابزار هوش مصنوعی محارب و مفسد فی الارض است و در صورت اقدام به آن مستحق اعمال مجازات محارب خواهد بود. تفاصيل المقالة

حرية الوصول المقاله

57 - بررسی فقهی حکم آموزش کسب و کار با عامل هوش مصنوعی
مهدی محمدیان امیری علی اکبر ایزدی فرد

10.22034/ijrj.2023.705655

در نوشتار حاضر به بررسی حکم فقهی آموزش احکام فقهی کسب و کار در صورتی که صاحبان کسب و کار با استفاده از دانش هوش مصنوعی به کسب و کار می پردازند. هوش مصنوعی به عنوان یکی از دانش های نوپیدا و پر استفاده در دنیای IT است. این فن آوری در مدت کوتاهی توانست قابلیت خود را در تحو أکثر

در نوشتار حاضر به بررسی حکم فقهی آموزش احکام فقهی کسب و کار در صورتی که صاحبان کسب و کار با استفاده از دانش هوش مصنوعی به کسب و کار می پردازند. هوش مصنوعی به عنوان یکی از دانش های نوپیدا و پر استفاده در دنیای IT است. این فن آوری در مدت کوتاهی توانست قابلیت خود را در تحول دانش ها نشان دهد و قابلیت بهرگیری از خود را به اثبات برساند. صاحب نظران دانش کسب و کار نیز از این دانش در پیشبرد اهداف خود بهره گرفتند و توانستند تحولی نوین در تجارت الکترونیکی (مخابراتی) فراهم نمایند. این پژوهش از نوع نظری و با روش مورد کاوی موضوع مطروحه را بررسی قرار داده است. اطلاعات مربوطه از طریق سامانه های الکترونیکی، کتب تخصصی و مشاهده فراهم گردید. پرسش اصلی در این پژوهش آن است: حکم شرعی آموزش احکام فقهی کسب و کار در صورت بهرگیری از کسب و کار با هوش مصنوعی چیست؟ در این خصوص فرضیه هایی مطرح است، از جمله استحباب، اباحه و وجوب. اما نتیجه حاصل از تحقیق نشان می دهد در صورت استفاده از هوش مصنوعی در کسب و کار به سبب پیچیدگی های معاملی و امکان انجام تدلیس، کلاهبرداری، ربا، غرر، غرور و در کل اکل مال به باطل، یادگیری احکام فقهی و قانونی کسب وکار واجب است و هر کاسبی باید این احکام را پیش از آغاز کسب و کار مطالعه کرده و بداند. تفاصيل المقالة

حرية الوصول المقاله

58 - ‎Role of Fuzzy Sets on Artificial Intelligence Methods‎: ‎A literature Review
Cengiz Kahraman Sezi Onar Basar Oztaysi Selcuk Cebi

10.30495/tfss.2023.1976303.1060

Machines can model and improve the human minds capabilities through artificial intelligence. One of the most popular tools of artificial intelligence is fuzzy sets, which can capture and model the vagueness and impreciseness in human thoughts. This paper, first of all, أکثر

Machines can model and improve the human minds capabilities through artificial intelligence. One of the most popular tools of artificial intelligence is fuzzy sets, which can capture and model the vagueness and impreciseness in human thoughts. This paper, first of all, introduces the recent extensions of ordinary fuzzy sets and then presents a literature review on the integration of fuzzy sets with other artificial intelligence techniques such as automated reasoning, autonomous agents, multi-agent systems, machine learning, case-based reasoning, deep learning, information reasoning, information representation, natural language processing, symbolic reasoning, and neural networks. Graphical illustrations of literature review results are presented for each of these integrated artificial intelligence techniques. The results of a patent search on fuzzy artificial intelligence are also given. تفاصيل المقالة

حرية الوصول المقاله

59 - Presenting a model based on artificial intelligence in the reverse supply chain of the home appliance industry in Tehran province by fuzzy genetic algorithm
peyman Barzegar Keliji hasan ali aghajani seyed ahmad shayan nia

The purpose of this study is to identify the indicators affecting the improvement of the reverse supply chain in the home appliance industry in Tehran province. Preliminary indicators were obtained using theme analysis method and during in-depth and semi-structured inte أکثر

The purpose of this study is to identify the indicators affecting the improvement of the reverse supply chain in the home appliance industry in Tehran province. Preliminary indicators were obtained using theme analysis method and during in-depth and semi-structured interviews with 14 experts of the reverse supply chain in the home appliance industry in Tehran province. The final indicators of the research were identified using fuzzy Delphi method and A model for optimizing indicators in the form of objective function and constraints is presented. . In order to analyze the data, in the first place, with the help of ten experts, the final indicators were introduced and then, using the opinions of 36 people related to the issue of supply chain, the indicators were prioritized. The results of this study showed that the managerial dimension and consumer feedback , is a key factor in accepting new change and entering the issue of reverse supply chain. Knowledge dimension, including continuous improvement in the field of learning and education, etc., after management indicators and in the same initial stages, can be a determining criterion for improving the reverse supply chain in the industry. Finally, a model was designed using a model that shows the output of the status of indicators and using genetic algorithm (along with model testing in Gamz program) in MATLAB software, analysis was performed and the results were introduced by introducing optimal values and An improved model was presented. تفاصيل المقالة

حرية الوصول المقاله

60 - Forecasting Of Tehran Stock Exchange Index by Using Data Mining Approach Based on Artificial Intelligence Algorithms
Mohammad Mahmoodi Akbar Ghasemi

Uncertainty in the capital market means the difference between the expected values and the amounts that actually occur. Designing different analytical and forecasting methods in the capital market is also less likely due to the high amount of this and the need to know أکثر

Uncertainty in the capital market means the difference between the expected values and the amounts that actually occur. Designing different analytical and forecasting methods in the capital market is also less likely due to the high amount of this and the need to know future prices with greater certainty or uncertainty. In order to capitalize on the capital market, investors have always sought to find the right share for investment and the right price to buy and sell, and so all the predicted models always seek to answer the three basic questions, i.e., which share, to what extent When and at what price to buy or sell. Before answering the answers given to these questions, you have to answer a more serious question. Including whether forecasting financial markets is possible. Accordingly, in this research, using data mining, we proposed a method for predicting changes in the total stock index of Tehran stock exchanges. The purpose of this research is in the field of applied research. In terms of its implementation, the research is based on a causal research that is carried out using a data collection database. Based on the results obtained from this study on the best decision tree algorithm with respect to the accuracy of 94% of the C & R Tree algorithm, it can be said that this algorithm can be better than predicting stock price changes. Also, using decision tree can also predict changes in the price of the payment. تفاصيل المقالة

حرية الوصول المقاله

61 - Intelligent and Optimal Control of Air Conditioning ‎Systems by Achieving Comfort and Minimize Energy
Yazdan Daneshvar Majid Sabzehparvar Seyed Amir Hossein Hashemi

In this study, artificial neural networks, artificial neural network combination with genetic algorithm and neural network combination with Kalman filter were used to optimally model and control a real air conditioning system. Using the above methods, the system is firs أکثر

In this study, artificial neural networks, artificial neural network combination with genetic algorithm and neural network combination with Kalman filter were used to optimally model and control a real air conditioning system. Using the above methods, the system is first trained and after verifying the modeling accuracy, the capability of this modeling to predict the future conditions of the system is investigated. In addition to the subsystems investigated in both heating and cooling phases by mass and energy equations in Simulink simulated by Matlab software, the results of this section are finally compared with the optimal modeling results. The most important advantage of artificial neural network modeling over mass and energy equation modeling approaches is that it captures all the uncertainties and nonlinear properties of the air conditioning system due to the use of real data for modeling. It takes. Therefore, this method can optimize energy consumption in air conditioners by predicting the future conditions of the system and by precisely adjusting the time of turning on and off the main energy consuming equipment. The most important achievement of this research is more accurate and realistic modeling of the nonlinear air conditioning system.Comparing the methods used in the research for simulation methods using mass and energy equations, modeling using Bayesian trained neural network, artificial neural network modeling using MLP, modeling using neural network and genetic algorithm, modeling Using neural network and Kalman filter, the square error is equal to 0.006, 0.18, 0.056, 0.1456 and more than 0.5, respectively. تفاصيل المقالة

حرية الوصول المقاله

62 - تبیین متغیرهای مالی موثر در پیش بینی احیای مالی با استفاده از رویکرد هوش مصنوعی
کاظم هارونکلایی قدرت الله برزگر

10.30495/eco.2023.1982463.2737

هدف اصلی مقاله شناسایی متغیرهای مالی موثر در پیش‌بینی احیای مالی شرکت های پذیرفته‌شده در بورس اوراق بهادار تهران و بهره‌مندی از رویکرد هوش مصنوعی در تحلیل داده‌های مربوط به 173 شرکت درمانده احیاشده طی دوره زمانی 1383 – 1399 بود. در این رویکرد، نخست با استفاده از ا أکثر

هدف اصلی مقاله شناسایی متغیرهای مالی موثر در پیش‌بینی احیای مالی شرکت های پذیرفته‌شده در بورس اوراق بهادار تهران و بهره‌مندی از رویکرد هوش مصنوعی در تحلیل داده‌های مربوط به 173 شرکت درمانده احیاشده طی دوره زمانی 1383 – 1399 بود. در این رویکرد، نخست با استفاده از الگوریتم های انتخاب ویژگی‌های لارس و رلیف، از میانِ 54 متغیر مالیِ منتخب، 10 متغیر مهم و موثر در احیای مالی شرکت های نمونه، شناسایی شد. در ادامه، برای ارزیابی دقت نتایج متغیرهای شناسایی‌شده در پیش‌بینی احیای مالی از الگوریتم های یادگیر ماشین بردار پشتیبان و درخت تصمیم استفاده شد. نتایج نشان داد متغیرهای برگزیده با روش انتخاب ویژگی‌ لارس و ارزیابی دقت با الگوریتم ماشین بردار پشتیبان نسبت به روش انتخاب ویژگی رلیف و ارزیابی دقت با الگوریتم درخت تصمیم، عملکرد بهتری در پیش‌بینی زمان خروج از درماندگی داشته است. همچنین، نتایج آشکار کرد که بدون لحاظ کردنِ روش های انتخاب ویژگی، ماشین یادگیر بردار پشتیبان در مقامِ مقایسه با درخت تصمیم، در پیش بینی زمان خروج از درماندگی، از قدرت پیش بینی بالاتری برخوردار است. براساس نتایج، به سرمایه‌گذاران بازار سرمایه در انتخاب پرتفوی سرمایه‌گذاری پیشنهاد می‌شود برمبنای متغیرهای مالی موثر در پیش‌بینی احیای مالی و ماشین یادگیر بردار پشتیبان، شرکت‌های مستعد خروج از درماندگی را شناسایی و اقدام به سرمایه‌گذاری نمایند. تفاصيل المقالة

