-
دسترسی آزاد مقاله
1 - استنباط های کلاسیک و بیزی ، در توزیع پواسن-نمایی بر پایه ی داده های سانسور شده‌ی هیبرید فزاینده نوع دو
معصومه محمدی منفرد محمد حسن بهزادی رضا عربی بلاغیدر این مقاله به مسئله‎ براوردیابی پارامترهای نامعلوم وقتی داده های طول عمر دارای توزیع پواسن-نمایی تحت طرح سانسور هیبرید فزاینده نوع دو هستند‏، در حالت کلاسیک و بیز می‌پردازیم. براوردگرهای نقطه ای و فاصله ای را تحت تقریب های کلاسیک و بیزی محاسبه می کنیم. برای مح چکیده کاملدر این مقاله به مسئله‎ براوردیابی پارامترهای نامعلوم وقتی داده های طول عمر دارای توزیع پواسن-نمایی تحت طرح سانسور هیبرید فزاینده نوع دو هستند‏، در حالت کلاسیک و بیز می‌پردازیم. براوردگرهای نقطه ای و فاصله ای را تحت تقریب های کلاسیک و بیزی محاسبه می کنیم. برای محاسبه‌ی براوردهای نقطه ای، برآوردگرهای ماکزیمم درستنمایی را با استفاده از دو الگوریتم امیدریاضی گرفتن-ماکزیمم کردن و امیدریاضی گرفتن-ماکزیمم کردن تصادفی تحت تقریب کلاسیک بدست می آوریم. این الگوریتم ها به راحتی اجرا می شوند. همچنین برآوردهای بیزی را با بکار بردن روش تقریب لیندلی و تکنیک نمونه گیری ازنقاط مهم تحت پیشین های آگاهی بخش و ناآگاهی بخش با استفاده از تابع زیان های مربع خطا، آنتروپی و لاینکس محاسبه می کنیم. برآوردگرهای بازه ای کلاسیک و بیزی مرتبط، با در نظر گرفتن ماتریس اطلاع فیشر و روش چن-شائو محاسبه می شود. مجموعه ی داده های واقعی را آنالیز می کنیم و مطالعات شبیه سازی مونت کارلو برای مقایسه ی روش های پیشنهادی مختلف، انجام می شود.‎ سرانجام نتیجه گیری و پیشنهادات را ارائه می کنیم . پرونده مقاله -
دسترسی آزاد مقاله
2 - مدل اتورگرسیو غیرخطی مرتبه ی اول نیمه پارامتری با خطاهای وابسته و چوله نرمال
لیلا سخابخش رحمان فرنوش افشین فلاح محمد حسن بهزادیروش های متداول برای تحلیل مدل های اتورگرسیو غیرخطی بر فرض نرمال بودن خطاها بنا نهاده شده است، این در حالی است که در بسیاری از کاربردها، مانده ها ساختاری غیرنرمال را نشان می دهند و استفاده از این روش ها به پیش یینی های گمراه کننده و غیرقابل اعتماد منجر می شود. همچنین در چکیده کاملروش های متداول برای تحلیل مدل های اتورگرسیو غیرخطی بر فرض نرمال بودن خطاها بنا نهاده شده است، این در حالی است که در بسیاری از کاربردها، مانده ها ساختاری غیرنرمال را نشان می دهند و استفاده از این روش ها به پیش یینی های گمراه کننده و غیرقابل اعتماد منجر می شود. همچنین در این شرایط روش های پارامتری و ناپارامتری در برآورد تابع رگرسیون غیرخطی از کارایی لازم برخوردار نیستند. در این مقاله ، مدل اتورگرسیو غیرخطی مرتبه ی اول با خطاهای وابسته و چوله نرمال معرفی و یک روش نیمه پارامتری برای برآورد قسمت غیرخطی مدل پیشنهاد شده است. پارامترهای مدل با استفاده از روش ماکسیمم درستنمایی و با به کارگیری الگوریتم EM برآورد شده اند.کارایی مدل پیشنهادی با استفاده از یک مطالعه شبیه سازی و تحلیل یک مجموعه داده واقعی مربوط به داده های روزانه نرخ برابری یورو به دلار ، مورد بررسی قرار گرفته است. پرونده مقاله -
دسترسی آزاد مقاله
3 - بررسی پلی مورفیسم ژن1DISCدخیل در تکامل قشر مخ و توسعه شبکة عصبی بیماران اسکیزوفرنی: اولین مطالعه بر روی یک جمعیت ایرانی
علی رضا پور طالبی فیروزآبادی اباصلت حسین زاده کلاگر جلیل فلاح مهرآبادی غلامرضا بیدخوریزمینه و هدف:اسکیزوفرنی یک بیماری شایع روانی با وراثت بالا و فنوتیپ متغیر است و 1 DISCنقش مهمی را در توسعه قشر مخ ایفا میکند. پلیمورفیسم در این ژن با مدل‌های بیولوژیکی عصبی اسکیزوفرنی که کمبود قشر مغز در پاتوفیزیولوژی آن دخیل است ارتباط دارد. این پژوهش با هدف تشخیص پل چکیده کاملزمینه و هدف:اسکیزوفرنی یک بیماری شایع روانی با وراثت بالا و فنوتیپ متغیر است و 1 DISCنقش مهمی را در توسعه قشر مخ ایفا میکند. پلیمورفیسم در این ژن با مدل‌های بیولوژیکی عصبی اسکیزوفرنی که کمبود قشر مغز در پاتوفیزیولوژی آن دخیل است ارتباط دارد. این پژوهش با هدف تشخیص پلی مورفیسم2738864 rs، در ژن 1 DISCدر مبتلایان به بیماری اسکیزوفرنی و مقایسه آن با افراد سالم انجام شد.