Thesis

بکارگیری شبکه عصبی مصنوعی در پیش بینی روابط خریدار-فروشنده: در محیط تجارت الکترونیکی

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

Abstract(in Persian; no English abstract is available)

با توجه به تحولات شتابنده و غیر قابل پیش بینی عصر کنونی، سازمان ها در صدد این هستند که رابطه موفق و بلندمدتی با مشتریان خود برقرار کنند. اینترنت تاکنون تاثیر عمیق و زیادی روی بازاریابی داشته است و از آنجایی که نرخ رشد خرید اینترنتی در حال افزایش است، بنابراین برای مدیران وب سایت ها مهم است که بدانند چه فاکتورهایی روی روابط آنها با مشتریان تاثیر می گذارد تا از این طریق بتوانند مزیت رقابتی پایدار کسب کنند. در این پژوهش، شبکه عصبی به کار گرفته شد تا مدلی از کیفیت رابطه خریدار-فروشنده در تجارت الکترونیکی از نوع بنگاه به مصرف کننده حاصل شود. برای این منظور، ابتدا فاکتورهای کیفیت رابطه خریدار-فروشنده شناسایی شدند. این فاکتورها لایه خروجی شبکه عصبی را تشکیل می دهند و عبارتند از رضایت الکترونیکی، اعتماد الکترونیکی ، و ارزش درک شده خریدار از رابطه. سپس متغیرهای تاثیر گذار روی این فاکتورها مورد بررسی قرار گرفتند تا نورون های لایه ورودی شبکه عصبی نیز حاصل شوند. این عوامل شامل کیفیت خرده فروشی آنلاین، مشتری مداری وب سایت، ادراک مشتری از قیمت و کیفیت محصول می باشد. سپس با استفاده از تحلیل رگرسیون و همچنین تحلیل شبکه عصبی به پیش بینی خروجی های مدل پرداخته شد و خطای هر روش به طور جداگانه محاسبه گردید. در نهایت خطای دو روش با یکدیگر مقایسه شدند و مشخص شد که شبکه عصبی از عملکرد بهتری در پیش بینی کیفیت رابطه خریدار-فروشنده در تجارت الکترونیکی برخوردار است.

Supervisors and advisors

علیرضا حسن زاده، شعبان الهی

Similar theses

Similar items

  • پیش بینی کشش سطحی مایعات یونی بر پایه ایمیدازولیوم با بکارگیری شبکه عصبی مصنوعی

    امروزه با پیشرفت تکنولوژی برای حل مسائلی که روابط دقیق ریاضی بین ورودی و خروجی برقرار نمی باشد از شبکه های عصبی مصنوعی استفاده می شود. در این پژوهش برای پیش‎بینی کشش سطحی مایعات یونی بر پایه ایمیدازولیوم دو شبکه عصبی پرسپترون چند لایه شامل شبکه عصبی مصنوعی پیشرو (FFANN) و شبکه عص

  • مقایسه مدلهای خودهمبسته شبکه عصبی مصنوعی دینامیک و استاتیک در پیش بینی جریان ماهانه ورودی به مخزن سد دز

    Article2011فصلنامه علوم و تکنولوژی محیط زیستمحمد ابراهیم بنی حبیب، محمد ولی پور، سید محمودرضا بهبهانی

    در مقاله حاضر قابلیت مدل خود همبسته شبکه عصبی مصنوعی دینامیک برای پیش­بینی جریان ماهانه ورودی مخزن سد دز ارزیابی شده و نتایج به دست آمده با مدل خودهمبسته شبکه عصبی مصنوعی استاتیک مقایسه شده است. در تحقیقات قبل مقایسه مدل های استاتیک و دینامیک در شبکه های عصبی مصنوعی صورت نگرفته ا

  • پیش‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎بینی بقای بیماران مبتلا به سرطان پستان با استفاده از دو مدل رگرسیون لجستیک و شبکه عصبی مصنوعی