حرية الوصول المقاله

63 - پدیدارشناسی نقض حقوق اساسی بشر توسط عملکرد دولت‌های اقتدارگرا در بستر فضای سایبر
اکبر شجاع علی صابرنژد علویان حاتم سلطانی

10.30495/cyberlaw.2023.703200

فضای سایبر به‌عنوان محیطی جذاب، در دسترس و فراگیر، ظرفیت های زیادی جهت بسط و گسترش حقوق اساسی بشر و مطالبه گری در خصوص آن دارد؛ اما در مرحله ی عمل فضای مذکور تبدیل به ابزاری جهت تجاوز به همین حقوق گردیده و سیاستمداران دولت های اقتدارگرا با یاری جستن از ظرفیت های این محی أکثر

فضای سایبر به‌عنوان محیطی جذاب، در دسترس و فراگیر، ظرفیت های زیادی جهت بسط و گسترش حقوق اساسی بشر و مطالبه گری در خصوص آن دارد؛ اما در مرحله ی عمل فضای مذکور تبدیل به ابزاری جهت تجاوز به همین حقوق گردیده و سیاستمداران دولت های اقتدارگرا با یاری جستن از ظرفیت های این محیط -به‌طور ویژه شبکه های اجتماعی- دست به نقض حقوق اساسی بشری همچون حریم خصوصی، حق بر آزادی اطلاعات و آزادی بیان زده اند. مقاله ی حاضر با یاری جستن از روش توصیفی- تحلیلی و با استقراء منطقی در عملکرد برخی کشورهای اقتدارگرا در فضای سایبر، در راستای یافتن موارد حقوق بشری نقض شده توسط اقتدارگرایی سایبری این دولت ها و درک مطلوب تهدیدات حقوق بشر با استفاده از فناوری های نوین و هوش مصنوعی می‌باشد. یافته های پژوهش حکایت از آن دارد که اقتدارگرایی سایبری با تجاوز به امنیت و حریم داده‌های شخصی، محرومیت از دسترسی آزاد به اطلاعات، انتشار اطلاعات نادرست و محدود کردن حق بر آزادی بیان به‌صورت بنیادینی منجر به نقض حقوق بشر گردیده است و امروزه بسیاری از دولت ها با تشکیل گروه های سایبری مخرب خاص همچون ارتش صفحه‌کلید و استفاده از ترولها در مسیر مهندسی افکار عمومی، پنهان کاری اطلاعات و دادن اطلاعات نادرست؛ سعی در بسترسازی سایبری برای تداوم عملکرد اقتدارگراینه خود دارند. تفاصيل المقالة

حرية الوصول المقاله

64 - Intelligent (Language) Tutoring Systems: A Second-order Meta-analytic Review
Hossein Heidari Tabrizi Mahmoud Jafarie

AbstractIntelligent Tutoring Systems (ITSs) are referred to as computerized learning environments that incorporated pedagogical, cognitive learning, knowledge representation theories into computational models of tutor, learner, and domain knowledge respectively in order أکثر

AbstractIntelligent Tutoring Systems (ITSs) are referred to as computerized learning environments that incorporated pedagogical, cognitive learning, knowledge representation theories into computational models of tutor, learner, and domain knowledge respectively in order to provide individualized instruction in diverse subject areas. Since they take advantages of many technological artifacts of artificial intelligence (AI), knowledge representation models, and computational linguistics, they have been both object and means of research into AI, pedagogy, psychology, applied linguistics etc. Under the circumstances, the bulk of research findings is expectable and unavoidable. Sometimes researchers are badly in need of conducting first- or second-order meta-analytic reviews. This study first introduces the components of a typical ITS; then provides a descriptive account of the effectiveness, potential, and requirements of ITSs for foreign language teaching and learning (FLTL); and finally and most importantly, as a second-order review, synthesizes and describes the results of some previous meta-analytic reviews in reference to a few prevailing themes in the ITS research area such as the effects of the forms of instruction, subject matter variation, ITSs’ pedagogical features etc. Toward the third end, exclusion and inclusion procedures were applied to select seven target reviews using keyphrases scheme. The thematic meta-synthesis showed that the findings of almost all these reviews are consistent and congruent with some slight variations due to the study features. It is implied that meta-analyses like this can, by implication, inform and advance the science of ITS design, i.e. a theory of ITS design. تفاصيل المقالة

حرية الوصول المقاله

65 - هوش مصنوعی؛ عرصه نوین رقابت قدرت چین و ایالات متحده
مهدی هدایتی شهیدانی جواد رمضانپور شلمانی

10.30495/pir.2023.1976353.3594

فناوری‌های نوین در دوران پساانقلاب صنعتی قابلیت تغییر موازنه قدرت را داشته‌اند. هوش مصنوعی از این امر مستثنی نبوده است. این فناوری توانایی آن را دارد که به تمامی حوزه‌ها از اقتصاد و کسب‌وکار و خدمات گرفته تا مسائل امنیتی و دفاعی نفوذ کند. بر این اساس هیچ‌یک از کشورها و أکثر

فناوری‌های نوین در دوران پساانقلاب صنعتی قابلیت تغییر موازنه قدرت را داشته‌اند. هوش مصنوعی از این امر مستثنی نبوده است. این فناوری توانایی آن را دارد که به تمامی حوزه‌ها از اقتصاد و کسب‌وکار و خدمات گرفته تا مسائل امنیتی و دفاعی نفوذ کند. بر این اساس هیچ‌یک از کشورها و قدرت‌های بزرگ نمی‌خواهند در این حوزه عقب بمانند. سؤال اصلی پژوهش این است که هوش مصنوعی چه تأثیری بر رقابت میان چین و ایالات متحده داشته است؟ براساس یافته‌ها علی‌رغم افزایش رقابت و چالش بین پکن و واشینگتن در هوش مصنوعی و فناوری‌های مرتبط با آن و اعمال تحریم توسط آمریکا علیه چین در حوزه سخت‌افزاری مرتبط با هوش مصنوعی، اما در حوزه تولید مقالات و تحقیقات علمی بین دانشمندان این دو کشور همکاری قابل توجهی وجود دارد. همچنین پکن توانسته تولید مقالات علمی، ثبت اختراعات مرتبط با هوش مصنوعی و کلان‌داده‌ها از ایالات متحده سبقت بگیرد. ایالات متحده نیز در تولید سخت‌افزار و تراشه‌ها پیشرو بوده و سعی می‌کند از این مزیت خود در جهت توقف پیشروی چین استفاده نماید. این مقاله با روش توصیفی-تحلیلی و جمع‌آوری داده‌ها به‌صورت کتابخانه‌ای و اینترنتی به دنبال فهم تأثیر هوش مصنوعی بر رقابت میان چین و ایالات متحده می‌باشد. تفاصيل المقالة

حرية الوصول المقاله

66 - Continuous Energy Values of 3-Amino-4-Nitraminofurazan Molecule by Modern Optimization Techniques
Ahmet Sahiner Fatih Ucun Sumeyya Koman

The conformational energy values of 3-amino-4-nitraminofurazan (C2N4O3H2) molecule changing with two torsion angles were firstly calculated using density functional theory (DFT) with Lee-Young-Parr correlation functional and 6-31 G(d) basis set on Gaussian Program. And أکثر

The conformational energy values of 3-amino-4-nitraminofurazan (C2N4O3H2) molecule changing with two torsion angles were firstly calculated using density functional theory (DFT) with Lee-Young-Parr correlation functional and 6-31 G(d) basis set on Gaussian Program. And then, these obtained discrete data were made continuous by using Fuzzy Logic Modelling (FLM) and Artificial Neural Network (ANN). This allowed us to make predictions about the untested data and, to obtain the optimized energy value depending on two torsion angles with reasonable computational cost, great efficiency and high accuracy. The obtained results were compared with the DFT results by using regression analysis. تفاصيل المقالة

حرية الوصول المقاله

67 - Recognition of Hereford and Simmental Cattle Breeds via Computer Vision
M.I. Yeşil S. Göncü

Self-sufficient unmanned systems like computer vision products increasingly become essential in managing the data and supporting producers in making decisions in the livestock environment. Image classification is one of the most famous missions for machine learning (ML) أکثر

Self-sufficient unmanned systems like computer vision products increasingly become essential in managing the data and supporting producers in making decisions in the livestock environment. Image classification is one of the most famous missions for machine learning (ML) methods and its goal is to detect the objects in the frames. The main objective of the research was to investigate whether the classification of two breeds, Hereford and Simmental, often confused with each other due to their morphological similarities, via image processing, is helpful in the case of livestock production. 600 images of different individuals from Hereford (300) and Simental (300) cattle breeds were included in the study. The Fully Connected Neural Networks (FCNN) were established estimate the breeds. Modelling of artificial neural networks, image processing and all other analyses was conducted with EBimage and Keras packages in R language on a PC with 11. Gen. i7 CPU and CUDA supported GPU model of RTX 3060. The results show only 17 were inaccurate in 600 images in total with an accuracy greater than 97%. The training process of the model was executed in 69 seconds. At the end of the investigation, it was clarified that the use of FCNN in livestock would be beneficial in terms of breed classification via image recognition. تفاصيل المقالة

حرية الوصول المقاله

68 - شناسایی مشخصه‌های انواع تحقیق و توسعه درهوش مصنوعی با رویکرد ‌سیاست‌گذاری
صالح آچاک عباس طلوعی اشلقی رضا رادفر عباس خمسه

هوش مصنوعی یکی از فناوری‌های نوظهور عصر حاضر است که در آن تلاش می‌شود هوش انسانی در سامانه‌ها و ماشین‌های مورد استفاده شبیه سازی شود. هدف این مقاله شناسایی مشخصه های انواع تحقیق و توسعه در هوش مصنوعی است. این پژوهش با رویکرد ترکیبی (کیفی- کمی) انجام گرفت که در بخش کیفی أکثر

