Thesis

کاربرد شبکه های عصبی مصنوعی در پیش بینی رفتار مدیران

Download full textFree with an account; signing up with Google takes seconds

Abstract(in Persian; no English abstract is available)

پژوهش پیش رو، یک پژوهش کاربردی در زمینه کاربرد شبکه های عصبی مصنوعی در پیش بینی رفتار انسانی است که بر مبنای مطالعات و پیشنهاد سان(2010) به منظور پیش بینی افکار و عقاید انسان ها صورت گرفته است. در این پژوهش برآنیم توانایی شبکه های عصبی را در پیش بینی رفتار مدیران و به طور خاص مدیران منابع انسانی بررسی کنیم. از آنجایی که رفتار هر مدیر، مجموعه ای از تصمیمات اتخاذ شده به وسیله اوست و در واقع، تصمیمات مدیر رفتار او را شکل می دهند، می توانیم رفتار مدیر را بر اساس دستورات صادره در راستای هر تصمیم پیش بینی کنیم. بدین ترتیب، بر اساس دستورات صادر شده در هر مورد و با توجه به تصمیم نهایی اتخاذی توسط مدیر، قادر خواهیم بود که در شرایط مشابه نیز رفتار مدیر را پیش بینی کنیم. در این راستا، پس از تشخیص و تعیین تصمیمات و حوزه اختیار و عمل مدیران منابع انسانی، "ارزیابی عملکرد" را به عنوان وظیفه مورد مطالعه و "انتخاب کارمند نمونه" را به عنوان تصمیم حاصل از این وظیفه انتخاب می نماییم. سپس با شناسایی عوامل موثر بر خروجی این وظیفه، به بررسی توانایی شبکه های عصبی در پیش بینی انتخاب کارمند نمونه پرداخته، به دنبال آن کاربرد شبکه های عصبی مصنوعی را در پیش بینی رفتار مدیران منابع انسانی بررسی می کنیم. در نهایت، با استفاده از نرم افزارهای matlab و weka و با تحلیل داده های جمع آوری شده از 92 پرسشنامه، نشان می دهیم که شبکه های عصبی مصنوعی با دقت بسیار بالایی قادر به تحلیل ارزیابی عملکرد و پیش بینی کارمند نمونه هستند و می توانند یک گزینه مناسب برای پیش بینی تصمیمات و رفتار مدیران منابع انسانی باشند.

Supervisors and advisors

علی محمدی، احمد طالب نژاد

Similar theses

Similar items

  • کاربرد شبکه عصبی مصنوعی در پیش بینی رفتار تورمی خاکهای رسی

    Article2015مهندسی عمران مدرسحامد کمک پناه، سید شهاب الدین یثربی، علی اکبر گلشنی

    در این پژوهش از قابلیت شبکه عصبی مصنوعی برای پیش بینی رفتار خاک های متورم شونده رسی استفاده شده است. در این روش - داده ها با استفاده از انواع آرایش شبکه های چند لایه پرسپترون، که از پرکاربردترین نوع شبکه های عصبی است مدل شده اند. نتایج حاصل از این شبکه ها بر اساس شاخص های ارزیابی

  • کاربرد شبکه عصبی مصنوعی در پیش بینی رفتار تورمی خاکهای رسی

    Article2015مهندسی عمران مدرسحامد کمک پناه، سید شهاب الدین یثربی، علی اکبر گلشنی، علی اکبر گلشنی

    در این پژوهش از قابلیت شبکه عصبی مصنوعی برای پیش بینی رفتار خاک های متورم شونده رسی استفاده شده است. در این روش - داده ها با استفاده از انواع آرایش شبکه های چند لایه پرسپترون، که از پرکاربردترین نوع شبکه های عصبی است مدل شده اند. نتایج حاصل از این شبکه ها بر اساس شاخص های ارزیابی

  • پیش بینی قیمت برخی محصولات زراعی در استان فارس: کاربرد شبکه عصبی مصنوعی

    Articleتولید محصولات زراعی و باغیبهاء الدین نجفی، b. najafi منصور زیبایی، m. zibaei محمدحسین شیخی، m. h. sheikhi محمدحسن طرازکار

    در این مطالعه به منظور پیش بینی قیمت عمده فروشی برخی محصولات زراعی شامل گوجه فرنگی، پیاز و سیب زمینی در استان فارس، برای افق زمانی یک، سه و شش ماه آتی از روش های معمول پیش بینی و شبکه عصبی مصنوعی استفاده شد. داده های مورد نیاز برای دوره مهر 1377 تا تیرماه 1384 از اداره جهاد کشاور

  • کاربرد شبکة عصبی مصنوعی در پیش بینی و شبیه سازی شاخص اقلیمی خشک سالی هواشناسی دهک بارش (مطالعة موردی: استان سیستان و بلوچستان)

    Article2014مرتع و آبخیزداریآرش ملکیان، مه رو ده بزرگی، امیر هوشنگ احسانی، امیر رضا کشتکار

    محدودیت منابع آب ناشی از خشک سالی های متوالی، از مهم ترین معضلات استان سیستان و بلوچستان است.در این پژوهش برای پیش بینی سیکل خشک سالی در 9 ایستگاه هواشناسی استان سیستان و بلوچستان از شبکة عصبی مصنوعی استفاده شد. داده های مورد استفادة ورودی شبکه شامل بارش سالانه و شاخص دهک بارش (d

  • کاربرد شبکه عصبی مصنوعی و رگرسیون لجستیک در پیش بینی حضور علف های هرز در مزارع نخود دیم استان کردستان

    Article2014مجله دانش علف های هرز ایرانسحر منصوریان، ابراهیم ایزدی دربندی، محمدحسن راشد محصل، مهدی راستگو

    به منظور مقایسه توانایی مدل های شبکه عصبی مصنوعی با رگرسیون لجستیک در پیش بینی حضور علف های هرز، آزمایشی در 33 مزرعه نخود دیم استان کردستان در سال زراعی 92-1391 انجام شد. برای این منظور، اطلاعات اقلیمی و خاکی به عنوان متغیرهای مستقل و حضور و عدم حضور علف های هرز غالب به عنوان متغ

  • مقایسه کاربرد شبکه عصبی مصنوعی (ann) با سیستم استنتاج فازی (fis) در پیش بینی جریان رودخانه زاینده رود

    Articleتحقیقات منابع آب ایرانندا پوستی زاده، دانشجوی دکتری/ سازه های آبی، دانشگاه شهید چمران، اهواز، ایران نعیمه نجفی، کارشناسی ارشد/ سازه های آبی، دانشگاه مازندران، ایران

    یکی از روشهای نو ظهور در حل مسایل مهندسی جهت مدل سازی سیستم هایی که دارای پیچیدگی زیاد یا عدم صراحت بوده و یا داده های کافی از آنها موجود نیست، استفاده از تئوری مجموعه های فازی و شبکه عصبی مصنوعی می باشد. مزیت اصلی این تکنیک ها نسبت به روش های رایج این است که در مدت زمان نسبتاً ک