که روش‌ها و مدل‌های زیادی برای ارزشگذاری نام تجاری وجود دارد اما هنوز مشخص نشده که بهترین روش کدام است. با این حال، هنوز هیچ تحقیقی وجود ندارد که به طور پیمایشی به رتبه‌بندی روش‌های ارزشگذاری موجود از دید ذی‌نفعان مختلف بپردازد. در این مقاله، مدلی برای رتبه‌بندی روش‌های ارزشگذاری نام تجاری از دید مشتریان، به عنوان یکی از ذی‌نفعان ارزشگذاری نام تجاری، ارائه شده است. معیارهای این رتبه‌بندی انتظارات مشتریان از نام تجاری می‌باشد که طبق مدل ذی‌نفعان جونز عبارتند از کیفیت، شهرت، و منافع. اولویت این معیارها از طریق توزیع پرسشنامه در بین مشتریان مشخص می‌شود. سپس از فرآیند سلسله مراتب تحلیلی ( AHP) برای رتبه‌بندی روش‌های ارزشگذاری نام تجاری با توجه به این معیارها استفاده می‌شود. یافته‌های پیمایشی این تحقیق بیانگر این موضوع است که در انتخاب مناسب‌ترین روش ارزشگذاری نام تجاری از دید مشتریان صنعت مالی، هر چه یک روش بیشتر به ارزیابی منافع بپردازد، روش مناسب‌تری برای ارزشگذاری نام تجاری می‌باشد. از بین روش‌های مورد مطالعه در این تحقیق، روش ارزشگذاری کلر بیشترین توجه به معیار منافع را داشته و به عنوان بهترین روش برای این منظور تعیین شد. این مقاله تلاش می‌کند برای جنگل روش‌های ارزشگذاری نام‌ تجاری نقشه‌ای فراهم کند تا به کاربران و دانشگاهیان در ارزیابی روش‌های بدیل ارزشگذاری نام تجاری و انتخاب مناسب ترین آن‌ها از دید مشتریان کمک کند. پرونده مقاله

اندازه گیری ارزش ویژه نام تجاری هم برای ذینفعان داخل سازمان و هم برای تعدادی از ذینفعان خارج سازمان حائز اهمیت است. اگر چه که روش ها و مدل‌های زیادی برای ارزش گذاری نام تجاری وجود دارد اما هنوز مشخص نشده که بهترین روش کدام است. با این حال، هنوز هیچ تحقیقی وجود ندارد که به طور پیمایشی به رتبه بندی روش های ارزش گذاری موجود از دید ذینفعان مختلف بپردازد. در این مقاله، مدلی برای رتبه بندی روش های ارزش گذاری نام تجاری از دید مشتریان، به عنوان یکی از ذینفعان ارزش گذاری نام تجاری، ارائه شده است. معیارهای این رتبه‌بندی انتظارات مشتریان از نام تجاری می باشد که طبق مدل ذینفعان جونز عبارتند از کیفیت، شهرت، و منافع. اولویت این معیارها از طریق توزیع پرسشنامه در بین مشتریان مشخص می شود. سپس از فرآیند سلسله مراتب تحلیلی (AHP) برای رتبه بندی روش های ارزش گذاری نام تجاری با توجه به این معیارها استفاده می شود. یافته های پیمایشی این تحقیق بیانگر این موضوع است که در انتخاب مناسب ترین روش ارزش گذاری نام تجاری از دید مشتریان صنعت مالی، هر چه یک روش بیشتر به ارزیابی "منافع" بپردازد، روش مناسب تری برای ارزش گذاری نام تجاری می باشد. از بین روش‌های مورد مطالعه در این تحقیق، "روش ارزش گذاری کلر" بیشترین توجه به معیار منافع را داشته و به عنوان بهترین روش برای این منظور تعیین شد. این مقاله تلاش می کند برای جنگل روش‌های ارزش گذاری نام‌‌ تجاری نقش ه ای فراهم کند تا به کاربران و دانشگاهیان در ارزیابی روش های بدیل ارزش گذاری نام تجاری و انتخاب مناسب ترین آن ها از دید مشتریان کمک کند. پرونده مقاله

Heart disease is a prevalent and life-threatening condition that poses significant challenges to healthcare systems worldwide. Accurate and timely diagnosis of heart disease is crucial for effective treatment and patient management. In recent years, machine learning algorithms have emerged as powerful tools for predicting and identifying individuals at risk of heart disease. This article highlights the importance of heart disease diagnosis and explores the potential of machine learning algorithms in enhancing the diagnosis of heart disease accuracy. This article presents a study to develop a model for predicting heart disease in the Cleveland patient dataset. The innovation of this research involved identifying and handling outlier data using Winsorized and Logarithmic transformation methods. We also used Wrapper and Embedded methods to determine the most critical features for diagnosing heart disease. In addition to the usual features, Exercise-induced angina and No. of major vessels were found to be important. We then compared the performance of four machine learning algorithms, including KNN, Naïve Bayes' Classifier, Decision Tree, and Support Vector Classifier to determine the best algorithm for predicting heart disease. The findings showed that the Decision Tree algorithm had the best performance with an accuracy of 97.95%. پرونده مقاله

The location-routing problem is the most significant and yet new research field in location problems that considers simultaneously vehicle routing problem features with original one for achieving high-quality integrated distribution systems in beside of the global optimum. Simultaneous pickup and delivery based on time windows are the two main characteristics of logistic management that have been used separately in most of the location routing problem in spite of their various real-life application with together. Furthermore, distribution manager always trying to create a distributed system layout along with the lowest total system cost and enhancing service levels for providing all customers satisfaction. Accordingly, in the current paper is considered the mentioned gap, that is to say the bi-objective capacitated location-routing problem based on simultaneous pickup and delivery with soft time window and multi depots (BOCLRPSPDSTW). For achieving the main goal, bi-objective mixed-integer linear programming model for BOCLRPSPDSTW, on the one hand minimizing summation of all problem costs and on the other hand, for meeting customer service level minimizing maximum summation of delivery times and service times are addressed. To solve the presented model, NSGAII and NRGA are proposed and at last efficiency of the anticipated solutions are depicted by testing them in a data set. پرونده مقاله