    Articleمجله اپیدمیولوژی ایرانآذر اسد آبادی، a asadabadi msc, department of biostatistics & epidemiology, school of health, kerman university of medical sciences, iranکارشناس ارشد آمار زیستی، گروه آمار زیستی و اپیدمیولوژی دانشکده بهداشت و مرکز تحقیقات مدل سازی در سلامت دانشگاه علوم پزشکی کرمان، کرمان، ایران عباس بهرامپور، a bahrampour professor, phd, modeling of health research center, department of biostatistics & epidemiology, school of health, kerman university of medical sciences, iranاستاد گروه آمار زیستی و اپیدمیولوژی دانشکده بهداشت و مرکز تحقیقات مدل سازی در سلامت دانشگاه علوم پزشکی کرمان، کرمان، ایران علی اکبر حقدوست، aa haghdoost associate professor, phd, modeling of health research center, department of biostatistics & epidemiology, school of health, kerman university of medical sciences, iranاستاد گروه آمار زیستی و اپیدمیولوژی دانشکده بهداشت و مرکز تحقیقات مدل سازی در سلامت دانشگاه علوم پزشکی کرمان، کرمان، ایران

    مقدمه و اهداف: در سال‎های اخیر، توجه قابل ملاحظه‎ای به مدل‎های آماری برای طبقه‎بندی داده‎های پزشکی با توجه به بیماری‎های مختلف و پیامدهای آن‎ها شده است. شبکه‎های عصبی مصنوعی به دلیل عدم نیاز به پیش فرض با موفقیت برای تشخیص الگو و پیش‎بینی در برخی از مطالعه های بالینی استفاده شده‎

  • مقایسه مدلهای خودهمبسته شبکه عصبی مصنوعی دینامیک و استاتیک در پیش بینی جریان ماهانه ورودی به مخزن سد دز

    Article2011علوم و تکنولوژی محیط زیستسید محمودرضا بهبهانی، محمد ابراهیم بنی حبیب، محمد ولی پور

    در مقاله حاضر قابلیت مدل خود همبسته شبکه عصبی مصنوعی دینامیک برای پیش­بینی جریان ماهانه ورودی مخزن سد دز ارزیابی شده و نتایج به دست آمده با مدل خودهمبسته شبکه عصبی مصنوعی استاتیک مقایسه شده است. در تحقیقات قبل مقایسه مدل‌های استاتیک و دینامیک در شبکه‌های عصبی مصنوعی صورت نگرفته ا

  • مقایسه ی مدل شبکه عصبی مصنوعی و رگرسیون کاکس در پیش بینی بقای بیماران مبتلا به سرطان معده

    Articleکومشاکبر بیگلریان، akbar biglarian ابراهیم حاجی زاده، ebrahim hajizadeh انوشیروان کاظم نژاد، anoshirvan kazemnejad

    سابقه و هدف: یکی از روش های آماری تحلیل داده های بقا، مدل رگرسیونی کاکس است که نیازمند پذیره هایی مانند متناسب بودن مخاطرات است. در چند دهه اخیر به کارگیری مدل شبکه عصبی مصنوعی برای پیش بینی داده های بقا، افزایش یافته است. این مطالعه به منظور پیش بینی بقای بیماران مبتلا به سرطان

  • پیش بینی ابتلا به دیابت با استفاده از شبکه عصبی مصنوعی

    Articleمجله علوم پزشکی رازیفرزانه برفه ئی، مسعود صالحی، ایرج نجفی

    زمینه و هدف: بیماری دیابت با گسترش روزافزون و بار سنگینی که در نتیجه کنترل و درمان عوارض به مردم و کشور تحمیل می کند به یکی از چالش های مسئولین درمانی و دولتی تبدیل شده است. از این رو پیشگیری از بروز و پیشرفت آن در اولویت قرار می گیرد که این امر تنها با شناسایی عوامل مؤثر و کنترل