هوش مصنوعی یکی از فناوری‌های نوظهور عصر حاضر است که در آن تلاش می‌شود هوش انسانی در سامانه‌ها و ماشین‌های مورد استفاده شبیه سازی شود. هدف این مقاله شناسایی مشخصه های انواع تحقیق و توسعه در هوش مصنوعی است. این پژوهش با رویکرد ترکیبی (کیفی- کمی) انجام گرفت که در بخش کیفی آن ضمن مطالعه و مرور منظم مبانی نظری و ادبیات تحقیق و توسعه در هوش مصنوعی، ویژگی های آن به روش تحلیل محتوی استخراج گردید. سپس به منظور تعیین مصداق ها و جزئیات هر ویژگی با 10 نفر از خبرگان دانشگاهی و مدیران آشنا به فرآیند تحقیق و توسعه در هوش مصنوعی مصاحبه انجام گرفت. در بخش کمی با استفاده از یک پرسشنامه با طیف نه گانه فازی نظرات خبرگان در مورد مشخصه های احصا شده جمع آوری و مطابق با رویکرد دلفی فازی در دو دور غربال و نهایی شد. یافته‌های این تحقیق شامل 8 مشخصه مجزا برای انواع پنجگانه تحقیقات علوم محض، تحقیقات پایه، تحقیقات کاربردی، توسعه اکتشافی و توسعه پیشرفته در هوش مصنوعی شناسایی گردید. این مشخصه‌ها عبارتند از: جستجوی زمینه پژوهش، هدف عامل انجام پژوهش، خروجی مورد انتظار، معیار عملکرد، افق زمانی، تکنیک‌ها و روش‌ها، صلاحیت‌ها و مهارت‌های محققین، و اندازه تلاش پژوهشی. نتیجه این تحقیق فراهم‌نمودن اطلاعات لازم برای سیاست‌گذاری و تصمیم‌گیری در مورد راهبردهای ملی و کسب وکاری تحقیق و توسعه در حوزه فناوری هوش مصنوعی است. تفاصيل المقالة

حرية الوصول المقاله

69 - Multi-Robot Foraging Based on Contract Net Protocol
Adel Akbarimajd Hossein Barghi Jond

Because of high speed, efficiency, robustness and flexibility of multi-agent systems, in recent years there has been an increasing interest in the art of these systems. In competitive multi agent systems, a mechanism is required via which the agents can come to reach an أکثر

Because of high speed, efficiency, robustness and flexibility of multi-agent systems, in recent years there has been an increasing interest in the art of these systems. In competitive multi agent systems, a mechanism is required via which the agents can come to reach an agreement. Contract net protocols are one of the well-known negotiation protocols in multi-agent systems. In contract net protocol, each agent can be a manager or a contractor. The managers announce available tasks and the contractors bid over the tasks. Then, the managers investigate received bids and decide which contractor could perform the task. The decision is made based on an eligibility function. In this paper, a multi robot foraging problem is considered where mobile robots with limited energy resource try to transport some moving objects to a collection point. The problem is modeled as a contract net system and then solved. Efficiency of the algorithm and optimality of solutions are investigated by provided examples and simulations. تفاصيل المقالة

حرية الوصول المقاله

70 - An Efficient Artificial Intelligence Based Technique in Diseases Staging and Forecasting
Negar Ahmadi Alfredo Milani

Artificial Intelligence (AI) techniques offer powerful objective algorithms for analysis of multimodal and high-dimensional data. Recently, these techniques have become a reliable tool in the medical domain. This paper describes an efficient technique for building an ap أکثر

Artificial Intelligence (AI) techniques offer powerful objective algorithms for analysis of multimodal and high-dimensional data. Recently, these techniques have become a reliable tool in the medical domain. This paper describes an efficient technique for building an application that is capable of forecasting and classifying healthcare information using machine learning as a subfield of AI methods. The algorithm predicts a label for each sample. The sample is a single set of feature data and the label is what category the sample falls into. The algorithm takes many of these samples as the training set, builds an internal model and finally predicts the labels of other samples, called the testing set. We apply this methodology to the breast cancer staging and also to forecast the myocardial infarction and examine the risk assessment using fuzzy clustering and Framingham heart study. The results show that the proposed technique obtains credible outputs that could be integrated in an application to be used in the health care field. تفاصيل المقالة

حرية الوصول المقاله

71 - Blasting pattern optimization in open-pit mines by using the genetic algorithm
Mehdi Azarafza Mohammad Reza Feizi-Derakhshi Ali Jeddi

The blasting operations in open-pit mines are one of the most sensitive and complex mining methods which are defined under special circumstances and specific purposes. The suitable and optimal pattern selection where could be capable to covering the various environmenta أکثر

The blasting operations in open-pit mines are one of the most sensitive and complex mining methods which are defined under special circumstances and specific purposes. The suitable and optimal pattern selection where could be capable to covering the various environmental factors and affected on economic, technical, engineering and safety is the main goal of the operation. The genetic algorithm (GA) is the recommended method to utilizing the optimized pattern for the blasting pattern selection under the many effective parameters which is the variety of noteworthy detected on selected pattern from different mines. In this work the GA used to propose optimal blasting operation pattern by consideration of good coverage with field and geo-parametric in open-pit mine. For this purpose, the optimal design simulation of blasting pattern for open pit mines with one and two work-faces (for two standard 100×100 and 70×40m sides) by the Python programming language was conducted. Based on the results, this algorithm is quite successful in simulating the blasting pattern which it providing field decorations, the collapse (damage) rate and maximized exploitation (excavation). تفاصيل المقالة

حرية الوصول المقاله

72 - Application of Image Processing Techniques for Geometrical Simulation in Rock Slopes
Ali Jeddi Zahra Jeddi

This paper is attempted to present the artificial intelligence based on algorithm which is used the image processing techniques for computer-based simulate of jointed rock slopes in three dimensional condition. For this purpose, the applying the digital image processing أکثر

This paper is attempted to present the artificial intelligence based on algorithm which is used the image processing techniques for computer-based simulate of jointed rock slopes in three dimensional condition. For this purpose, the applying the digital image processing has been used for identifying of geometric structures in rock slope and preparing rock mass information. This information is used as a database for generating three dimensional models which is implemented in MATLAB software. The algorithm is utilized for processing input image; generate a main dataset and providing the 3D model of slope, based on geometrical properties and joint set’s network in rock slope. In this regard, several steps processing are conducted on input image that is concluded as pre-processing, main processing, feature extraction, database generation and model preparation. As results, the algorithm is able to generate simplified dataset for preparing the 3D view of the rock slope geometrical conditions. تفاصيل المقالة

حرية الوصول المقاله

73 - Application of Fuzzy logic to investigate Slope Mass Rating (SMR) in Khoy open-pit mining projects
Mir Akbar Seyed Hamzeh

This study attempts to present the artificial intelligence and fuzzy logic methodology to investigate the stability of jointed rock slopes based on slope mass rating (SMR) in open-pit mining projects in Khoy, West Azerbaijan, Iran. As methodology, the coupled procedure أکثر

This study attempts to present the artificial intelligence and fuzzy logic methodology to investigate the stability of jointed rock slopes based on slope mass rating (SMR) in open-pit mining projects in Khoy, West Azerbaijan, Iran. As methodology, the coupled procedure based on SMR and fuzzy logic (named FSMR) was used to quantification and classification of 25 excavated mine slopes where applied on 6 openpit mines in Khoy region. For this purpose, the slopes conditions have been evaluated during field surveys and provide the input information for initial SMR model. The fuzzy model has been used to improve the results as well as reduced errors in field evaluations so that it can produce results with higher accuracy. As a result of the presented article, the modified method provides high accurate results in lower evaluating time. تفاصيل المقالة

حرية الوصول المقاله

74 - A New Optimal Correlation for Behavior factor of EBFs under Near-fault Earthquakes using Artificial Intelligence Models
Seyed Abdonnabi Razavi Navid Siahpolo

10.1007/ijase.2022.698628

Behavior factor of the structures is a coefficient that includes the inelastic performance of the structure and indicates the hidden resistance of the structure in the inelastic stage. In most seismic codes, this coefficient is merely dependent on the type of lateral re أکثر

Behavior factor of the structures is a coefficient that includes the inelastic performance of the structure and indicates the hidden resistance of the structure in the inelastic stage. In most seismic codes, this coefficient is merely dependent on the type of lateral resistance system and is introduced with a fixed number. However, there is a relationship between the behavior factor, ductility (performance level), structural geometric properties, and type of earthquake (near and far). In this paper, a new optimal correlation is attempted to predict the behavior factor (q) of EBF steel frames, under near-fault earthquakes, using Particle Swarm Optimization (PSO) and Simulated Annealing (SA) algorithms. For this purpose, a databank consists of 12960 data created. To establishing different geometrical properties of models, 3-,6-, 9-, 12-, 15, 20- stories steel EBF frames considered with 3 different types of link beam, 3 different types of column stiffness and 3 different types of brace slenderness. Using nonlinear time history under 20 near-fault earthquake, all models analyzed to reach 4 different performance level. data were used as training data of the Artificial Intelligence Models. Results shows the high accuracy of proposed correlation, established by PSO algorithm. The results of the correlation between the studied algorithms show more accuracy in the relations produced than the previous algorithms and confirm the significance of the governing relations. تفاصيل المقالة

حرية الوصول المقاله

75 - شناسایی مؤلفه ‎های هوش مصنوعی در پایگاه های اطلاعاتی ایرانی
محمد حسن عظیمی سمیرا اسماعیلی

هدف: هدف از انجام این پژوهش، شناسایی مؤلفه&lrm;های هوش مصنوعی در پایگاه&lrm;های اطلاعاتی ایرانی و میزان استفاده از آن ها در این پایگاه&lrm;ها است.روش&lrm; پژوهش: این پژوهش از نوع کاربردی و با روش اسنادی و پیمایشی انجام شده است. جامعه&lrm;ی آماری این پژوهش شامل 7 پایگاه أکثر

هدف: هدف از انجام این پژوهش، شناسایی مؤلفه&lrm;های هوش مصنوعی در پایگاه&lrm;های اطلاعاتی ایرانی و میزان استفاده از آن ها در این پایگاه&lrm;ها است.روش&lrm; پژوهش: این پژوهش از نوع کاربردی و با روش اسنادی و پیمایشی انجام شده است. جامعه&lrm;ی آماری این پژوهش شامل 7 پایگاه اطلاعاتی ایرانی(نورمگز، نورلیب، مگ ایران، سیویلیکا، ایرانداک، آی اس سی و اس آی دی) است. ابزار گردآوری داده&lrm;ها، یادداشت برداری و سیاهه ی وارسی محقق ساخته و مصاحبه با خبرگان است. تجزیه و تحلیل داده&lrm;ها با استفاده از نرم افزارSPSS انجام شده است.یافته ها:یافته ها نشان داد که پایگاه اطلاعاتی ایرانداک بیشترین و پایگاه های سیویلیکا و مگ ایران کمترین استفاده را از مولفه های هوش مصنوعی داشتند. همچنین مولفه های "تشابه&lrm;یابی معنایی" و" منابع مرتبط و عبارات پیشنهادی" بیشترین استفاده را در پایگاه های اطلاعاتی ایرانی داشته و مولفه های "ابهام&lrm;زدایی کلمات در متن"، "تشخیص و طبقه&lrm;بندی اسامی"، "مترجم های تصویری"، "شرح تصویر"، "تبدیل گفتار به نوشتار"، "تبدیل نوشتار به گفتار"، "مترجم&lrm;های صوتی" کمترین استفاده را در آن ها داشته اند.نتیجه گیری: نتایج نشان داد که استفاده از مؤلفه های هوش مصنوعی در پایگاه های اطلاعاتی ایرانی می تواند زمینه تسریع و تسهیل فرایندهای پردازش، ذخیره و بازیابی منابع را در پایگاه های اطلاعاتی ایرانی فراهم کند. تفاصيل المقالة

