دسترسی همگانی(OPAC) نام کتابخانه در اوپک

ارائه روشی مبتنی بر سیستم عصبی فازی برای پیش بینی بهای تمام شده محصول جدید (1395) / نقاش ، عزیزاله، نویسنده
نوع مدرک:متون چاپی
سرشناسهنقاش ، عزیزاله، نویسنده
رده‌بندی کنگره :‭COM A ‭3 1397
عنوان :ارائه روشی مبتنی بر سیستم عصبی فازی برای پیش بینی بهای تمام شده محصول جدید
ناشر:دانشگاه شهید اشرفی اصفهانی : بی نا
سال نشر :1395
صفحه شمار:خ،73ص
شابک/شاپا22720
یادداشتپایان نامه کارشناسی ارشد : هوش مصنوعی
شناسه افزوده :کارشناس ، حسین، استاد راهنما
توصیفگرهاقیمت تمام شده محصول  پیش بینی قیمت  شبکه عصبی- فازی  روش فرا ابتکاریFinal Product Price  Forecasting Product Price  Neuro Fuzzy System  ICA
چکیده :یکی از ابزارهای مهم مورداستفاده برای تصمیم‌گیری جهت سرمایه‌گذاری، فنون پیش‌بینی و بهینه‌سازی هستند.هزینه¬یابی و پیش¬بینی بهای تمام شده محصول و مدل¬سازی آن یک ابزار قدرتمند برای مدیریت در بخش صنعت می¬باشد که می تواند اطلاعات موثری جهت تصمیم گیری برای ایجاد صنایع جدید، توسعه ظرفیت فعلی و اتخاذ تصمیم جهت توقف تولید یک محصول در اختیار مدیریت یک شرکت قرار دهد. در این پایان¬نامه به‌منظور کمتر کردن میزان خطا درپیش¬بینی، یک مدل ANFIS ترکیبی با روش فرابتکاری استفاده شده که از روش¬ فرا ابتکاریICA برای تعیین پارامترهای تابع عضویت استفاده می کنیم و از این روش فرا ابتکاری برای تعیین پارامتر ها انفیس استفاده کرده و نتایج عملکرد آن با شبکه عصبی مصنوعی و همچنین انفیس در حالت تک متغییره و چند متغییره مقایسه می¬شود. روش پیشنهادی شامل ترکیب ANFIS و الگوریتم رقابت استعماری است و ازتبدیل موج به منظور بهبود عملکرد استفاده شده و بر روی ورودی ها اعمال گردیده است. در این مدل از ANFIS نوع sugeno با آموزش levenberg-marquat استفاده شده است. نتایج بدست آمده نشان داد که مدل پیشنهادی در حالت چند متغیره بهترین عملکرد را در پپیش¬بینی به همراه داشته است و نتایج نسبت به گذشته بهتره بوده و بهبود یافته است و خطای RMSE در این روش برای حالت تک متغیره برابر 0.097 می باشد و برای حالت چند متغیره این خطا برابر 0.031 می باشد
لینک ثابت رکورد:../opac/index.php?lvl=record_display&id=1436
زبان مدرک :فارسی
شماره ثبتشماره بازیابینام عام موادمحل نگهداریوضعیت ثبتوضعیت امانت
22720‭COM A ‭3 1397 پایان‌نامهدانشگاه شهید اشرفی اصفهانیاسناد مرجعغیر قابل امانت

کاربران آنلاین :31