روش کار:این پژوهش برای اولین بار در ایران بر روی ۳۰۰ فرد مبتلا به بیماری اسکیزوفرنی که بر اساس روش DSM-IVانتخاب گردیدند و ۳۰۰ فرد سالم صورت گرفت. در این مطالعه از پرسش‌نامه جهت جمع‌آوری اطلاعات استفاده شد. برای بررسی این پلیمورفیسم از تکنیک Nested allele specific PCRاستفاده گردید و برای تأیید و صحت پژوهش انجام گرفته ۵۰ عدد از نمونه‌ها توالی یابی شده و نتایج با توالی‌های ژنی موجود در بانک ژن هم‌تراز گردید و جواب نهایی با استفاده از نرم‌افزارSPSS ver.22و SNP Analyzerمورد تجزیه‌وتحلیل آماری قرار گرفت.یافته ها:بررسی پلی مورفیسم2738864 rsدر جمعیت موردبررسی در ایران نشان داد که این پلی مورفیسم با اسکیزوفرنی ارتباط دارد و یافته‌های46/385 Chi-square=، 0000/0pT371/0/C926/0 Allele Frequency=به دست آمد.نتیجه گیری:یافته‌های این تحقیق نشان داد که این پلی مورفیسم با بیماری اسکیزوفرنی در جمعیت ایرانی مرتبط است. پرونده مقاله -
دسترسی آزاد مقاله
4 - The improved Semi-parametric Markov switching models for predicting Stocks Prices
Hossein Naderi Mehrdad Ghanbari Babak Jamshidi Navid Arash NademiThe modelling of strategies for buying and selling in Stock Market Investment have been the object of numerous advances and uses in economic studies, both theoretically and empirically. One of the popular models in economic studies is applying the Semi-parametric Markov چکیده کاملThe modelling of strategies for buying and selling in Stock Market Investment have been the object of numerous advances and uses in economic studies, both theoretically and empirically. One of the popular models in economic studies is applying the Semi-parametric Markov Switching models for forecasting the time series observations based on stock prices. The Semi-parametric Markov Switching models for these models are a class of popular methods that have been used extensively by researchers to increase the accuracy of fitting processes. The main part of these models is based on kernel and core functions. Despite of existence of many kernel and core functions that are capable in applications for forecasting the stock prices, there is a widely use of Gaussian kernel and exponential core function in these models. But there is a question if other types of kernel and core functions can be used in these models. This paper tries to introduce the other kernel and core functions can be offered for good fitting of the financial data. We first test three popular kernel and four core functions to find the best one and then offer the new strategy of buying and selling stocks by the best selection on these functions for real data. پرونده مقاله -
دسترسی آزاد مقاله
5 - مقایسه کارایی روش های "سیستم کلونی مورچگان" و "برنامه ریزی خطی" در مدل سازی مسأله زمان- بندی تولید جریانی
Said Esfandyari Ali Morovati Sharif Abadi Seyed Habibolah Mirghafouri Hamid Reza Kadkhodazadehهر چند که برنامه ریزی خطی در دنیای واقع کاربردهای زیادی دارد، اما در برخورد با مسائل پیچیده و سخت عدم کارایی خود را نشان داده است. با پیشرفت علم و رویارویی با مشکلات مختلف، تمایل به حل مسائل در حجم زیاد در زمان کوتاه بیشتر شده است. روش های ابتکاری و فوق ابتکاری جدیدترین چکیده کاملهر چند که برنامه ریزی خطی در دنیای واقع کاربردهای زیادی دارد، اما در برخورد با مسائل پیچیده و سخت عدم کارایی خود را نشان داده است. با پیشرفت علم و رویارویی با مشکلات مختلف، تمایل به حل مسائل در حجم زیاد در زمان کوتاه بیشتر شده است. روش های ابتکاری و فوق ابتکاری جدیدترین دستاورد برنامه ریزی غیرخطی در حل این گونه مسائل هستند. یکی از حوزه هایی که نیاز به برنامه ریزی در حجم بالا دارد زمان بندی تولید در مسائل سخت می باشد. این مقاله به مدل سازی و مقایسه دو روش برنامه ریزی خطی و الگوریتم سیستم مورچگان در زمان بندی تولید جریانی منعطف با توجه به متغیرهای تعداد ماشین و سفارش پرداخته است؛ مبنای مقایسه در این پژوهش شاخص های زمان پردازش، تعداد محدودیت، بهینگی و حجم حافظه اشغال شده مربوط به اعداد تصادفی می باشد. در این مقاله از روش پژوهششبه آزمایشی استفاده شده است، ابزار آزمایش به ترتیب نرم افزارهای سی شارپ و لینگو برای الگوریتم مورچگان و برنامه ریزی خطی است. نتایج به دست آمده نشان می دهد که مدل برنامه ریزی خطی درتعداد ماشین و سفارش پایین کارایی بالاتری دارد، اما با افزایش ماشین و سفارش با توجه به شاخص های در نظر گرفته شده، الگوریتم سیستم مورچگان کارایی بالاتر خود را نشان می دهد. پرونده مقاله -
