منابع و ماخذ تحقیق شبکه های عصبی مصنوعی و مدل شبکه های عصبی

دانلود پایان نامه
فعالیت.
1) نسبت گردش مجموع دارایی ها (فروش به کل دارایی ها)، این نسبت به منظور ارزیابی توانایی به کارگیری کارآمد دارایی ها موسسات اعتبار گیرنده مورد استفاده قرار می گیرد .
2) نسبت گردش موجودی کالا (قیمت تمام شده کالای فروش رفته به موجودی کالا)،این نسبت نشان دهنده کارایی در استفاده از موجودی کالا می باشد .
3) نسبت گردش حسابهای دریافتی (فروش نسیه به حسابهای دریافتی) که دفعات وصول مطالبات در سال را نشان می دهد .
4) نسبت دوره متوسط وصول مطالبات (360 به نسبت گردش حسابهای دریافتی )که تعداد روزهای مورد نیاز وصول مطالبات را نشان می دهد
5) نسبت فروشهای روزانه به خریدهای روزانه اعم نسبت هایی هستند که در این مجموعه قرار می گیرند .
سودآوری.
شاخص ترین نسبتهایی که زیر این عنوان مورد بررسی قرار می گیرد عبارتند از :
1) نسبت حاشیه ناخالص سود (سود ناخالص به فروش)، که عملکرد شرکت در قیمت گذاری محصول و کنترل هزینه های تولید را نشان می دهد
2) نسبت حاشیه خالص سود (سود خالص به فروش)، که عملکرد شرکت در قیمت گذاری محصول و کنترل هزینه های تولیدی و غیر تولیدی را نشان می دهد .
3) نسبت سودآوری بر مبنای سرمایه گذاری ها (سود خالص به کل دارایی ها)، که نشان می دهد در برابر هر ریال سرمایه گذاری چه مقدار بازدهی نسیب موسسه اعتبار گیرنده می شود
ظرفیت .
ظرفیت یک موسسه ،در چشم انداز آینده آن نهفته است . توانایی مدیریت ، منابع انسانی ، ترکیب تولید ، امکانات ، منابع مالی ، تخصص بازار و ارتباطات یک موسسه مهمترین عواملی هستند که در این قسمت بررسی می شوند ، لذا تجزیه و تحلیل های صورت گرفته در این قسمت مبتنی بر عوامل مالی و غیر مالی است.
2-6-4. شبکه های عصبی
توسعه سیستم خبره کامپیوتری مستلزم فراگیری دانش انسان خبره می باشد. به همین دلیل طراحی . استقرار چنین سیستمی اغلب دارای احتمال خطا و زمان بر است.بسیاری از سیستم های خبره از طریق روش قیا سی وشبیه سازی به ادراک فرآیند تصمیم گیری متخصصین می پردازند. همانطور که اشاره گردیداز مهمترین سیستم های خبره، زمان بری، هزینه زیاد برنامه ریزی الگوریتم تصمیمات و عدم انعطاف پذیری سیستم می باشد. مدل شبکه های عصبی برای حل چنین مشکلاتی ارائه شده است. این سیستم در حقیقت فرآیند یاد گیری انسانی را شبیه سازی می کند. سیستم شبکه عصبی مصنوعی با تقلید از سیستم عصبی و مغزی انسان سعی می کند که ارتباط بین داده ها(نسبت های مالی، روند اقتصادی، کیفیت مدیریت و…) و ستاده ها(وضعیت اعتباری وام گیرنده) را از طریق تکرار نمونه برداری از مجموعه اطلاعات گذشته داده – ستانده یادگیری نماید. مزیت شبکه عصبی نسبت به سیستم خبره این است که هنگامی که داد ه ها کامل نبوده و یا دارای پارازیت باشند، از طریق آموخته های گذشته، داده های جدیدی را ایجاد می نمایند. یک شبکه عصبی مصنوعی شامل مجموعه ای از عناصر محاسباتی ساده بوده که در ارتباط متقابل با یگدیگر می باشند. در مغز انسان عناصر محاسباتی نرون ها هستند. سیستم مغزی انسانی چیزی جز مجموعه ای از نرون های مرتبط یا یگدیگرنیست.مغز انسان، بر اساس آنچه که در گذشته آموخته است، سیگنال های الکتروشیمیایی را که از نرون ها عبور می کنند منع و یا تقویت می نماید و از این طریق اقدام به یاد گیری پیامد های محرک ها می نماید. شبکه های عصبی مصنوعی نیز در حقیقت بخش های سخت افزاری و نرم افزاری بوده که مشابه نرون های بیو لوژیکی در سیستم عصبی انسان عمل می نماید. رفتار شبکه عصبی از رفتار جمعی واحد های پیوسته استخراج می شود. ارتباط بین واحد های (نرون ها) در شبکه عصبی محکم نبوده و این ارتباط از طریق فرآیند یادگیری ایجاد شده توسط تعامل شبکه با جهان خارج تعدیل می گردد. ساختار شبکه عصبی مصنوعی بر اساس درون داده ها، تعداد نرون ها، تعداد لایه های پنهان، وزن ها، تابع مجموع، تابع تبدیل و ستادها یا برون داده ها مشخص می شود.
همانند شبکه های بیولوژیکی، هر یک از شبکه های عصبی مصنوعی را می توان با توپولوژی مختلف سازماندهی کرد. به عبارت دیگر، نرون ها یا واحد های پردازشگر در شبکه به طرق مختلف می توانند به هم متصل شوند و با هم ارتباط داشته باشند. بنابراین شبکه های عصبی مصنوعی در اشکال گوناگون پدیدار می شوند. بسیاری از عناصر پردازشگر اطلاعات، محاسباتشان را به طور موازی و همزمان انجام می دهند. این پردازش موازی شبیه روشی است که مغز عمل می کند و در مغایرت با پردازش متوالی در محاسبات سنتی است. زمانی که ساختار شبکه مشخص گردید، اطلاعات مربوطه برای حل مسأله مورد پردازش قرار می گیرند. عناصر اصلی که در پردازش مشارکت دارند عبارتند از:
الف) درون داده ها
هر درون داده به یک ویژگی مسأله مربوط می شود. برای مثال، اگر مسأله تصمیم گیری در مورد تصویب یا عدم تصویب یک وام باشد، از ویژگی هایی از قبیل سطح درآمد، سود خالص، گردش عملیات و میزان دارایی های متقاضی وام می توان استفاده نمود. ارزش یک ویژگی، به عنوان درون داده یک شبکه تلقی می شود. اگر چه داده های مربوط به درون داده به صورت ارزش گذاری می شوند، ممکن است در برخی موارد اعداد نشان دهنده داده ها کیفی مانند عبارات «بله یا خیر» با شند.
ب) برون داده ها
برون داد شبکه، در واقع همان راه حل یا جواب مسأله است. شبکه های عصبی مصنوعی از ارزش عددی برای برون داداستفاده می کنند. به عنوان مثال، یک(1+) برای بله و صفر(0) برای خیر در نظر گرفته شده است. هدف شبکه عصبی محاسبه ارزش برون داد می باشد.
ج) وزن ها