چکیده:
پیشبینی در طول تاریخ از نیازهای ضروی اطلاعاتی بشر بهمنظور اطلاع از وضعیت آب و هوایی,
معیشتی» سکونت و زندگی بوده است و بیجهت نیست که پیشگویان در نزد پادشاهان و حاکمان جایگاه
ویژهای را به خود اختصاص دادهاند. اگر کار اصلی مدیریت را تصمیمگیری بدانیم؛ داشتن یک چشماندا زآتی
از وضعیت آتی از نیازهای ضروری جهت نمی مگیری است:
در موضوع پیشپینیامقالات و دیدگاههای زیادی از قبیل استفاده از روشهایی مانند رگرسیون,
هموارسازینمایی؛ سریهای زمانی و یا روشهای مبتی بر کشف.و شهود ارائه شده است؛ اما در این تحفیق
یک دیدگاه جدید ارائه شده است و آن استفاده از شبکههای عصبی مصنوعی که به نوعی میشی بر فرایند
یادگیری و هوشمندی هستند برای تعداد داوطلبان ورود به یک واحد دانشگاهی (دانشگاه آزاد اسلامی واحد
سمنان) میباشد.
در این مقاله بعد از جمعآوری آمار ٩سال گذشته داوطلبان ورود به دانشگاه آزاد اسلامی (واحد
سمنان) با استفاده از چهار تکنیک» رگرسیون خطی, نمایی؛ چندجملهای و شبکههای عصبی مصنوعی, اقدام
به پیشبینی تعداد داوطلیان در طی ٩سال مربوطه شده است. در مرحلهی بعد میانگین قدرمطلق خطا برای
هر کدام از روشهای ذکر شده محاسبه شده است. نتایج حاصل شده از نقطهنظ ر کمترین میانگین قدرمطلق
خطا به ترتیب عبارت است از: شبکهی عصبی مصنوعی, تابع چندجملهای درجهی دوم رگرسیون خطی و تابع
نمایی. کارایی شبکهی عصبی مصنوعی نسبت به روشهای ذکر شده در خصوص معیار آرزیابی [میانگین
قدرمطلق خطا)» ۵ الی ۷ برابر میباشد.
خلاصه ماشینی:
3-روش و مراحل انجام تحقیق این تحقیق به صورت یک مطالعهی موردی در دانشگاه آزاد اسلامی واحد سمنان بهمنظور پیشبینی تعداد داوطلبین ورود به دانشگاه آزاد اسلامی برای هشت رشتهی دانشگاهیکارشناسی،جغرافیا،مدیریت صنعتی،حسابداری،ادبیات فارسی،الهیات،پرستارس و مامایی،{o(1) lladoow dna neivilluS- o} {o(2) gnilodoM volraM- o} {o(3) yeltniB- o} {o(4) knaT- o} {o(5) snimlec- o} {o(6) dnomaiD- o} {o(7) mik eaJ-gnuoyK- o} {o(8) gnownrowahT nahparus dna eknE divaD- o} مهندسی عمران،مهندسی مکانیک صورت گرفته است.
روش تجزیه و تحلیل دادهها در این تحقیق بیشتر جنبهی تحلیلی داشته و به صورتمقایسهی تکنیک شبکههای عصبی مصنوعی با سایر تکنیکها پیشبینی(رگرسیون خطی،نمایی و چند جملهای درجهی دوم)از جنبهی میانگین قدر مطلق خطا )}o4o{DAM( میباشد.
میتواان نتیجه گرفت که شبکههای عصبی مصنوعی به طور قابل ملاحظهای دارایمیانگین قدر مطلق خطای )DAM( کمتر و کارآیی بیشتری نسبت به روشهای کلاسیکاز قبیل رگرسیون خطی و نمایی به منظور پیشبینی تعداد داوطلبان ورود به واحد دانشگاهیآزاد اسلامی سمنان داشتهاند.
جدول شمارهی 3:مقایسهی قدر مطلق خطاهای روشهای پیشبینی کلاسیک نسبتبه شبکههای عصبی برای تعداد داوطلبان و همچنین کارآیی این روشها نسبت به شبکههای عصبی مصنوعی در واحد سمنان (به تصویر صفحه مراجعه شود) 6-بحث و نتیجهگیری شبکههای عصبی مصنوعی به دلیل خاصیت آموزش و توانایی تعدیل وزنها میتواننددارای تواناییهای بالاتری در تشخیص روندها و پویای مدل داشته باشند و این امربه خصوص اگر روندها بیانگر یک حالت غیر خطی باشد بیشتر صدق میکند.