دسترسی آزاد مقاله
6 - Unsupervised Texture Image Segmentation Using MRFEMFramework
Marzieh Azarian Reza Javidan Mashallah Abbasi DezfuliTexture image analysis is one of the most important working realms of image processing in medical sciences and industry. Up to present, different approaches have been proposed for segmentation of texture images. In this paper, we offered unsupervised texture image segme چکیده کاملTexture image analysis is one of the most important working realms of image processing in medical sciences and industry. Up to present, different approaches have been proposed for segmentation of texture images. In this paper, we offered unsupervised texture image segmentation based on Markov Random Field (MRF) model. First, we used Gabor filter with different parameters’ (frequency, orientation) values. The output image of this step clarified different textures and then used low pass Gaussian filter for smoothing the image. These two filters were used as preprocessing stage of texture images. In this research, we used K-means algorithm for initial segmentation. In this study, we used Expectation Maximization (EM) algorithm to estimate parameters, too. Finally, the segmentation was done by Iterated Conditional Modes (ICM) algorithm updating the labels and minimizing the energy function. In order to test the segmentation performance, some of the standard images of Brodatz database are used. The experimental results show the effectiveness of the proposed method. پرونده مقاله -
دسترسی آزاد مقاله
7 - The Improved Semi-Parametric Markov Switching Models for Predicting Stocks Prices
hossien naderi Mehrdad Ghanbari Babak Jamshidi Navid Arash NademiThe modeling of strategies for buying and selling in Stock Market Investment have been the object of numerous advances and uses in economic studies, both theoretically and empirically. One of the popular models in economic studies is applying the Semi-parametric Markov چکیده کاملThe modeling of strategies for buying and selling in Stock Market Investment have been the object of numerous advances and uses in economic studies, both theoretically and empirically. One of the popular models in economic studies is applying the Semi-parametric Markov Switching models for fore-casting the time series observations based on stock prices. The Semi-parametric Markov Switching models for these models are a class of popular methods that have been used extensively by researchers to increase the accu-racy of fitting processes. The main part of these models is based on kernel and core functions. Despite of existence of many kernel and core functions that are capable in applications for forecasting the stock prices, there is a widely use of Gaussian kernel and exponential core function in these mod-els. But there is a question if other types of kernel and core functions can be used in these models. This paper tries to introduce the other kernel and core functions can be offered for good fitting of the financial data. We first test three popular kernel and four core functions to find the best one and then offer the new strategy of buying and selling stocks by the best selection on these functions for real data. پرونده مقاله
سکوی نشر دانش
سند یا سکوی نشر دانش ،سامانه ای جهت مدیریت حوزه علمی و پژوهشی نشریات دانشگاه آزاد می باشد
پیوندهای سایت
مراکز مرتبط
پشتیبانی
صفحات رسمی
حقوق این وب‌سایت متعلق به سامانه مدیریت نشریات دانشگاه آزاد اسلامی است.
حق نشر © 1403-1400