حرية الوصول المقاله

76 - کاربرد هوش مصنوعی در ایده پردازی فرمی فضای معماری تعلق‌پذیر با رویکرد روانشناسی محیط (نمونه موردی: مرکز شهر آینده ی ایرانی- اسلامی)
علی پردل ندا ضیاء بخش

هوش مصنوعی یک فناوری درحال تحول است که مزایای اقتصادی و اجتماعی بسیار بزرگی برای آینده ترسیم کرده است. این فناوری ظرفیت آن را دارد که در نحوه زندگی، کار، یادگیری و اکتشاف و تعامل ما، انقلابی ایجاد کند. اما کاربرد آن در معماری کمتر مورد توجه قرار گرفته است. هدف این پژوهش أکثر

هوش مصنوعی یک فناوری درحال تحول است که مزایای اقتصادی و اجتماعی بسیار بزرگی برای آینده ترسیم کرده است. این فناوری ظرفیت آن را دارد که در نحوه زندگی، کار، یادگیری و اکتشاف و تعامل ما، انقلابی ایجاد کند. اما کاربرد آن در معماری کمتر مورد توجه قرار گرفته است. هدف این پژوهش این است که با بررسی مبانی نظری روانشناسی محیط، شاخصه‌های فضای معماری تعلق پذیر شناسایی و سپس با بررسی نمونه موردی، تأثیر استفاده از هوش مصنوعی در خلق فضای معماری تعلق پذیر از جنبه فرمی مورد بررسی قرار گیرد. روش تحقیق در این پژوهش توصیفی – تحلیلی و از نوع کیفی است که با مطالعه منابع کتابخانه ای و سپس تحلیل داده ها به شیوه منطقی صورت گرفته است. ابزار پژوهش در این تحقیق هوش مصنوعی میدجرنی است که چند وقتی است در حوزه خلق تصاویر هنری از واژگان ورودی به آن، معرفی شده و مورد توجه هنرمندان و معمارن مختلفی قرار گرفته است. در نهایت می‌توان نتیجه گرفته، درست است که با طرح‌های مفهومی روبه‌رو هستیم که در آینده نزدیک به واقعیت تبدیل نمی‌شوند، اما می‌توانند روی خلاقیت معماران تأثیرگذاری مثبتی داشته باشند و آینده‌ای را بسازد که امروزه به ذهن اکثر افراد نخواهد رسید. کاربرد این تصاویر در خلق فضاهای تعلق پذیر تنها نمونه ای از کاربرد هوش مصنوعی در فرایند طراحی معماری می‌باشد و می‌تواند برای پژوهشگران معماری در حوزه های مختلف، الهام بخش باشد. تفاصيل المقالة

حرية الوصول المقاله

77 - کاربرد هوش مصنوعی در ایده پردازی فرمی فضای معماری تعلق‌پذیر با رویکرد روانشناسی محیط(نمونه موردی: مرکز شهر آینده ی ایرانی- اسلامی)
علی پردل ندا ضیاء بخش

هوش مصنوعی یک فناوری درحال تحول است که مزایای اقتصادی و اجتماعی بسیار بزرگی برای آینده ترسیم کرده است. این فناوری ظرفیت آن را دارد که در نحوه زندگی، کار، یادگیری و اکتشاف و تعامل ما، انقلابی ایجاد کند. اما کاربرد آن در معماری کمتر مورد توجه قرار گرفته است. هدف این پژوهش أکثر

هوش مصنوعی یک فناوری درحال تحول است که مزایای اقتصادی و اجتماعی بسیار بزرگی برای آینده ترسیم کرده است. این فناوری ظرفیت آن را دارد که در نحوه زندگی، کار، یادگیری و اکتشاف و تعامل ما، انقلابی ایجاد کند. اما کاربرد آن در معماری کمتر مورد توجه قرار گرفته است. هدف این پژوهش این است که با بررسی مبانی نظری روانشناسی محیط، شاخصه‌های فضای معماری تعلق پذیر شناسایی و سپس با بررسی نمونه موردی، تأثیر استفاده از هوش مصنوعی در خلق فضای معماری تعلق پذیر از جنبه فرمی مورد بررسی قرار گیرد. روش تحقیق در این پژوهش توصیفی – تحلیلی و از نوع کیفی است که با مطالعه منابع کتابخانه ای و سپس تحلیل داده ها به شیوه منطقی صورت گرفته است. ابزار پژوهش در این تحقیق هوش مصنوعی میدجرنی است که چند وقتی است در حوزه خلق تصاویر هنری از واژگان ورودی به آن، معرفی شده و مورد توجه هنرمندان و معمارن مختلفی قرار گرفته است. در نهایت می‌توان نتیجه گرفته، درست است که با طرح‌های مفهومی روبه‌رو هستیم که در آینده نزدیک به واقعیت تبدیل نمی‌شوند، اما می‌توانند روی خلاقیت معماران تأثیرگذاری مثبتی داشته باشند و آینده‌ای را بسازد که امروزه به ذهن اکثر افراد نخواهد رسید. کاربرد این تصاویر در خلق فضاهای تعلق پذیر تنها نمونه ای از کاربرد هوش مصنوعی در فرایند طراحی معماری می‌باشد و می‌تواند برای پژوهشگران معماری در حوزه های مختلف، الهام بخش باشد تفاصيل المقالة

حرية الوصول المقاله

78 - بهینه‌سازی تخصیص منابع برای شبکه‌های اینترنت اشیا مبتنی بر محاسبات مه برای کاهش هزینه تاخیر
امیرحسین صالحی شایگان علی ذاکری ادیب صالحی شایگان

همراه با رشد روز افزون دستگاه‌های هوشمند و اینترنت 5G، فناوری اینترنت اشیاء نیز توسعه یافته است. افزایش تعداد اشیاء هوشمند سبب افزایش حجم داده‌ها و بارهای محاسباتی در ابعادی وسیع شده است. به همین دلیل رایانش ابری به عنوان راه‌حلی برای این حجم داده استفاده می‌شود. با این أکثر

همراه با رشد روز افزون دستگاه‌های هوشمند و اینترنت 5G، فناوری اینترنت اشیاء نیز توسعه یافته است. افزایش تعداد اشیاء هوشمند سبب افزایش حجم داده‌ها و بارهای محاسباتی در ابعادی وسیع شده است. به همین دلیل رایانش ابری به عنوان راه‌حلی برای این حجم داده استفاده می‌شود. با این حال با توجه به اهمیت کیفیت خدمات، راه‌حل رایانش ابری نمی‌تواند برای درخواست‌های حساس به تاخیر جوابگو باشد. تخصیص منابع در رایانش مه‌آلود باعث کاهش هزینه تاخیر می‌گردد. در این مقاله برای تخصیص منابع، برنامه‌نویسی پویا با توجه به تعداد زیاد درخواست‌ها و محدودیت‌های مسئله مورد استفاده قرار گرفته است. روش پیشنهادی موجب کاهش هزینه تاخیر برای درخواست‌های اینترنت اشیاء می‌شود. در این پژوهش مدل‌سازی سیستم و الگوریتم پیشنهادی برای چهار حالت مختلف اجرا شد. در این چهار حالت دو روش پیشنهادی سهم این پژوهش بوده است. این الگوریتم‌های پیشنهادی منجر به کاهش چشمگیر درهزینه تاخیر کل می‌شود. ولی مطابق انتظار الگوریتم پس‌انتشار پاسخ بهینه‌تری به نسبت به الگوریتم پیش‌انتشار داشت. تفاصيل المقالة

حرية الوصول المقاله

79 - پیش‌بینی رتبه بندی کیفیت اطلاعات با رویکرد تحلیل عاملی و هوش مصنوعی
اکرم کریمی رویا دارابی محمدرضا پورفخاران حسین مقدم

10.30495/faar.2022.693671

چکیدهاز آنجایی که سهامداران، سرمایهگذاران، اعتباردهندگان و سایر استفادهکنندگان از صورتهای مالی برای مقاصد تصمیمگیری از اطلاعات درونی شرکت آگاهی کافی ندارند و همواره به دنبال کسب اطلاعاتی برای ارزیابی عملکرد و ریسک سنجی شرکتهای مورد نظر خود میباشند تا بتوانند در آنها سرم أکثر

چکیدهاز آنجایی که سهامداران، سرمایهگذاران، اعتباردهندگان و سایر استفادهکنندگان از صورتهای مالی برای مقاصد تصمیمگیری از اطلاعات درونی شرکت آگاهی کافی ندارند و همواره به دنبال کسب اطلاعاتی برای ارزیابی عملکرد و ریسک سنجی شرکتهای مورد نظر خود میباشند تا بتوانند در آنها سرمایهگذاری کنند، لذا کیفیت اطلاعات حسابداری که شرکت ها افشا می نمایند جهت تصمیم گیری آن ها دارای اهمیت می باشد. این پژوهش پیش بینی رتبه بندی کیفیت اطلاعات با رویکرد تحلیل عاملی و هوش مصنوعی در شرکت های پذیرفته شده در بورس اوراق بهادار تهران را مورد بررسی قرار می دهد. متغیر مستقل استفاده شده در این پژوهش، معیار‌های نظام راهبری می باشد و متغیر وابسته، معیار‌های کیفیت اطلاعات حسابداری است که بر اساس روش تحلیل عاملی تمام معیار‌ها بصورت یک متغیر واحد تبدیل شده است. پژوهش حاضر جز تحقیقات تجربی حسابداری بوده و جهت آزمون فرضیه‌های پژوهش از روش هوش مصنوعی استفاده شده است. نتایج پژوهش حاکی از آن است که طبق روش متغیر گزینی هوش مصنوعی آنالیز همسایگی از بین متغیر‌های نظام راهبری "درصد مالکان نهادی"، "نقش دوگانه مدیرعامل"، "دوره تصدی مدیرعامل"، "مالکیت مدیریت" و "مالکیت دولتی" بالاترین همبستگی را با رتبه کیفیت اطلاعات دارند. سایر نتایج تحقیق حاکی از این است که روش هوش مصنوعی خطی و غیر خطی توانایی بالایی در پیش بینی رتبه کیفیت اطلاعات حسابداری شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران را دارند. تفاصيل المقالة

