List of Articles linear models

• Open Access Article
  • Abstract Page
  • Full-Text
  
  1 - 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 More

  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. Manuscript profile
• Open Access Article
  • Abstract Page
  • Full-Text
  
  2 - Nonlinear models, an evolution in black box optimization in the relationship between human resource practices and organizational performance
  masoud zolghadr Naser Hamidi seyed mahdi alvani gholamreza memarzadeh tehran
  The recent challenge for organizations in new workplace is to focus on the productivity of work practices in the organization. Since employees are considered as the main intangible resource of the organization, paying attention to the optimal use of modern working pract More

  The recent challenge for organizations in new workplace is to focus on the productivity of work practices in the organization. Since employees are considered as the main intangible resource of the organization, paying attention to the optimal use of modern working practices can reduce the risk of responding to external stimuli. It can ensure the productivity of human resources in achieving the goals and improving the performance of the organization while achieving the internal fit of the system components. In the present study, with a method based on nonlinear modeling, it is possible to optimize an array of native components and their dimensions as black boxes between teamwork and organizational performance, according to two factors: adequacy and complexity.By evaluating the views of more than 80 human resources experts, out of 16,383 combinations, the optimal array with the most effective role of the components of work conscience, spirit of cooperation and social adjustment and empowerment in the relationship between teamwork and performance of the studied organizations was introduced. By examining the ideal error composite statistics index, the elimination of the dimensions of "group and social relations" and "control of organizational decisions" from the last two components, respectively, can be considered as the optimization factor of the array. Manuscript profile
• Open Access Article
  • Abstract Page
  • Full-Text
  
  3 - ‎Why Linear (and Piecewise Linear) Models Often Successfully Describe Complex Non-Linear Economic‎ ‎and Financial Phenomena‎: ‎A~Fuzzy-Based Explanation
  Hung Nguyen Vladik Kreinovich
  10.30495/tfss.2023.1972564.1054
  Economic and financial phenomena are highly complex and non-linear. However, surprisingly, in many cases, these phenomena are accurately described by linear models – or, sometimes, by piecewise linear ones. In this paper, we show that fuzzy techniques can explain the un More

  Economic and financial phenomena are highly complex and non-linear. However, surprisingly, in many cases, these phenomena are accurately described by linear models – or, sometimes, by piecewise linear ones. In this paper, we show that fuzzy techniques can explain the unexpected efficiency of linear and piecewise linear models: namely, we show that a natural fuzzy-based precisiation of imprecise (“fuzzy”) expert knowledge often leads to linear and piecewise linear models. We show this by applying invariance ideas to analyze which membership functions, which fuzzy “and”-operations (t-norms), and which fuzzy implication operations are most appropriate for applications to economics and finance. We also discuss which expert-motivated nonlinear models should be used to get a more accurate description of economic and financial phenomena: specifically, we show that a natural next step is to add cubic terms to the linear (and piece-wise linear) expressions, and, in general, to consider polynomial (and piece-wise polynomial) dependencies. Manuscript profile
• Open Access Article
  • Abstract Page
  • Full-Text
  
  4 - مقایسه رشد بزغاله‌های نر و ماده ناندسکریپت در یک منطقه نیمه خشک نیجریه
  A.O. Raji L.G. Asheikh I.D. Mohammed
  این مطالعه کاربرد پنج مدل مختلف برای توصیف رشد بزغاله‌های دو جنس نر و ماده ناندسکریپت از تولد تا 20 هفتگی را مقایسه می‌کند. تعداد پنجاه و نه (59) بزغاله ناندسکریپت در مزرعه آموزشی و تحقیقاتی دانشگاه مایدوگوری نیجریه به طور هفتگی توزین شدند و مدل سازی بر اساس وزن زنده صو More

