اهداف: در این پژوهش، نحوه تصمیم گیری ذینفعان نظام مالی ایران برای بهبود عملکرد بازارهای مالی و افزایش اقبال سرمایه‌گذاران و اعتماد عمومی به اوراق بهادار اسلامی دولت با پیاده سازی درشبکه های پیام رسان موبایلی در راستای توسعه بازار های بدهی طی سالهای 1396تا 1398 بررسی شده است.روش : جامعۀ آماری را مدیران سازمان بورس اوراق بهادار تهران ، فرابورس و مرکز مدیریت بدهی ها و دارایی های عمومی وزارت امور اقتصادی و دارایی تشکیل می دهند. فرضیه ها ازطریق فنون تحلیل عاملی و مدل یابی معادلات ساختاری با استفاده از نرم افزارهای Spss ، MicMac و Smartpls آزمون شده است. این پژوهش از نوع توصیفی- پیمایشی و شیوه گردآوری داده ها پرسشنامه بود که برای تأیید پیشنهادها، روش دلفی یا نظرسنجی از خبرگان با استفاده از پرسش‌نامه ها و مصاحبه ها به ‌کار گرفته شد. نتایج : شاخص های موثر برای توسعه بازار بدهی و روابط بین شاخص های موثر در توسعه بازار بدهی با ارزیابی استفاده از شبکه پیام رسان موبایلی شناسایی شدند و متناسب با نیازمندیهای موجود هر یک از شاخص های موثر بر توسعه بازار بدهی که شامل عوامل ساختاری - فنی، فرهنگی، قانونی و سرمایه گذاری بودند ، ارایه گردید که در نهایت در قالب شبکه های پیام رسان موبایلی پیاده سازی گردید. Manuscript profile

در فضای کسب و کار امروزی استفاده از ابزارهای تامین مالی مطابق با شریعت و بهره گیری از تکنولوژی های نوین ارتباطی می‌تواند زمینه رشد و توسعه اقتصادی و افزایش رضایتمندی سرمایه گذاران بازار بدهی را بیش از پیش فراهم نماید. با توجه به شرایط و ضوابط نظامهای تامین مالی کشور و محدودیتهای ابزارهای تامین مالی در کشور در پژوهش حاضر الگوی تامین مالی اسلامی و ارتباط بین شاخصهای موثر برتوسعه بازارهای مالی و تکنولوژیهای نوین ارتباطی طی سالهای 1396تا 1398 بررسی شده است.با مطالعۀ عمیق کتابخانه ای منابع داخلی و بین المللی، بهره گیری از یافته های علم سنجی به دلیل نوظهور بودن تکنولوژیهای ارتباطی، جدید بودن موضوع توسعه بازار بدهی های دولت، کمبود منابع تحقیقاتی، دقت و سرعت بالا و نیز نوآوری انجام شد، درگام بعد با روش دلفی دو مرحله ای، توافق راهکارهای اجرایی حاصل شد. جامعۀ آماری را خبرگان اقتصادی، خبرگان رسانه، مدیران سازمان بورس اوراق بهادار تهران، فرابورس و مرکز مدیریت بدهی ها که همگی درگیر در پیاده سازی مدل تامین مالی بوده اند، تشکیل می دهند و با توجه به هدف تحقیق به صورت هدفمند انتخاب شدند. برای مدل سازی معادلات ساختاری با استفاده از نرم افزارهای Spss، MicMac وSmartpls برای آزمون مدل استفاده شد و زیر شاخص های متناسب با نیازمندی های موجود هر یک از شاخص های موثر بر توسعه بازار بدهی ارایه گردید. Manuscript profile