حرية الوصول المقاله

80 - Diagnosing skin disease using deep features based on artificial intelligence
Hassan Masoumi Fatemeh Mosalanejad Mehdi Taghizadeh Mohammad Ghanbarian

10.30495/ijsee.2023.1987938.1267

Misdiagnosis of skin diseases is a common occurrence. Psoriasis is a skin disease that has many similarities with other diseases, and its incorrect diagnosis causes many problems in the treatment process. Misdiagnosis of this disease causes doctors to face problems duri أکثر

Misdiagnosis of skin diseases is a common occurrence. Psoriasis is a skin disease that has many similarities with other diseases, and its incorrect diagnosis causes many problems in the treatment process. Misdiagnosis of this disease causes doctors to face problems during treatment. The lack of images of the disease and the database of skin diseases reduces the diagnosis and the coordination of diagnostic methods, therefore, diagnosis using different images is very useful. Today, diagnosis methods using deep features in medical images have received much attention. Artificial intelligence is one of the automatic methods of diagnosis. These methods can detect new data entering the system and keep it in memory. Therefore, in this article, two different groups of data have been identified using deep features based on artificial intelligence. In this method, the data of the first group in the form of training and testing and the data of the second group are studied gradually. If they are correctly identified, the next 0.1 chunks of data enter the network without testing. If they are wrongly recognized, they enter the training section and this reduces the training process. In this work, by training 20% of the data, i.e. the first 10% and the fourth 10%, there was no need for training because the accuracy was not less than98%. In this article, deep features of images were first extracted using convolutional neural network, and then psoriasis and eczema were diagnosed with average accuracy of98.3%and sensitivity of 97.9% in skin images using artificial intelligence. تفاصيل المقالة

حرية الوصول المقاله

81 - Efficient Parameters Selection for CNTFET Modelling Using Artificial Neural Networks
Roya Abdollahzadeh Badelbo Fardad Farokhi Alireza Kashaniniya

In this article different types of artificial neural networks (ANN) were used for CNTFET (carbon nanotube transistors) simulation. CNTFET is one of the most likely alternatives to silicon transistors due to its excellent electronic properties. In determining the accurat أکثر

In this article different types of artificial neural networks (ANN) were used for CNTFET (carbon nanotube transistors) simulation. CNTFET is one of the most likely alternatives to silicon transistors due to its excellent electronic properties. In determining the accurate output drain current of CNTFET, time lapsed and accuracy of different simulation methods were compared. The training data for ANNs were obtained by numerical ballistic FETToy model which is not directly applicable in circuit simulators like HSPICE. The ANN models were simulated in MATLAB R2010a software. In order to achieve more effective and consistent features, the UTA method was used and the overall performance of the models was tested in MATLAB. Finally the fast and accurate structure was introduced as a sub circuit for implementation in HSPICE simulator and then the implemented model was used to simulate a current source and an inverter circuit. Results indicate that the proposed ANN model is suitable for nanoscale circuits to be used in simulators like HSPICE. تفاصيل المقالة

حرية الوصول المقاله

82 - مقایسه رتبه بندی عملکرد شرکتهای پذیرفته شده دربورس اوراق بهادار مدلهای عصبی وفازی
روح الله جوادی قدرت اله طالب نیا حسین پناهیان

با رتبه بندی شرکتها بر اساس شفافیت اطلاعات مالی می توان به تصمیم گیری بهتر در بورس اوراق بهادار کمک کرد. در این پژوهش با بررسی صورت های مالی شرکت ها و سنجش میزان شفافیت اطلاعات مالی ، نسبت به رتبه بندی آنها بر اساس مدل های عصبی و فازی پرداخته شده است. هدف دیگر تحقیق حاض أکثر

با رتبه بندی شرکتها بر اساس شفافیت اطلاعات مالی می توان به تصمیم گیری بهتر در بورس اوراق بهادار کمک کرد. در این پژوهش با بررسی صورت های مالی شرکت ها و سنجش میزان شفافیت اطلاعات مالی ، نسبت به رتبه بندی آنها بر اساس مدل های عصبی و فازی پرداخته شده است. هدف دیگر تحقیق حاضر، مقایسه مدل های عصبی و فازی برای رتبه بندی شفافیت اطلاعات مالی شرکتها است.این پژوهش از نوع کاربردی و بر اساس شیوه گردآوری داده ها، توصیفی-تحلیلی است. جامعه آماری شامل شرکت های بورس اوراق بهادار در طی سال های 1387 تا 1396 می باشد که با روش حذفی سیستماتیک تعداد 198 شرکت انتخاب و مورد تحلیل قرار گرفتند. اطلاعات شرکتها از طریق نرم افزارهای بورسی، به دست آمد. برای رتبه بندی از الگوریتم های هوش مصنوعی استفاده شد و هم چنین ، مدل های فازی و عصبی به کار گرفته شدند.نتایج پژوهش نشان داد از میان مدلهای فازی و عصبی ، بهترین روش برای رتبه بندی، مدلهای عصبی است و نتایج روش مدلهای عصبی ، بهترین نتایج را ارائه می دهد. باتوجه به اینکه درمدل فازی، روش فازی دارای بیشترین خطا بوده و در برخی از تخمین ها دارای خطاهای غیرقابل قبول می باشد. تفاصيل المقالة

حرية الوصول المقاله

83 - کاربرد هوش مصنوعی در شناسایی عوامل عملکردی مؤثر بر سلامت مالی
پریسا پازوکی فاطمه صراف محبوبه جعفری علی باغانی

با توجه به اهمیت شناسایی عوامل مؤثر بر سلامت مالی و پیش‌بینی درجه سلامت مالی شرکت‌ها در این پژوهش اقدام به شناسایی شاخص‌های مناسب برای تبیین سلامت مالی و همچنین پیش‌بینی درجه سلامت مالی شرکت‌های بورس اوراق بهادار تهران با رویکرد مبتنی بر هوش مصنوعی شده است. بدین منظور ا أکثر

با توجه به اهمیت شناسایی عوامل مؤثر بر سلامت مالی و پیش‌بینی درجه سلامت مالی شرکت‌ها در این پژوهش اقدام به شناسایی شاخص‌های مناسب برای تبیین سلامت مالی و همچنین پیش‌بینی درجه سلامت مالی شرکت‌های بورس اوراق بهادار تهران با رویکرد مبتنی بر هوش مصنوعی شده است. بدین منظور از اطلاعات 138 شرکت طی سال‌های 1390 الی 1398 و نرم افزار Matlab جهت آزمون فرضیه‌های پژوهش استفاده شد. معیارهای عملکرد حسابداری مورداستفاده در این تحقیق ریسک سیستماتیک، نسبت بدهی بلندمدت به‌کل دارایی‌ها، نسبت دارایی جاری به‌کل دارایی‌ها، نسبت سرمایه در گردش، نسبت آنی، نسبت حساب دریافتی به‌کل دارایی، بازده دارایی، رشد شرکت، رشد فروش، می‌باشند. نتایج نشان داد روش الگوریتم هوش مصنوعی باقدرت بیش از 90 درصد توانایی پیش‌بینی سلامت مالی شرکت‌ها را دارد و همچنین از بین معیارهای عملکرد مالی، رشد شرکت، بازده دارایی، رشد فروش و نسبت دارایی جاری به دارایی‌ها جهت تبیین سلامت مالی شرکت‌ها دارای بالاترین میزان تأثیرگذاری هستند. تفاصيل المقالة

حرية الوصول المقاله

84 - طراحی و تبیین مدل برآورد ریسک سیستماتیک به روش فوق ابتکاری در بورس اوراق بهادار تهران؛ رویکرد تطبیقی مدل اقتصاد سنجی و هوش مصنوعی
نعمت راستگو حسین پناهیان

ریسک سیستماتیک همواره یکی از مهمترین شاخص هایی است که سرمایه گذاران و تحلیل گران مالی در تصمیم‌گیری های مالی خود اهمیت ویژه ای برای آن قائل هستند .هدف این پژوهش ارائه مدلی جدید و مبتنی بر متغیر های حسابداری برای برآورد شاخص ریسک سیستماتیک یا همان بتا است به روش اقتصاد س أکثر

ریسک سیستماتیک همواره یکی از مهمترین شاخص هایی است که سرمایه گذاران و تحلیل گران مالی در تصمیم‌گیری های مالی خود اهمیت ویژه ای برای آن قائل هستند .هدف این پژوهش ارائه مدلی جدید و مبتنی بر متغیر های حسابداری برای برآورد شاخص ریسک سیستماتیک یا همان بتا است به روش اقتصاد سنجی نوین آرفیما- فیگارچ که حافظه بلند مدت ریسک سیستماتیک را ارزیابی می‌کند. دوره زمانی این پژوهش سال های 1385 تا 1394 است جامعه آماری پژوهش شرکت های پذیرفته شده در بورس اوراق بهادار تهران بوده و با استفاده از فرمول کوکران تعداد 174 شرکت به عنوان نمونه پژوهش انتخاب گردید . به همین منظور ابتدا بتای ریسک سیستماتیک از طریق آرفیما – فیگارچ محاسبه شد و سپس مدل های برآورد شده به روش اقتصاد سنجی رگرسیون گام به گام (انتخاب پیشرو ) و روش هوش مصنوعی ( از طریق ترکیب الگوریتم های ژنتیک و پرواز پرندگان در انتخاب عوامل موثر و مدلسازی آن از طریق ترکیب و پیاده سازی الگوریتم ارزیاب سرمایه گذاری داده های پویای تکاملی بر روی الگوریتم های مذکور) مقایسه گردید. به منظور تجزیه و تحلیل داده ها از سه نرم افزار اُکس متریکس ، ایویوز و متلب استفاده گردید . دقت پیش بینی دو مدل مبتنی بر اقتصاد سنجی و هوش مصنوعی از طریق محاسبه ضریب همبستگی بین تاهای برآورد شده و بتای آرفیا – فیگارچ انجام شده که مدل مبتنی بر هوش مصنوعی با ضریب همبستگی 94 درصد دقت پیش بینی به مراتب بالاتری را از خود نشان داد تفاصيل المقالة

حرية الوصول المقاله

85 - بررسی نظام‌مند مدل‌های پیش‌بینی ورشکستگی
جابر زحمتکش اکرم تفتیان محمود معین‌الدین امین نظارات

