این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مدیریت فناوری اطلاعات، جلد ۲، شماره ۴، صفحات ۰-۰
عنوان فارسی هوش مصنوعی و الگوریتم ترکیبی مناسب برای افزایش دقت پیش‌بینی‌های مدیریتی
چکیده فارسی مقاله این مقاله یک سامانه‌ی خبره‌ی ساده و اثربخش را برای پیش‌بینی داده‌های نوسانی تصادفی وکوتاه‌مدت ایجاد نموده است. فرآیند بررسی شامل معرفی سری فوریه، زنجیره‌ی مارکوف و مقایسه‌ی مدل پیش‌بینی (گِری) با مدل پیش‌بینی ترکیبی گری- فوریه- مارکوف که در هم آمیخته شده‌اندادامه یافته، تا منجربه خلق یک سامانه‌ی خبره‌ی پیش‌بینی با کمک هوش مصنوعی شود. این مدل موجب می‌شود اثربخشی پیش‌بینی داده‌های تصادفی نوسانی در اکثر برنامه‌های مدیریتی افزایش یابد. حاصل این مطالعه، معرفی الگوریتم تشخیص هوش مصنوعی است که کمک می‌کند تا محیطی رایانه‌ای برای یک سامانه‌ی پیش‌بینی خبره ایجاد شود که داده‌های کوتاه مدت و اتفاقی ناپایدار را به‌درستی و بادقت پیش‌بینی کند. جهت آزمون اثربخشی الگوریتم ارایه شده از داده‌های مطالعه‌های (چن تسای لین،2008 ) و داده‌های مربوط به پیش‌بینی تقاضای گردشگری در ایران استفاده شده است.نتایج، نشان می‌دهد خروجی مدل برای دوکشور از دقت بالایی برخوردار است.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Appropriate Combination of Artificial Intelligence and Algorithms for Increasing Predictive Accuracy Management
چکیده انگلیسی مقاله In this paper a simple and effective expert system to predict random data fluctuation in short-term period is established. Evaluation process includes introducing Fourier series, Markov chain model prediction and comparison (Gray) combined with the model prediction Gray- Fourier- Markov that the mixed results, to create an expert system predicted with artificial intelligence, made this model to predict the effectiveness of random fluctuation in most data management programs to increase. The outcome of this study introduced artificial intelligence algorithms that help detect that the computer environment to create a system that experts predict the short-term and unstable situation happens correctly and accurately predict. To test the effectiveness of the algorithm presented studies (Chen Tzay len,2008), and predicted data of tourism demand for Iran model is used. Results for the two countries show output model has high accuracy.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله شهرام گیلانی نیا |
دانشگاه آزاد اسلامی رشت
سازمان اصلی تایید شده: دانشگاه آزاد اسلامی رشت (Islamic azad university of rasht)

نشانی اینترنتی http://jitm.ut.ac.ir/article_20915_7324619f7daa2530d45556e2fb0a3c64.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1085/article-1085-210432.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات