پیشبینی رضامندی زناشویی برمبنای ویژگیهای شخصیتی: مقایسه مدل شبکه عصبی مصنوعی و روش رگرسیون
روح ا... عباسی، abbasi r. department of psychology, faculty of human sciences, tarbiat modares university, tehran, iranگروه روانشناسی، دانشکده علوم انسانی، دانشگاه تربیت مدرس، تهران، ایران کاظم رسول زاده طباطبایی، rasoulzade tabatabaei k. department of psychology, faculty of human sciences, tarbiat modares university, tehran, iranگروه روانشناسی، دانشکده علوم انسانی، دانشگاه تربیت مدرس، تهران، ایران احسان ا... کبیر، kabir e. department of electronics, technical school, tarbiat modares university, tehran, iranگروه الکترونیک، دانشکده فنی، دانشگاه تربیت مدرس، تهران، ایران رضا ابراهیم پور، ebrahimpour r. department of electronics, technical school, tarbiat modares university, tehran, iranگروه الکترونیک، دانشکده فنی، دانشگاه شهیدرجایی، تهران، ایران زهرا عباسی، abbasi z. department of genetics, faculty of sciences, university of osmania, heydarabad, indiaگروه ژنتیک، دانشکده علوم، دانشگاه عُثمانیا، حیدرآباد، هند
Download full textFree with an account; signing up with Google takes seconds
Abstract(in Persian; no English abstract is available)
مقدمه: ضرور ی است که با بررسی دقیق مدلهای پیشبینیکننده جدید و دارای قابلیتهای مضاعف، ضمن مقایسه با روشهای آماری متداول و یافتن نقاط قوت و ضعف هر یک از آنها، بتوان در پژوهشهای آتی مدلی که محققان را به بهترین پیشبینی رهنمون سازد، پیشنهاد نمود. هدف از پیریزی این پژوهش، مقایسه توانایی مدل شبکه عصبی و رگرسیون در پیشبینی رضامندی زناشویی براساس ویژگیهای شخصیتی بود. روش: ا ی ن پژوهش همبستگی، روی 300 زوج که به روش نمونهگیری تصادفی چندمرحلهای از میان دانشجویان متاهل 3 دانشگاه شهر تهران در سال 1387 انتخاب شدند، به انجام رسید. آزمودنیها پرسشنامههای neo-ffi و رضایت زناشویی enrich را تکمیل کردند . دادهها به کمک شبکه عصبی مصنوعی پرسپترون چندلایه ، رگرسیون چندگانه، آزمون معنی داری ضریب همبستگی پیرسون و آزمون t مستقل با نرمافزار matlab 6.5 و spss 16 مورد تجزیه و تحلیل قرار گرفت. یافتهها: شبکه عصبی پرسپترون چندلایه به طور معنی داری موفقتر از رگرسیون چندگانه توانست رضایت زناشویی را پیشبینی نماید (05/0>p). سه عامل روانآزردهگرایی مرد، مسئولیتپذیری مرد و مسئولیتپذیری زن توانستند 4/24% واریانس رضامندی زناشویی مردان را به طور معنی داری تبیین نمایند (037/0> p ). نتیجهگیری: نتایج این پژوهش زمینه را برای طراحی شبکه عصبی با قابلیت پیشبینی رضامندی زناشویی فراهم میآورد که تاثیر شایانی در کیفیت مشاورههای خانواده در ا ی ران خواهد داشت .
Article2025جادهمحمدامین ابراهیم زاده، حسن جوانشیر، عباس علیخانی
حمل ونقل عمومی به عنوان یک سیستم سنگین جابجایی مسافر از اهمیت ویژه ای برخوردار است، از این رو آسیب های وارده به این سیستم چه از نظر مالی یا فنی اهمیت زیادی دارد. در این پژوهش با استفاده از دادهای تهیه شده از شرکت واحد اتوبوس رانی به پیشبینی مسافر پرداخته میشود. پیشبینی یک جزء
هدف: یکی از اهداف تحقیقات پزشکی تعیین عوامل مرتبط در پیش بینی بیماری می باشد. یکی از شایع ترین بیماری های متابولیک در ایران، دیابت میباشد. هدف از این مطالعه شناسایی عوامل موثر در پیش بینی دیابت با استفاده از مدل های شبکه عصبی مصنوعی و درخت تصمیم می باشد. روش بررسی: برای انجام مطا
Articleمجله دانشگاه علوم پزشکی ایلاممسعود صالحی، m salehi محمودرضا گوهری، mr gohari نسیم وهابی، n vahabi فرید زایری
مقدمه: امروزه انواع سرطان یکی از مهم ترین عوامل مرگ و میر در دنیا و سرطان پستان از شایع ترین آن ها در زنان میان سال می باشد. میزان بقای پس از تشخیص و درمان در این بیماران یکی از شاخص های مهم در کنترل بیماری است. در این مطالعه دو مدل رگرسیون کاکس و شبکه عصبی مصنوعی در پیش بینی بقا
Article2013مهندسی و مدیریت آبخیزمجید خزایی، محمد رضا میرزایی
پیشبینی در هیدرولوژی به معنی تخمین شرایط هیدرولوژیکی و هواشناسی در یک بازه زمانی خاص میباشد. در همین راستا، فهم رابطه بین بارش و رواناب یکی از ضروری ترین مسائل برای مدیریت منابع آب می باشد. پژوهش حاضر با هدف مقایسه بین مدل های مختلف شبکه عصبی مصنوعی (mlp وrbf) و سری های زمانی آ
Article2021جادهمحمدرضا کی منش، نصیر برادران رحمانیان
پیش بینی شدت تصادفات در صورتی که با متدلوژی های دارای مبانی علمی انجام گیرد می تواند به عنوان ابزاری مهم در مدیریت ایمنی راهها و مهندسی حمل و نقل محسوب شود. در این مقاله روشی برای شناسایی و پیش بینی و شدت تصادفات در راههای بین شهری ارائه شده است. این روش مبتنی بر یک تحقیق تجربی ا
پیشبینی تراز آب زیرزمینی به منظور مدیریت و برنامهریزی منابع آب، بسیار مهم است. برای انجام این پیشبینی، از روشهای متعددی مانند روشهای استوکستیکی، منطق فازی و شبکه عصبی مصنوعی میتوان استفاده نمود. در تحقیق حاضر، مدل شبکه عصبی مصنوعی rbf هیبرید برای پیشبینی تراز آب زیرزمینی د