پایان‌نامه

مقایسه شبکه عصبی و رگرسیون در پیش بینی شادمانی بر مبنای جنسیت ویژگی های شخصیتی، عزت نفس و سک مقابله

چکیده

هدف پژوهش مقایسه دو مدل شبکه عصبی و رگرسیون برای پیش بینی شادکامی برمبنای ویژگی های شخصیت، عزت نفس و سبک های مقابله بوده است نتایج نشان داد شبکه عصبی موفق تر از رگرسیون عمل مب کمد

اساتید راهنما و مشاور

علی دلاور، محمد رضا فلسفی

پایان‌نامه‌های مشابه

اسناد مشابه

  • مقایسه نتایج مدلهای آماری و شبکه عصبی در پیش بینی تعداد تصادفات در تقاطعات

    مقاله۲۰۰۸پژوهشنامه حمل و نقلشهریار افندی زاده، سیدابراهیم عبدالمنافی، محمود احمدی نژاد

    تصادفات ترافیکی از عوامل بسیار مهم مرگ ومیر بوده و خسارات و آسیب های شدید جانی و مالی در پی دارند.. تصادفات همچنین آثار و تبعات سنگین اجتماعی، فرهنگی و اقتصادی دارند که موارد ناشی از آنها جوامع بشری را به شدت تاثیر قرار می دهد. اگرچه گسترش روزافزون ترافیک در شهرها موجب افزایش مزا

  • مقایسه نتایج مدلهای آماری و شبکه عصبی در پیش بینی تعداد تصادفات در تقاطعات

    مقالهپژوهشنامه حمل و نقلشهریار افندی زاده، استادیار، دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران، تهران، ایران سیدابراهیم عبدالمنافی، دانش آموخته کارشناسی ارشد، دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران، تهران، ایران محمود احمدی نژاد، استادیار، دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران، تهران، ایران

    تصادفات ترافیکی از عوامل بسیار مهم مرگ ومیر بوده و خسارات و آسیب های شدید جانی و مالی در پی دارند.. تصادفات همچنین آثار و تبعات سنگین اجتماعی، فرهنگی و اقتصادی دارند که موارد ناشی از آنها جوامع بشری را به شدت تاثیر قرار می دهد. اگرچه گسترش روزافزون ترافیک در شهرها موجب افزایش مزا

  • پیش‏بینی رضامندی زناشویی برمبنای ویژگی‏های شخصیتی: مقایسه مدل شبکه عصبی مصنوعی و روش رگرسیون

    مقالهعلوم رفتاریروح 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

    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 شبکه عصبی مصنوعی و رگرسیون لجستیک در پیش بینیپاسخ های دو حالتی مطالعات پزشکی

    مقالهمجله دانشگاه علوم پزشکی خراسان شمالیاکبر بیگلریان، a biglarian عنایت اله بخشی، e bakhshi مهدی رهگذر، m rahgozar مسعود کریملو

    چکیده زمینه و هدف: رگرسیون لجستیک یک مدل عمومی برای بررسی رابطه بین متغیرهای مستقل و پاسخ های دوحالتی است. یکی از مدل های انعطاف پذیر که به طور جایگزین می تواند مورد استفاده قرار گیرد، مدل شبکه عصبی مصنوعی است. این مطالعه با هدف مقایسه ی قدرت پیش بینی پاسخ های دوحالتی داده های پز

  • کاربرد شبکه های عصبی در پیش بینی فرایندهای تجاری و مدیریتی و مقایسه با مدل های غیر خطی مطالعه موردی: صنعت چوب ایران

    مقاله۲۰۱۱مطالعات مدیریت صنعتیعلی اکبر نیک نفس، مهدی کاظمی، وحید رنجبر

    ماهیت روابط تشریح کننده بسیاری از فرایندهای واقعی زندگی به ویژه در حوزه های تجاری و مدیریتی اغلب غیر خطی هستند. لذا پیش بینی رفتار چنین فرایندهایی نیازمند ابزارهای دقیق و اثر بخش است. شبکه های عصبی مصنوعی قادرند به عنوان یک ابزار مهم مدل سازی در پیش بینی مسائل کسب و کار، نقایص مد

  • کاربرد شبکه های عصبی در پیش بینی فرایندهای تجاری و مدیریتی و مقایسه با مدل های غیر خطی مطالعه موردی: صنعت چوب ایران

    مقالهمطالعات مدیریت صنعتیمهدی کاظمی، استادیار گروه مدیریت دانشگاه سیستان و بلوچستان، زاهدان، (مسئول مکاتبات) علی اکبر نیک نفس، استادیار گروه مهندسی کامپیوتر دانشگاه شهید باهنر، کرمان وحید رنجبر، کارشناس ارشد مدیریت فناوری اطلاعات دانشگاه سیستان و بلوچستان

    ماهیت روابط تشریح کننده بسیاری از فرایندهای واقعی زندگی به ویژه در حوزه های تجاری و مدیریتی اغلب غیر خطی هستند. لذا پیش بینی رفتار چنین فرایندهایی نیازمند ابزارهای دقیق و اثر بخش است. شبکه های عصبی مصنوعی قادرند به عنوان یک ابزار مهم مدل سازی در پیش بینی مسائل کسب و کار، نقایص مد