فهرست مقالات الگوریتم ژنتیک غیرخطی

• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  1 - مقایسه قدرت پیش بینی بحران مالی توسط تکنیک های مختلف هوش مصنوعی
  زهرا پورزمانی حسن کلانتری
  امروزه پیشرفت سریع فن‌آوری و تغییرات محیطی وسیع، منجر به رقابت روزافزون شده و دستیابی به سود را محدود و احتمال دچار شدن به بحران مالی را افزایش داده است. هدف این تحقیق بررسی قدرت پیش‌بینی بحران مالی توسط تکنیک‌های مختلف هوش مصنوعی(الگوریتم ژنتیک خطی و غیر خطی و شبکه عصب چکیده کامل

  امروزه پیشرفت سریع فن‌آوری و تغییرات محیطی وسیع، منجر به رقابت روزافزون شده و دستیابی به سود را محدود و احتمال دچار شدن به بحران مالی را افزایش داده است. هدف این تحقیق بررسی قدرت پیش‌بینی بحران مالی توسط تکنیک‌های مختلف هوش مصنوعی(الگوریتم ژنتیک خطی و غیر خطی و شبکه عصبی) است. بر اساس اطلاعات و آمارهای در دسترس شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران در طی دوره 1389-1376، از بین شرکت‌های مشمول ماده 141 قانون تجارت، 72 شرکت و از بین بقیه شرکت‌ها نیز 72 شرکت انتخاب شد. نتایج آزمون مک‌نمار برای تکنیک‌های الگوریتم ژنتیک غیرخطی و شبکه عصبی نشان می‌دهد که تفاوت معنی‌داری بین نتایج الگوریتم ژنتیک خطی و غیرخطی با شبکه عصبی وجود ندارد. اگر چه دقت پیش‌بینی الگوریتم ژنتیک غیرخطی(90 درصد) و الگوریتم ژنتیک خطی(80 درصد) بیشتر از شبکه عصبی(70 درصد) است ولی این تفاوت از لحاظ آماری معنی‌دار نیست. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  2 - مقایسه کارایی تکنیک‌های تجزیه‌وتحلیل درونی و مقایسه‌ای داده در الگوریتم ژنتیک غیرخطی جهت پیش‌بینی سودآوری شرکت‌ها
  زهرا پورزمانی
  هرچند دانسته‌ها در مورد روش تصمیم‌گیری استفاده‌کنندگان از صورت‌های مالی اندک است. اما به‌طور قطع می‌توان گفت بخشی از تصمیم‌گیری، به پیش‌بینی توانایی سودآوری آینده شرکت‌ها مربوط می‌شود. همچنین سودآوری به‌عنوان مبنایی برای ارزیـابی کـارایی مـدیران شرکت‌ها مورداستفاده قرار چکیده کامل

  هرچند دانسته‌ها در مورد روش تصمیم‌گیری استفاده‌کنندگان از صورت‌های مالی اندک است. اما به‌طور قطع می‌توان گفت بخشی از تصمیم‌گیری، به پیش‌بینی توانایی سودآوری آینده شرکت‌ها مربوط می‌شود. همچنین سودآوری به‌عنوان مبنایی برای ارزیـابی کـارایی مـدیران شرکت‌ها مورداستفاده قرار می‌گیرد. این پژوهش، باهدف معرفی الگـوریتم مـناسب جهت پیش‌بینی سودآوری به تصمیم‌گیرندگان، با استفاده از 23 نسبت مالی برتر، به ‌عنوان متغیر مستقل، به مقایسه توانمندی تکنیک‌های تجزیه ‌و تحلیل درونی و مقایسه‌ای داده در الگوریتم ژنتیک غیرخطی در پیش‌بینی سودآوری آینده شرکت‌های پذیرفته‌شده در بـورس اوراق بهـادار تهران طی سال‌های 1371 تا 1391 پرداخته که طبق نتایج به‌دست‌آمده، نتایج نشان می‌دهد مدل الگوریتم ژنتیک غیرخطی مبتنی بر تجزیه ‌و تحلیل درو نی داده‌ها با دقت 90.04% دارای توانمندی بیشتری در پیش‌بینی سودآوری نسبت به مدل الگوریتم ژنتیک غیرخطی مبتنی بر تجزیه ‌و تحلیل مقایسه‌ای داده‌ها با دقت 72.85% می‌باشد. پرونده مقاله