عنوان پایان‌نامه
انتخاب مدل پیش بینی تقاضای تجهیزات پزشکی بر مبنای شبکه های عصبی با وزن های مبتنی بر الگوریتم ژنتیک
- رشته تحصیلی
- مدیریت صنعتی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 48657
- تاریخ دفاع
- ۱۵ مهر ۱۳۸۹
- دانشجو
- محسن سلیمانی
- استاد راهنما
- احمد جعفرنژادچقوشی
- چکیده
- امروزه افراد، مؤسسات و شرکت های فعال در عرصه کسب و کار با موقعیت های تصمیم زیادی در محیط فعالیت خود رو به رو هستند که در بعضی موارد از پیچیدگی های فراوانی برخوردار می باشند. این موارد نیاز به استفاده از ابزارها و روش های کارا و قوی را جهت گرفتن تصمیمات به موقع و مناسب برای استفاده صحیح از منابع را با کمترین خطا ضروری می سازد. یکی از این موقعیت های تصمیم نیاز سنجی تقاضا یا پیش بینی تقاضا می باشد. پیش‌بینی، فرآیند برآورد موقعیت‌های ناشناخته است. یک پیش بینی یک پیش¬گویی در مورد رویداد‌های آینده در اختیار می¬گذارد و می‌تواند تجارب گذشته را به پیش‌بینی حوادث آینده بدل سازد. روش و ابزارهای مختلفی برای انجام پیش بینی تقاضا وجود دارد که هر کدام مزیت ها و نقطه ضعف های مخصوص به خود را دارد. در این تحقیق با استفاده از یک شبکه عصبی مصنوعی سه لایه پرسپترون با یک لایه پنهان، که با الگوریتم ژنتیک به عنوان الگوریتم یادگیری، آموزش داده شده است، نظامی مقایسه ای با روش رایج مورد استفاده در پیش بینی (روش باکس – جنکینز) با مدل ARIMA(2,1,1) برای پیش بینی تقاضای دستگاه سی تی اسکن ارایه شده است که با توجه به معیار سنجش دقت مدل ها یعنی میانگین مجذور خطا (MSE)، مدل شبکه عصبی اثربخشی و کارایی بیشتری را در مقابل با روش آریما در پیش بینی تقاضای دستگاه سی تی اسکن با توجه به داده ها و اطلاعات موجود از خود نشان داده است.
- Abstract
- ندارد