  این مطالعه کاربرد پنج مدل مختلف برای توصیف رشد بزغاله‌های دو جنس نر و ماده ناندسکریپت از تولد تا 20 هفتگی را مقایسه می‌کند. تعداد پنجاه و نه (59) بزغاله ناندسکریپت در مزرعه آموزشی و تحقیقاتی دانشگاه مایدوگوری نیجریه به طور هفتگی توزین شدند و مدل سازی بر اساس وزن زنده صورت گرفت. متغیرهای بیولوژیکی مربوطه برای هر بزغاله از طریق مدل‌های لجستیک، گمپرتز، ریچاردز، مونو مولکولی و مدل وایبل برآورد شد. مدل‌ها با استفاده میزان انطباق معیارهای ضریب تعیین (R2)، میانگین مربع خطا (MSE)، انحراف معیار (SD) و معیارهای اطلاعات آکائیک (AIC) مقایسه شدند. در هر دو جنس، همه مدل‌های غیر خطی به خوبی برازانده شدند، با R2 در دامنه 911/0-943/0 و 923/0-95/0 به ترتیب برای نر و ماده بود. علاوه بر این، نرها وزن تقریبی بالاتری در مقایسه با ماده‌ها داشتند در حالیکه عکس آن در مورد نرخ رشد مشاهده شد. بزغاله‌های نر وزن عطف سنگین تر و سن بالاتر از ماده‌ها برای تمام مدل داشتند. با این حال، این مقادیر برای مدل لجستیک بیشتر از گومپرتز بود. مدل تک ملکولی R2 بالاتر و MSE، SD و AIC پایین‌تر در هر دو جنس نر و ماده داشت. می‌توان نتیجه گرفت که مدل‌های رشد غیر خطی برای برآورد وزن زنده به عنوان تابعی از سن برای هر دو جنس نر و ماده بزغاله‌های ناندسکریپت در نیجریه مناسب بود. با این حال، بهترین مدل تک مولکولی بر اساس فراسنجه‌های مدل و میزان انطباق معیارهای مناسب بود. Manuscript profile
• Open Access Article
  • Abstract Page
  • Full-Text
  
  5 - مقایسه شبکه عصبی مصنوعی و مدل‌های رگرسیونی برای پیش‌بینی وزن بدن در بز کرکی راینی
  م. خورشیدی-جلالی م.ر. محمدآبادی ع. اسمعیلی‌زاده ا. برازنده ُ.ا. بابنکو
  شبکه­های عصبی مصنوعی الگوریتم­های آموزشی و مدل­های ریاضی هستند که توانایی تقلید از مغز انسان در پردازش اطلاعات را دارند و می­توانند داده­های پیچیده و غیر خطی را مورد استفاده قرار دهند. هدف این پژوهش مقایسه شبکه عصبی مصنوعی و مدل­های رگرسیونی برای More

  شبکه­های عصبی مصنوعی الگوریتم­های آموزشی و مدل­های ریاضی هستند که توانایی تقلید از مغز انسان در پردازش اطلاعات را دارند و می­توانند داده­های پیچیده و غیر خطی را مورد استفاده قرار دهند. هدف این پژوهش مقایسه شبکه عصبی مصنوعی و مدل­های رگرسیونی برای پیش‌بینی وزن بدن در بز کرکی راینی بود. داده­های 1389 بز برای وزن بدن، ارتفاع جدوگاه، طول بدن و قفسه سینه مورد استفاده قرار گرفت. مدل­های رگرسیونی مختلف با تمام فاکتورهای ثابت برای بیشتر حالت­های ممکن و با درجه­های مختلف محاسبه شدند و دو شبکه عصبی مصنوعی با لایه­های مخفی متفاوت، توابع آموزش و توابع انتقال گوناگون استفاده شدند. در نهایت، مدل پرسپترون چند لایه با یک لایه مخفی به همراه نرون­ها انتخاب و استفاده شد. همبستگی بین وزن بدن و اندازه‌گیری­هایش نشان داد که می­توان از اندازه­های بدن برای پیش‌بینی وزن بدن استفاده کرد و هرچه اندازه­های بیشتری استفاده شوند پیش‌بینی دقیق­تری انجام خواهد شد. براساس پارامترهای R2و MSE، بهترین معادله رگرسیون فیت شده برای پیش‌بینی وزن بدن با استفاده از اندازه‌گیری­های ابعاد بدن انتخاب شد. در حالیکه هر سه اندازه در مدل اثر معنی‌داری داشتند (0001/0P<)، ارتفاع جدوگاه بالاترین ضریب را داشت (65/0)، بنابراین می­تواند بیشترین اثر را در پیش‌بینی داشته باشد. مقایسه دو مدل نشان داد که هر دو مدل می­توانند به خوبی وزن بدن را، نزدیک به وزن واقعی آن پیش‌بینی کنند، اما توانایی شبکه عصبی مصنوعی بالاتر است (R2 برای شبکه عصبی مصنوعی 86/0 و برای مدل­های رگرسیونی 76/0) و به ورن واقعی بدن نزدیک­تر می­باشد. با این وجود، اگر اندازه­های مرتبط بیشتری رکورد‌برداری شوند می­توان نتایج مطلوب­تری را با شبکه عصبی مصنوعی به دست آورد. بنابراین، از شبکه عصبی مصنوعی می­توان به جای روش­های سنتی مرسوم برای پیش‌بینی وزن واقعی بدن با استفاده از اندازه­های بدن استفاده کرد. Manuscript profile
• Open Access Article
  • Abstract Page
  • Full-Text
  
