این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مطالعات بین رشته ای دانش راهبردی، جلد ۱۴، شماره ۵۴، صفحات ۷۰-۴۳
عنوان فارسی مدلسازی قدرت ملی کشورهای هدف با استفاده از شبکه عصبی مصنوعیی
چکیده فارسی مقاله مدل سازی قدرت ملی با استفاده از معادلات صریح ریاضی بسیار دشوار است. شبکه های عصبی مصنوعی می توانند مسائل پیچیده چند بعدی را حل کنند. در این تحقیق کاربردی، جامعه آماری اساتید دانشگاهها با تخصص های نظامی، اجتماعی، اقتصادی، و جغرافیای سیاسی بودند. روش نمونه گیری از جامعه آماری به صورت تصادفی و حجم جامعه نمونه برابر با 133 نفر بوده است. گردآوری اطلاعات به دو روش میدانی و کتابخانه ای صورت گرفته است. پایایی پرسشنامه 89% محاسبه شد. اطلاعات به دست آمده توسط یک شبکه عصبی پرسپترون چند لایه با نه پارامتر ورودی شامل ابعاد قدرت ملی، و یک پارامتر پاسخ، یعنی قدرت ملی کشورهای هدف مدل سازی شد. 8000 ساختار شبکه عصبی با تغییر متغیرهای تابع فعالسازی ، تابع آموزش و تعداد نورونهای عصبی در لایه پنهان ایجاد شد. نتایج نشان داد که بهترین خصوصیات شبکه عصبی، تابع فعال سازی tansig، تابع آموزش LM، و 16 نرون در لایه پنهان بود. مقادیر کارایی شبکه 0.00071 MAPE=، 0.00006NRMSE= ، 1.00000 R2= در مرحله آموزش ، 0.00579 MAPE=، 0.00137 NRMSE=، 0.99999 R2= در مرحله تست و 0.00300 MAPE=، 0.00124 NRMSE=، 0.99997 R2= در مرحله اعتبارسنجی بودند. اهمیت نسبی ابعاد قدرت ملی 15٪ نظامی ، 13٪ علمی ، 13٪ سرزمینی ، 12٪ فرامرزی ، 11٪ اجتماعی ، 10٪ اقتصادی ، 10٪ فضایی ، 8٪ سیاسی و 8٪ فرهنگی بود. بر اساس نتایج ، مدل شبکه عصبی بهینه می تواند قدرت ملی کشورهای هدف را با دقت بسیار بالا پیش بینی کند.
کلیدواژه‌های فارسی مقاله قدرت،قدرت ملی،مدل،مدل سازی،شبکه عصبی مصنوعی،
عنوان انگلیسی Modeling the National Power of Target Countries Using Artificial Neural Networkss
چکیده انگلیسی مقاله Modeling the national power using explicit mathematical equations is very difficult. Artificial neural networks can solve complex multi-dimensional problems. In this applied study, The population was professors of the military, social sciences, economics, and geopolitics specialties. The sampling method and the sample size were randomly and 133, respectively. Data collection was done in archive and field methods. The reliability of the questionnaire was 89%. The obtained data were modeled by a multilayer perceptron neural network with nine input parameters including the dimensions of national power, and a response parameter i.e., the national power of the target countries. The 8000 neural network structures were developed by changing the variables of activation function, training function, and the number of neural neurons in the hidden layer. The results showed that the best neural network characterizations were the tansig activation function, LM training function, and 16 neurons in the hidden layer. The efficiency values of the network were MAPE = 0.00071, NRMSE = 0.00006, R2= 1.00000 in the training stage, MAPE = 0.00579, NRMSE = 0.00137, R2= 0.99999 in the test stage and MAPE = 0.00300, NRMSE = 0.00124, R2= 0.99997 in the validation stage. The relative importance of the national power dimensions were military 15%, scientific 13%, territorial 13%, cross-border 12%, social 11%, economic 10%, spatial 10%, political 8%, and cultural 8%. Based on the results, the optimal neural network model could predict the national power of the target countries with very high accuracy.
کلیدواژه‌های انگلیسی مقاله قدرت,قدرت ملی,مدل,مدل سازی,شبکه عصبی مصنوعی
نویسندگان مقاله مهدی محسن زاده |
پژوهشگر دانشگاه عالی دفاع ملی و تحقیقات راهبردی

بهادر سرانجام |
پژوهشگر دانشگاه عالی دفاع ملی و تحقیقات راهبردی

نشانی اینترنتی https://smsnds.sndu.ac.ir/article_3013_cd2c47e443a039fc7ab34d7f944938e5.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
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