10.30495/afi.2023.1971181.1164

هدف: هدف پژوهش حاضر بررسی نظام‌مند مدل‌های پیش‌بینی ورشکستگی در راستای ایجاد مدلی است که به‌عنوان راهنمایی برای انتخاب ابزار مناسب که بهترین انطباق را با داده‌های موجود و معیارهای کیفیت مدل‌های پیش‌بینی ورشکستگی دارد عمل کند.روش‌شناسی پژوهش: برای انجام این پژوهش، جستجوی أکثر

هدف: هدف پژوهش حاضر بررسی نظام‌مند مدل‌های پیش‌بینی ورشکستگی در راستای ایجاد مدلی است که به‌عنوان راهنمایی برای انتخاب ابزار مناسب که بهترین انطباق را با داده‌های موجود و معیارهای کیفیت مدل‌های پیش‌بینی ورشکستگی دارد عمل کند.روش‌شناسی پژوهش: برای انجام این پژوهش، جستجوی سیستماتیک از database (web of Science) با استفاده از کلیدواژه‌های Bankruptcy، Default، Distress، Failure، Forecasting، Predicting، Prediction و Insolvency بین سال‌های ۲۰15 لغایت 2023 صورت پذیرفت. باتوجه‌به معیارهای ورود و خروج تعریف‌شده، حاصل این جستجو 1000 مقاله بود که درنهایت 49 مقاله از میان آن‌ها انتخاب و مورد تجزیه‌وتحلیل قرار گرفت. سپس یافته‌های به‌دست‌آمده از مقالات، در جداول خلاصه‌سازی وارد گردیده و در گام بعدی، مدل‌های بزرگ پیش‌بینی ورشکستگی بر اساس 9 معیار کلیدی با یکدیگر مقایسه و نتیجه‌گیری نهایی به عمل آمد.یافته‌ها: شبکه عصبی مصنوعی و ماشین‌های بردار پشتیبان دارای بیشترین دقت می‌باشند درحالی‌که تحلیل شخصیتی چندگانه دارای کمترین دقت است. همچنین شبکه عصبی مصنوعی و تحلیل شخصیتی چندگانه، درخت تصمیم‌گیری و رگرسیون لجستیک به نمونه آموزشی بزرگی نیاز دارند تا الگویی را منطقاً شناسایی کرده و طبقه‌بندی بسیار دقیقی ارائه دهند؛ اما استدلال مبتنی بر مورد، مجموعه‌های راف و ماشین‌های بردار پشتیبان می‌توانند با اندازه نمونه‌های کوچک کار کنند.اصالت / ارزش‌افزوده علمی: نتایج این پژوهش به درک کامل ویژگی‌های ابزارهای مورداستفاده برای توسعه مدل‌های پیش‌بینی ورشکستگی و کاستی‌های مربوط به آن‌ها کمک می‌کند. تفاصيل المقالة

حرية الوصول المقاله

86 - ارائه مدل راهبردی مبتنی بر رویکرد یادگیری ماشین به منظور سنجش خودکار نظرات و کاوش اطلاعات کالاها در بازاریابی دیجیتال
علیرضا عاشوری رودپشتی هرمز مهرانی کریم حمدی

مطالعه حاضر با استفاده از تکنیک های یادگیری ماشین و نظرکاوی کوشیده است تا بتواند مدل راهبردی خودکار به منظور طبقه بندی و کاوش نظرات ارائه شده در مورد کالا، برند یا خدماتی خاص ارائه نماید. بکارگیری چنین مدل راهبردی می تواند در شناسایی خصوصیات برندها و خوشه بندی عاملی بین أکثر

مطالعه حاضر با استفاده از تکنیک های یادگیری ماشین و نظرکاوی کوشیده است تا بتواند مدل راهبردی خودکار به منظور طبقه بندی و کاوش نظرات ارائه شده در مورد کالا، برند یا خدماتی خاص ارائه نماید. بکارگیری چنین مدل راهبردی می تواند در شناسایی خصوصیات برندها و خوشه بندی عاملی بین آن ها بسیار کارآمد بوده و اطلاعات بسیار ارزشمندی در این زمینه ارائه دهد. نتایج حاصل از این ارزیابی می تواند در تهیه استراتژی های مدیریت بازاریابی و بهبود کمی یا کیفی عامل مذکور بکار برده شود. مدل مبتنی بر یادگیری ماشین و شبکه عصبی عمیق با شناسایی نظرات مرتبط، خصوصیات مختلف را در سطوح گوناگون ارزشیابی سنجیده و نظرات را بسته به کیفیت ارائه بصورت خودکار طبقه بندی می نماید. خروجی این مدل با بکارگیری قابلیت های بازاریابی در بهبود فروش کالا/برند/خدمات تعریف شده بصورت کارآمد وارد شده است. مجموعه داده بکار گرفته شده در این مطالعه مربوط به مجموعه نظرات کاربران فارسی زبان سایت فروش انلاین دیجیکالا و هلوکیش می باشد که بصورت آموزشی- آزمایشی (70% داده آموزشی و 30% داده آزمایشی) طی سه مدل متناوب بارگذاری گردیده که به منظور شناسایی و طبقه بندی ویژگی های مختلف کالاها و خدمات ارائه شده در مجموعه داده مورد استفاده بوده است. مدل پیشنهادی جهت ارزیابی توانمندی از توابع خطا برای محاسبه میزان خطای محاسباتی استفاده نموده تا بتواند میزان انحراف از مقادیر درستی را برای اطلاعات پیش بینی شده خود ارائه دهد. بدین منظور از ارزیابی خطای میانگین مربعات و خطای جذر میانگین مربعات بهره گرفته شده است. نتایج حاصله نشان دهنده دقت بالای مدل ارزیابی ها و پیش بینی شرایط مختلف می باشد. تفاصيل المقالة

حرية الوصول المقاله

87 - تحلیل ریسک خطر زلزله در منطقه آذربایجان با استفاده از روش شبکه عصبی
سیدجواد سیدفتاحی روزبه دبیری میلاد فرشباف خلیلی

در این تحقیق پیش‌بینی زمین لرزه و تحلیل ریسک خطر در منطقه آذربایجان با استفاده از روش شبکه عصبی صورت گرفته است. رویکرد پیش‌بینی مبتنی بر استفاده از هوش مصنوعی بر پایه داده‌های زمین‌لرزه‌های صورت گرفته در زمانهای قبل در یک بازه 100 ساله است. پنج ویژگی رویداد زمین‌لرزه از أکثر

در این تحقیق پیش‌بینی زمین لرزه و تحلیل ریسک خطر در منطقه آذربایجان با استفاده از روش شبکه عصبی صورت گرفته است. رویکرد پیش‌بینی مبتنی بر استفاده از هوش مصنوعی بر پایه داده‌های زمین‌لرزه‌های صورت گرفته در زمانهای قبل در یک بازه 100 ساله است. پنج ویژگی رویداد زمین‌لرزه از داده‌های سالهای قبل استخراج شده است. مدل پیش بینی زمین‌لرزه بر اساس پنج ویژگی انتخاب شده با سه الگوریتم مختلف با شبکه عصبی پیشخور ایجاد شده است. نتایج اعتبار سنجی نشانگر توانایی بالای مدل در پیش‌بینی زمین‌لرزه در منطقه مورد مطالعه است. نتایج حاصل از مدل های ایجاد شده جهت تحلیل ریسک خطر در منطقه آذربایجان استفاده شده است. با توجه به نتایج بدست آمده منطقه آذربایجان مستعد وقوع زمین لرزه‌ای بالا است که لزوم رعایت دقیق استاندارد ها در ساخت و ساز بناها را میرساند. نتایج تحقیق حاضر نشان داده است که الگوریتم بیزین بهترین عملکرد را در پیش‌بینی خطر زلزله ارئه نموده است. تفاصيل المقالة

حرية الوصول المقاله

88 - جایگاه فناوری‌های نوین و هوش مصنوعی در گسترش روابط دیپلماتیک و سیاست خارجی پایدار
زهرا شریف زاده امیر هوشنگ میرکوشش محمد مهدی حسینی

10.30495/psq.2023.1995681.2232

هدف این پژوهش جایگاه فناوری‌های نوین و هوش مصنوعی در گسترش روابط دیپلماتیک و سیاست خارجی پایدار است. این پژوهش براساس هدف، کاربردی و به ‌لحاظ شیوۀ اجرا، کیفی ـ کمّی است. برای گردآوری اطلاعات هم از منابع کتابخانه ای و هم از مصاحبه استفاده شده است. جامعه آماری کلیه اساتی أکثر

هدف این پژوهش جایگاه فناوری‌های نوین و هوش مصنوعی در گسترش روابط دیپلماتیک و سیاست خارجی پایدار است. این پژوهش براساس هدف، کاربردی و به ‌لحاظ شیوۀ اجرا، کیفی ـ کمّی است. برای گردآوری اطلاعات هم از منابع کتابخانه ای و هم از مصاحبه استفاده شده است. جامعه آماری کلیه اساتید و متخصصین که در زمینه فناوری‌‌های نوین و هوش مصنوعی دارای دکتری تخصصی بودند، انتخاب شدند. در این تحقیق، روش نمونه گیری به‌ صورت هدفمند انجام شد. یعنی نمونه‌های حاوی اطلاعات غنی است. تعداد 15 نفر از اساتید دانشگاه و صاحب نظران این حوزه مورد مصاحبه‌های عمیق و اکتشافی قرار گرفتند. همچنین به‌منظور جمع‌آوری داده‌ها در ‌بخش کیفی، تمام اسناد و مدارک موجود داخلی و خارجی مرتبط با موضوع پژوهش مطالعه شد و از مصاحبۀ نیمه‌ساختاریافته استفاده گردید. بنابراین این پژوهش با تکیه بر روش ترکیبی می‌‌کوشد پاسخگوی این سوال باشد که جایگاه سیاست‌‌های توسعه‌‌ای فناوری در گسترش روابط دیپلماتیک و سیاست خارجی چه می‌باشد؟ و چگونه می‌‌توان از این فناوری برتر در جهت تحکیم پایه‌‌های سیاسی نظام و روابط دیپلماتیک بهره گرفت؟ یافته‌‌های تحقیق حاکی از آن است که سرمایه گذاری کلان کشورهای توسعه یافته در زمینه این فناوری‌‌ها سبب دستیابی به مزیت رقابتی در حوزه روابط دیپلماتیک و سیاست‌‌ خارجی پایدار گردیده است. بنابراین توجه به این فناوری‌‌ها، به قدرت برتر نظام جمهوری اسلامی ایران در سطح منطقه و جهان کمک شایانی خواهد نمود و توسعه و گسترش روابط دیپلماتیک و سیاست خارجی پایدار را به دنبال خواهد داشت. تفاصيل المقالة

حرية الوصول المقاله

89 - هوش مصنوعی و تاثیر آن بر امنیت سایبری و حفاظت از داده ها
امیررضا محمودی مریم بحرکاظمی

چکیده هوش مصنوعی به دلیل توانایی آن در ارزیابی تهدیدات امنیتی در زمان واقعی و انجام اقدامات مناسب، به عنوان یک جزء کلیدی امنیت سایبری ظاهر شده است.هوش مصنوعی اکنون تأثیر بیشتری در شناسایی و توقف حملاتی دارد که کسب وکارهارا در لبه پیشرفت نگه می دارد. شناسایی و پیشگیری أکثر

چکیده هوش مصنوعی به دلیل توانایی آن در ارزیابی تهدیدات امنیتی در زمان واقعی و انجام اقدامات مناسب، به عنوان یک جزء کلیدی امنیت سایبری ظاهر شده است.هوش مصنوعی اکنون تأثیر بیشتری در شناسایی و توقف حملاتی دارد که کسب وکارهارا در لبه پیشرفت نگه می دارد. شناسایی و پیشگیری از تهدید محور اصلی نقش هوش مصنوعی در امنیت سایبری است. اگر تهاجم‌ها و حملات سایبری با استفاده از الگوریتم‌های هوش مصنوعی صورت گیرد، دفاع در برابر آن‌ها نیازمند تکنولوژی‌های پیشرفته‌تری است و استفاده از آن برای جمع‌آوری و تحلیل داده‌ها ممکن است به نقض حریم خصوصی کاربران منجر شود. همچنین ممکن است در برخی موارد نتواند به درستی پیش‌بینی کند که چگونه یک حمله سایبری انجام خواهد شد، که این مسئله می‌تواند به کاهش امنیت سایبری منجر شود.تحقیقات بر روی ارتقاء توانایی‌های هوش مصنوعی برای تشخیص و پیشگیری از حملات سایبری، شناسایی الگوها و رفتارهای مشکوک و اجرای تدابیر امنیتی مؤثر می‌تواند بهبودات قابل توجهی در امنیت سایبری ایجاد کند.همچنین بررسی تجزیه و تحلیل داده‌ها به منظور شناسایی الگوها و رفتارهای غیرعادی کاربران، می‌تواند به تشخیص زودرس حملات سایبری و پیشگیری از آن‌ها کمک کند وترویج استفاده از فناوری‌های رمزنگاری پیشرفته برای حفاظت از داده‌ها و جلوگیری از دسترسی غیرمجاز به آن‌ها، می‌تواند بهبودات قابل توجهی در امنیت سایبری ایجاد کند. از یافته‌های اصلی از تحقیقات در زمینه تاثیر هوش مصنوعی بر افزایش امنیت سایبری و حفاظت از داده‌ها این است که استفاده از هوش مصنوعی می‌تواند بهبودات چشمگیری در تشخیص، پیشگیری و مدیریت حملات سایبری فراهم کندواز طریق تحلیل داده‌های بزرگ، شناسایی الگوهای مشکوک، اجرای تدابیر امنیتی خودکار و بهبود سیستم‌های تشخیص نفوذ، می‌تواند بهبودات قابل توجهی در امنیت سایبری ایجاد کند و به کاهش خطرات امنیتی در فضای آنلاین کمک کند. تفاصيل المقالة

حرية الوصول المقاله

90 - حکمرانی هوش مصنوعی در دولت الکترونیک (چالش ها، فواید)
سید کامران یگانگی

علی رغم رشد روز افزون در حوزه هوش مصنوعی، بسیاری از مدیران سازمانی هنوز نتوانسته‌اند ارتباط خوبی با این فناوری برقرار کنند. سر در آوردن از هوش مصنوعی هم مثل هر تکنولوژی جدید دیگر که با کلی هیاهو و جنجال رسانه‌ای همراه است،‌ ممکن است گیج‌کننده باشد و حتی متخصصان هوش مصنو أکثر

علی رغم رشد روز افزون در حوزه هوش مصنوعی، بسیاری از مدیران سازمانی هنوز نتوانسته‌اند ارتباط خوبی با این فناوری برقرار کنند. سر در آوردن از هوش مصنوعی هم مثل هر تکنولوژی جدید دیگر که با کلی هیاهو و جنجال رسانه‌ای همراه است،‌ ممکن است گیج‌کننده باشد و حتی متخصصان هوش مصنوعی هم به‌سختی می‌توانند خود را با تحولات لحظه‌ای این فناوری همراه کنند. تحقیق حاضر سعی بر آن دارد تا به روش تحلیل مضمون به بررسی جامعی از پشت پرده‌ی تاثیر این فناوری مرموز و قدرتمند در هوشمند سازی مدیریت منابع انسانی بپردازد. بدین منظور یافته های جدیدترین مطالعات انجام شده در حوزه ی هوش مصنوعی با محوریت مدیریت منابع انسانی و کاربری دولت الکترونیک، از نشریات معتبر علمی- پژوهشی بین المللی مد نظر قرار گرفتند. پس از دسته بندی و کدگذاری داده های مذکور در نهایت روایت نظری تحقیق تدوین وارائه گرید. یافته های مذکور در پنج کد کلان شامل چالش های پیش روی هوش مصنوعی با نه مولفه، اخلاق حرفه ای با هفت مولفه ، نظام دولت الکترونیک با شش مولفه، نظام اداری با هفت مولفه، هوشمندسازی دولت ها با چهار مولفه احصا گردیدند. تفاصيل المقالة

حرية الوصول المقاله

91 - ارائه مدل پویایی لجستیک زنجیره تأمین بر اساس اینترنت اشیاء با تاکید بر بازاریابی آنلاین
محمدحسین روشن ضمیر محمدعلی کرامتی آزاده مهرانی

پژوهش حاضر باهدف ارائه مدل پویایی لجستیک زنجیره تأمین بر اساس اینترنت اشیاء با تأکید بر بازاریابی آنلاین انجام شد. مشارکت‌کنندگان این پژوهش، مدیران زنجیره تأمین باسابقه تدریس حداقل 15 سال و دارای مدرک کارشناسی ارشد و بالاتر بوده‌اند. انتخاب افراد به روش نمونه‌گیری هدفمن أکثر

پژوهش حاضر باهدف ارائه مدل پویایی لجستیک زنجیره تأمین بر اساس اینترنت اشیاء با تأکید بر بازاریابی آنلاین انجام شد. مشارکت‌کنندگان این پژوهش، مدیران زنجیره تأمین باسابقه تدریس حداقل 15 سال و دارای مدرک کارشناسی ارشد و بالاتر بوده‌اند. انتخاب افراد به روش نمونه‌گیری هدفمند با ملاک سابقه تدریس در دوره‌ تحصیلی ابتدایی انجام گردید. نمونه‌گیری با مشارکت 18 نفر از صاحب‌نظران و خبرگان صورت گرفت. ابزار جمع‌آوری داده‌ها، شامل دو بخش، 1- بررسی و کنکاش اسناد بالادستی، اسناد مرتبط با زنجیره تأمین، لجستیک و اینترنت اشیاء در بخش کتابخانه‌ای، 2- مصاحبه نیمه ساختاریافته در بخش میدانی بود که مصاحبه نیمه ساختاریافته با مشارکت‌کنندگان تا مرحله اشباع نظری ادامه یافت. براي تجزیه‌وتحلیل داده¬های کیفی از روش تحلیل مضمون براساس الگوی آتراید - استرلینگ استفاده شد. به منظور سنجش پایایی از ضریب هولستی، ضریب پی اسکات، شاخص کاپای کوهن و آلفای کرپیندروف استفاده گردید که مورد تائید قرار گرفت. در قسمت تحلیل مضمون از نرم افزار ATLASTI استفاده شده است.با توجه به نتایج از چهار معیار کمی برای بررسی قابلیت اعتبار، قابلیت انتقال، قابلیت تأیید و اطمینان پذیری استفاده‌شده است: ضریب هولستی، ضریب پی اسکات، شاخص کاپای کوهن و آلفای کرپیندروف. میزان همبستگی دیدگاه خبرگان با محاسبه ضریب هولستی (PAO) یا «درصد توافق مشاهده‌شده » 0/810 بدست آمده است که مقدار قابل توجهی است. با توجه به ایراداتی که به روش هولستی وارد است شاخص پی-اسکات نیز محاسبه شده است که میزان آن 0/799 بدست آمده است. چهارمین شاخص برآورد اعتبار تحقیقات کیفی شاخص کاپای کوهن است. شاخص کاپای کوهن در این مطالعه 0/746 بدست آمده است. در نهایت نیز از آلفای کرپیندروف استفاده‌شده است و میزان آن در این مطالعه 0/834 برآورد گردیده است. تفاصيل المقالة

حرية الوصول المقاله

92 - طراحی مدل عوامل اثرگذار در عدم جذب تسهیلات مالی تعاونی ها از منظر هوش مصنوعی
رضا زیاری زهرا مقیمی

تعاونيها به عنوان بنگاه هاي اقتصادي مردم نهاد ميتوانند نقش مهمي در ايجاد الگوهـاي فرهنگـي و اجرايـي در اقتصاد کشور ايفا نمايند. با توجه به وجود محدوديت منابع مالي در تعاونيها، يكي از راهكارهاي افزايش سهم بخش تعاون در اقتصاد ايران، اعمال سياستهاي حمايتي از طريق اعطاي تسه أکثر

تعاونيها به عنوان بنگاه هاي اقتصادي مردم نهاد ميتوانند نقش مهمي در ايجاد الگوهـاي فرهنگـي و اجرايـي در اقتصاد کشور ايفا نمايند. با توجه به وجود محدوديت منابع مالي در تعاونيها، يكي از راهكارهاي افزايش سهم بخش تعاون در اقتصاد ايران، اعمال سياستهاي حمايتي از طريق اعطاي تسهيلات اعتباري بخش دولتي است. این در حالی است که بخش تعاونی در کشور اغلب با رویکردها و ساختارهای سنتی در حال فعالیت است و در زمینه بکارگیری فناوری روز و بهره مندی از ظرفیت های هوش مصنوعی در دستیابی به اهداف تعیین شده، دارای محدودیت است. لذا پژوهش حاضر با هدف طراحی مدل عوامل اثرگذار در عدم جذب تسهیلات مالی تعاونی های استان سمنان از منظر هوش مصنوعی انجام گرفته است. تحقیق حاضر اکتشافی و از نوع تحقیقات کیفی می باشد. پس از مرور مبانی نظري و با استفاده از نظریه داده بنیاد و انجام مصاحبه های عمیق نیمه ساختار یافته با خبرگان اقدام به کدگذاری داده ها گردید و مدل نظری پژوهش ارائه شد. برای تشکیل پانل خبرگی تعداد 16 نفر از اساتید دانشگاه و خبرگان تجربی به روش نمونه گیری هدفمند انتخاب شدند. نتایج نشان داد «تدوین خط مشی های مناسب در خصوص بهره مندی از هوش مصنوعی»؛ «اعتبارسنجی متقاضیان دریافت تسهیلات با استفاده از ظرفیت های هوش مصنوعی»؛ «آشناسازی و توجیه متقاضیان با فرایندهای الکترونیکی و هوشمند دریافت تسهیلات»؛ «حذف موانع بوروکراتیک و مقررات دست¬وپاگیر بانکی»؛ «ثبات در مفاد اصلی آیین نامه ها»؛ و «ایجاد هماهنگی بین دستگاههای اجرایی درگیر» از راهبردهای موثر در جذب تسهیلات توسط تعاونیها می باشد. تفاصيل المقالة

حرية الوصول المقاله

93 - تاثیر رسانه¬های اجتماعی به کمک هوش مصنوعی بر مشارکت مشتری در صنعت خودروسازی
نسترن قهرمان زاده سید عبدالله حیدریه Younos Vakil Alroaia

در سال¬های اخیر کاربرد هوش مصنوعی در رسانه¬های اجتماعی افزایش یافته است و مدیران در تلاش هستند تا از این فرصت بالقوه برای مشارکت بیشتر مشتری استفاده کنند. هدف این مطالعه تاثیر رسانه اجتماعی به کمک هوش مصنوعی بر مشارکت مشتری در صنعت خودروسازی است. تحقیق به صورت توصیفی-پی أکثر

در سال¬های اخیر کاربرد هوش مصنوعی در رسانه¬های اجتماعی افزایش یافته است و مدیران در تلاش هستند تا از این فرصت بالقوه برای مشارکت بیشتر مشتری استفاده کنند. هدف این مطالعه تاثیر رسانه اجتماعی به کمک هوش مصنوعی بر مشارکت مشتری در صنعت خودروسازی است. تحقیق به صورت توصیفی-پیمایشی انجام شده است. جامعه تحقیق دو گروه کیفی و کمی هستند. مشارکت کنندگان در بخش کیفی شامل مدیران بازاریابی صنعت خودروسازی و اساتید دانشگاهی بازاریابی به تعداد 23 نفر هستند که به صورت نمونه¬گیری غیراحتمالی و هدفمند انتخاب شدند. جامعه آماری در بخش کمی شامل مشتریان صنعت خودروسازی است که به صورت تصادفی و 412 نفر انتخاب شدند. در بخش کیفی مولفه¬ها و شاخص¬های مدل با روش تحلیل محتوا شناسایی و استخراج شد و در نهایت به روش ضریب لاوشه تایید شدند. یافته¬های این بخش نشان داد که متغیر رسانه¬های اجتماعی دارای چهار مولفه شامل استراتژی، ارتباط، اعتماد و اطلاعات، و مشارکت مشتری دارای سه مولفه مشارکت اطلاعاتی، مشارکت رشد و مشارکت نوآوری است. بنابراین چهار فرضیه مطرح شد و داده¬های جمع آوری شده از طریق پرسش¬نامه با تکنیک مدلسازی معادلات ساختاری و نرم¬افزار اسمارت پی¬ال¬اس آزمون شد. نتیجه آزمون مدل نشان داد که بین استراتژی، ارتباط و اعتماد هوش مصنوی رسانه¬های اجتماعی و مشارکت مشتری ارتباط وجود ندارد. اما، بین اطلاعات هوش مصنوعی رسانه¬های اجتماعی و مشارکت مشتری رابطه مثبت و معنی¬داری وجود دارد. بنابراین، مدیران بازاریابی صنعت خودروسازی باید بر استراتژی ها، ارتباطات، اعتماد و اطلاعات هوش مصنوعی در رسانه¬های اجتماعی برای تشویق مشتریان به مشارکت در به¬اشتراک¬گذرای اطلاعات و ایده¬ها به کار بگیرند. تفاصيل المقالة

حرية الوصول المقاله

94 - اصل تناسب در پرتو استفاده از هوش مصنوعی در مخاصمات مسلحانه
سپیده اعلائی فرد مسعود راعی علیرضا انصاری مهیاری

هوش مصنوعی مانند هر علم دیگری دارای آثار مثبت و منفی متعددی بوده و شناسایی و پرداختن به این آثار کمک می‌کند تا در دوران مخاصمه در سریع‌ترین زمان مناسب‌ترین واکنش را در خصوص هدف نشان دهیم. با پیشرفت تکنولوژی و تأثیر آن در سلاح‌های جنگی، مخاصمات مسلحانه شکل جدید به خود گر أکثر

هوش مصنوعی مانند هر علم دیگری دارای آثار مثبت و منفی متعددی بوده و شناسایی و پرداختن به این آثار کمک می‌کند تا در دوران مخاصمه در سریع‌ترین زمان مناسب‌ترین واکنش را در خصوص هدف نشان دهیم. با پیشرفت تکنولوژی و تأثیر آن در سلاح‌های جنگی، مخاصمات مسلحانه شکل جدید به خود گرفته است.هوش مصنوعی به طور قابل توجهی پویایی جنگ را تغییر دهد، زیرا میتواند اطلاعات بیشتری را از موقعیتهای مختلف جنگ جمع آوری و تجزیه و تحلیل کند و بر اساس آن تصمیمات متناسب تری اخذ کند و بدین ترتیب موجب کاهش خسارات جانی و مالی در درگیری ها نسبت به مخاصمات سنتی گردیده است. با عنایت به تغییراتی که این تحول در حوزه حقوق مخاصمات ایجاد نموده است، بسیاری از مقتضیات اصول بنیادین حقوق بشردوستانه نیازمند تغییر است. یکی از مهم‌ترین این اصول، اصل تناسب است. درخصوص بازتعریف این اصل در این نوشتار پس از بیان ماهیت و ویژگی هوش مصنوعی و تبیین نسبت حقوق بشردوستانه با اصل تناسب، به بیان نقش تکنولوژی در مخاصمات مسلحانه پرداخته این و سپس وضعیت اعمال اصل تناسب در بکارگیری هوش مصنوعی را مورد مداقه قرار داده‌ایم و تأثیرات هوش مصنوعی را بر قابلیت تشخیص و ارزیابی هدف، تهدید و پاسخگویی بررسی نموده‌ایم. نتیجه حاصله آن که، به نسبت کاهش تلفات در اثر استفاده از فناوری اصل تناسب در مخاصمات مسلحانه باید با رویکردی انسان محور که ضامن استفاده مسئولانه و اخلاقی از این فناوری است مورد بازنگری قرار گیرد. تفاصيل المقالة

حرية الوصول المقاله

95 - پیشبرد یادگیری کتاب های درسی دوره ابتدایی بر مدار فناوری واقعیت افزوده و ارائه مدل
فرهاد شفیع پور حیدر تورانی

واقعیت افزوده، فناوری است که ازطریق دریافت و پردازش اطلاعات امکان درک بهتری از پدیده ها را فراهم می‌سازد. از اینرو مسئله پژوهش حاضر این است که فناوری واقعیت افزوده به چه نحوی به پیشبرد و درک بهتر دانش آموزان از محتوای یادگیری کتابهای درسی دوره ابتدایی کمک می کند؟ روش پ أکثر

واقعیت افزوده، فناوری است که ازطریق دریافت و پردازش اطلاعات امکان درک بهتری از پدیده ها را فراهم می‌سازد. از اینرو مسئله پژوهش حاضر این است که فناوری واقعیت افزوده به چه نحوی به پیشبرد و درک بهتر دانش آموزان از محتوای یادگیری کتابهای درسی دوره ابتدایی کمک می کند؟ روش پژوهش سنتزپژوهشی،میدان پژوهش کلیه مقالات منتشرشده سالهای 2024-2009، شیوه نمونه گیری بصورت هدفمند تا حد اشباع داده ها( به تعداد 34 مقاله) صورت پذیرفت.برای جمع آوری اطلاعات از پایگاههای معتبر علمی(اشپرینگر، الزویر، امرآلد،گوگل اسکالر،سیج پاپ،....) استفاده شد.برای روایی و اعتباریابی داده های از روش های تأیید پذیری،انتقال پذیری و اطمینان یابی استفاده بعمل آمد.بطور کلی نتایج نشان داد، مدل پیشبرد یادگیری دانش آموزان برمدار واقعیت افزوده بر ابعاد نُه گانه(فعال سازی یادگیرنده، تصویرسازی مفاهیم یادگیری، یادگیری تعاملی، یادگیری چندرسانه ای، یادگیری انگیزشی، قابلیت های یادگیری، فرصت یادگیری، یادگیری مبتنی بر واقعیت مجازی،یادگیری خلاقانه) استوار گردید. تفاصيل المقالة

حرية الوصول المقاله

96 - Enhancing Language Pragmatics Instruction through Artificial Intelligence: A Mixed-Methods Study
Weam Lateef Fenjan Alfuraiji

The purpose of this research was to evaluate whether or not Artificial Intelligence (AI) tools are effective in improving language pragmatics training for university students in Iraq who have an intermediate level of English proficiency. The research made use of a mixed أکثر

The purpose of this research was to evaluate whether or not Artificial Intelligence (AI) tools are effective in improving language pragmatics training for university students in Iraq who have an intermediate level of English proficiency. The research made use of a mixed-methods approach, which combines qualitative and quantitative data in order to investigate how artificial intelligence affects the acquisition of pragmatic competence (RQ1), learner perceptions (RQ2), and the effectiveness of AI in comparison to traditional methods (RQ3). The results of the study indicated that the intervention including the AI tool resulted in a statistically significant improvement in pragmatic competence scores when compared to the conventional method of instruction. Learners who were part of the experimental group also reported having favorable impressions of the effectiveness of the artificial intelligence tool. They highlighted the program's emphasis on practical application, as well as its interactive features and individualized feedback. This research makes a contribution to the field of language instruction by demonstrating the potential of artificial intelligence to develop a more interactive and individualized learning experience for pragmatics, which will ultimately lead to improved communication skills among students. تفاصيل المقالة

فهرس المقالات Artificial Intelligence

سند

الروابط

المراكز ذات الصلة

دعامة

الصفحات الرسمية