  6 - Operational Conditions of Micronized Maize Grains Assessed by Modeling Ruminal in vitro Gas Production Data and Three Steps Method
  R. Samsami A. Rohani V. Heidarian Miri س.ه. ابراهیمی
  Manuscript profile
• Open Access Article
  • Abstract Page
  • Full-Text
  
  7 - ویژگی‌های مختلف زنان کشاورز در توسعه روستائی بر اساس دامپروری
  حسین بیورانی سیمین ناصری
   زنان روستائی نقش تاثیرگذاری در فعالیت­های اقتصادی، اجتماعی جامعه دارند، به­طوری که توسعه ملّی بدون توجه به این بخش از جامعه ما امکان­پذیر نیست. میزان مشارکت زنان روستائی در فعالیت­های کشاورزی و به طور اخص در دامپروری،  نقش اصلی و تاثیرگذار در More

   زنان روستائی نقش تاثیرگذاری در فعالیت­های اقتصادی، اجتماعی جامعه دارند، به­طوری که توسعه ملّی بدون توجه به این بخش از جامعه ما امکان­پذیر نیست. میزان مشارکت زنان روستائی در فعالیت­های کشاورزی و به طور اخص در دامپروری،  نقش اصلی و تاثیرگذار در توسعه اقتصادی مناطق روستائی دارد. این تحقیق در استان آذربایجان شرقی واقع در شمال­غرب ایران انجام شده است. حجم نمونه 200 زن روستائی درگیر در فعالیت­های کشاورزی بود که از روش نمونه­گیری طبقه­ای استفاده شده است. به منظور پیدا کردن رابطه بین مولفه­ های مختلف زنان روستائی درگیر در فعالیت­های کشاورزی، از آزمون همبستگی و مدل­های خطی عمومی استفاده شده است. نتایج حاصل از این روش­ها نشان می­دهد که اندازه خانوار، میزان انگیزه و ارتباط با عوامل ترویج، میزان فعالیت­هائی که زنان به طور همیشگی در آن درگیر هستند و تداخل بین امور و فعالیت­های مربوط به زنان و نیز استفاده از وسائل ارتباط جمعی دارای رابطه مستقیم و مثبت با میزان مشارکت زنان کشاورز در فعالیت­های دامپروری است. Manuscript profile
• Open Access Article
  • Abstract Page
  • Full-Text
  
  8 - Robust Cluster-Based method for monitoring generalized linear profiles in phase I
  Davood Saremian Rassoul Noorossana Sadigh Raissi Paria Soleimani
  10.30495/jiei.2021.1920761.1085
  Manuscript profile
• Open Access Article
  • Abstract Page
  • Full-Text
  
  9 - Integrated User-friendly Environment For A 2-D Nonlinear Analysis Program
  Hugo Rodrigues Xavier Romão Aníbal Costa Humberto Varum
  Manuscript profile
• Open Access Article
  • Abstract Page
  • Full-Text
  
  10 - Using Smooth Transition Regression (STR) to predict Business Cycles
  Harmony Shahmoradi Hamid Abrishami Oranus Parivar
  Forecasting business cycles is very important in macroeconomic and it is an important part in process of economic decision-making and policy. In recent years, non-linear models have been considered more for forecasting economic variables and application of these models More

  Forecasting business cycles is very important in macroeconomic and it is an important part in process of economic decision-making and policy. In recent years, non-linear models have been considered more for forecasting economic variables and application of these models has been made a significant improvement in modeling of the behavior of variables in the area of macroeconomic and particularly financial economics. This article provides a convenient and powerful model for forecasting business cycles by using smooth transition regression (STR). The results show that very little error that indicates model performance is acceptable. Manuscript profile