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 ۵۷، صفحات ۲۳۲-۲۰۷
عنوان فارسی تحلیل جامعه ایران و آستانه تحمل آن، مدل سازی تاب آوری اجتماعی به روش شبکه عصبی مصنوعی
چکیده فارسی مقاله نظر به اینکه درک و تعیین میزان تاب‌آوری اجتماعی به عنوان یکی از شاخصه‌های میزان تحمل جامعه در نظر گرفته می‌شود، در این تحقیق کاربردی چنین هدف‌گذاری شده‌است که تحلیل جامعه ایران و آستانه تحمل آن با هدف مدل‌سازی تاب‌آوری اجتماعی با استفاده از تکنیک شبکه عصبی مصنوعی و به روش توصیفی-تحلیلی انجام شود. جامعه آماری، اساتید دانشگاهها و حجم جامعه نمونه برابر با 133 نفر بوده است. یک شبکه عصبی مصنوعی پرسپترون چند لایه برای پیش بینی و مدلسازی شاخص توسعه انسانی 38 کشور هدف ایجاد شد. چهار پارامتر ورودی "امید به زندگی در بدو تولد"، "تعداد سال های مورد انتظار برای آموزش کودکان در سن ورود به مدرسه"، "میانگین سال های آموزش برای بزرگسالان بالای 25 سال" و "درآمد ناخالص ملی سرانه" بودند و پارامتر پاسخ، شاخص توسعه انسانی بود. 4000 ساختار مختلف شبکه ی عصبی با تغییر متغیرهای تابع فعال سازی، تابع آموزش و تعداد نرون های عصبی در لایه پنهان توسعه داده شد. بهترین شبکه عصبی پرسپترون میان چند روش منتخب این تحقیق به لحاظ کارایی، شبکه ای با میانگین مطلق درصد خطا MAPE=0.01156، ریشه میانگین مربعات خطا نرمال شده NRMSE=0.00124، مربعات خطا = 0,99620 R2 بود. شبکه منتخب دارای ده نورون در لایه پنهان، تابع فعال سازی tansig و تابع آموزش RP بود. بر اساس نتایج آنالیزحساسیت ، مهمترین عوامل میانگین سالهای تحصیل ، "امید به زندگی در بدو تولد ، سالهای مورد انتظار مدرسه و درآمد سرانه ملی به ترتیب با اهمیت نسبی 33.63٪ ، 24.43٪ ، 23.83٪ و 18.11٪ بودند.
کلیدواژه‌های فارسی مقاله تاب آوری اجتماعی،مدل سازی،شبکه عصبی مصنوعی،جامعه ایران،آستانه تحمل،
عنوان انگلیسی Analysis of Iranian Society and it`s Threshold of Tolerance, Modeling Social Resilience Using Artificial Neural Networks
چکیده انگلیسی مقاله In this applied study, analysis of Iranian society and its threshold of tolerance has been done in a descriptive-analytical method. The society were professors of universities and the sampling size were 133. Data collection was done in archive and field methods. The reliability of the questionnaire was 89%. A multilayer perceptron artificial neural network was created to predict and model the human development index of the 38 target countries. Four input parameters were life expectancy at birth, expected years of schooling, mean years of schooling, and gross national income per capita". The response parameter was the human development index. The 4000 structures were developed, trained, validated, and tested by changing the variables of activation function, training function, and the number of neural neurons in the hidden layer. The optimal neural network in terms of network performance measures was the network with mean absolute percentage error (MAPE = 0.01156), Normalized Root Mean Square Error (NRMSE = 0.00124), and R squared (R2=0.99620). The optimal network had ten neurons in the hidden layer, a tansig activation function, and an RP training function. The artificial neural network model had a high accuracy in predicting the human development index. Based on the results of sensitivity analysis, the most influential factors were mean years of schooling, "life expectancy at birth, expected years of schooling, and gross national income per capita, with the relative importance of 33.63%, 24.43%, 23.83%, and 18.11%, respectively.
کلیدواژه‌های انگلیسی مقاله تاب آوری اجتماعی,مدل سازی,شبکه عصبی مصنوعی,جامعه ایران,آستانه تحمل
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_3416_2369fc7acae874c96927452dd0e7f6fb.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