صنعت هوایی کشور، متشکل از شرکتهای تولید کننده و پشتیبان در حوزه هوایی، به عنوان اصلی ترین قطب نگهداشت و ساخت مجموعه های هوایی شناخته می شود. شرکت‌هایی که در داخل کشور در امر نگهداری و تعمیر هواپیما فعالیت می‌کنند، می توانستند پیش از اعمال تحریم های ظالمانه آمریکا و کشورهای غربی، با امکاناتی که در دسترس خود بود مشکلات فنی این هواپیماها را حل نموده و پشتیبانی لازم را از ناوگان هوایی کشور داشته باشند، اما پس از اعمال تحریم ها، این شرکت‌های، با مشکلات مربوط به تامین قطعات و تجهیزات مورد نیاز برای تعمیر هواپیماها و بالگردها روبه‌رو شدند که باید اذعان داشت که مشکل مهمی است. همچنین محدودیت در دسترسی به کتابچه ها و اسناد پشتیبان فنی نیز در این امر مهم، تشدید کننده بود. با توجه به اینگه ناوگان هوایی کشور می تواند به عنوان یکی از استراتژیک ترین ارکان اصلی کشور در حوزه های حمل و نقل، دفاعی و ... باشد، پس می بایست برای حل این مشکل راه کار ارائه شود. در این پژوهش، سعی بر آن شده است تا با بررسی مسئله و مدل سازی آن از طریق رویکرد سیستم های نرم، نقشه راهی جهت نیل به این هدف با استفاده از روش ساختاردهی تفسیری ارائه گردد تا بتواند صنعت هوایی کشور را در این برهه از زمان که می بایست به خودکفایی برسد، هدایت و راهبری نماید. Manuscript profile

The application of fuzzy linear programming and optimization techniques has a rich history in various domains. In recent years, the rise in employee terminations within large companies has underscored the significance of employee performance and its impact on organizational progress. To address this issue, it becomes crucial to determine the appropriate number of employees required to effectively execute company projects, considering employee performance and organizational needs. Additionally, it is essential to identify an optimal employee count as a benchmark prior to hiring. This optimal value can be achieved through the utilization of optimization methodologies, such as fuzzy linear programming. This research paper presents a solution to the employee hiring problem in a factory by utilizing the fuzzy linear programming method. The findings reveal that increasing the number of hires does not necessarily correlate with enhanced performance. The findings of this paper enable organizations to make informed decisions regarding employee recruitment and enhance overall operational efficiency. Manuscript profile

Advanced data mining techniques can be used in universities classification, discovering specific patterns in the determination of successful students, design of a plan or a teaching method and finding critical points of financial management. In this article, we proposed a method to predict the rate of student enrollment in coming years. The data for this research were from data sets of volunteers’ postgraduate Islamic Azad university entrance exam. At first stage, we built 15 different neural networks. In order to increase the accuracy, we employed the collective bagging and boosting models. Finally, the four models, neural networks, decision trees, Bayes simple and logistic regression, were applied on the dataset and evaluate by three criteria included, accuracy, Matthews correlation and ROC curve. The findings indicated that to predict “Students who were accepted” would enroll; the bagging method is the most accurate one. Manuscript profile

Data gathering is a common but a critical operation in many applications of wireless sensor networks. So, innovative techniques that improve energy efficiency to prolong the network lifetime are highly required. In this research, we analyze the reduction of energy consumption in wireless sensor networks. A sensor network consists of a large number of limited-energy sensor nodes, which are widely distributed in an environment that sense and collect the environmental information. In most applications of wireless sensor networks, there is no possibility of charging node batteries. In these types of networks, the most important challenge is the power constraint that directly affects the lifetime of the sensor network. Protocols designed in these networks should be accompanied by efficient energy consumption. The LEACH protocol is one of the well-known protocols that are widely used in this field. In this study, we use genetic algorithm and fuzzy clustering for improving the LEACH protocol. Our results show that the proposed algorithm has needs energy consumption in comparison with the original version. This leads to a prolonged network lifetime, which is one of the most important issues in wireless sensor networks. Manuscript profile

Recently, image segmentation based on graph cut methods has shown impressive performance on a set of image data. Although the kernel graph cut method provides good performance, its performance is highly dependent on the data mapping to the transformation space and image features. Entropy-based kernel graph cut method is suitable for segmentation of textured images. However, the quality of its segmentation is affected by the quality of extracting kernel centers. This paper examines the segmentation of textured images using the entropy-based kernel graph cut method based on weighted k-means. Using the advantages of kernel space, the objective function consists of two data terms to transfer the data standard deviation of each area in the segmented image and the regularization term. The proposed method, while using the advantages of suitable computational load of graph cut methods, will be a suitable alternative for segmenting textured images. Laboratory results have been taken on a set of well-known datasets that include textured shapes in order to evaluate the efficiency of the algorithm compared to other states-of-the-art methods in the field of kernel graph cut. Manuscript profile