ساختار کلی شبکه عصبی مصنوعی

دانلود پایان نامه

مرحله ششم: تعیین معیار فاصله ای برای آلترناتیو ایده آل(si*) و آلترناتیو حداقل(si-)؛
مرحله هفتم: تعیین ضریبی که برابر است با فاصله آلترناتیو حداقل si- تقسیم بر مجموع فاصله آلترناتیو حداقل si- و فاصله آلترناتیو ایده آل si* که آن را با (ci*) نشان داده می شود، باشد؛
مرحله هشتم: رتبه بندی آلترناتیوها بر اساس میزان ci* . میزان فوق دارای رابطه 1 ci* 0 است. دراین راستا =1 ci* نشان دهنده بالاترین رتبه و =0 ci* نیز نشان دهنده کمترین رتبه است(ایلکا و دین پناه، 62:1390).
در تحلیل کمی داده ها از آزمون های آنالیز خوشه ای(Hierarchical Cluster Analysis )، آنالیز تشخیص یا متمایزکننده(Discriminant Analysis)، مقایسه میانگین ها(t-test)، یو من ویتنی(Mann- Whitney U)، فریدمن(Friedman)، ضریب همبستگی(correlation) در نرم افزار SPSS استفاده گردیده است.
همچنین از تکنیک شبکه عصبی مصنوعی جهت سنجش اهمیت نسبی و میزان تاثیر ابعاد بر متغیر وابسته در نرم افزار statistic استفاده های لازم به عمل می آید. شبکه های عصبی مصنوعی(ANNs) ابزار ریاضی ای هستند که با تقلید از سیستم عصبی بیولوژیک ساخته شده اند، قدرت انعطاف و تصحیح پذیری بالایی در انطباق خود با داده های موجود را دارند؛ به گونه ای که قادرند به سازماندهی مجهز شده، نظم و هماهنگی موجود در داخل این داده ها را پیدا کنند و بر اساس بردارهای ورودی، رخداد و بزرگی یک پدیده را پیش بینی نمایند(صلاحی و همکاران، 65:1389). تکنیک شبکه عصبی به مانند مغز انسان دارای قدرت یادگیری است و مجموعه ای از اطلاعات را در خود ذخیره می کند. لذا، برای مدل کردن عوامل تاثیرگذار بر توسعه کشاورزی نیاز به آموزش سیستم داریم و مجموعه داده های جمع آوری شده را به صورت پیش فرض جهت پیش بینی روابط در نظر می گیریم. این شبکه ها از سه لایه ورودی، پنهان و خروجی تشکیل شده است که اصطلاحا به آن شبکه عصبی پرسپترون(Perceptron) گفته می شود(معماریان فرد و بیگی هرچگانی، 92:1388). نرون(شکل 4-2-4- الف) کوچکترین یکان پردازشگر شبکه است. چنان که در رابطه 1 نشان داده شده است، عملکرد شبکه عصبی مصنوعی به گونه ای است که مقدار ورودی خالص در هر نرون را از مجموع حاصل ضرب ماتریس ورودی P با عناصر(=1,2,3…,r)Pi و ماتریس وزن W با عناصر(=1,2,3…,r)Wi به همراه مقدار ثابت 1 با وزن b، تولید می کند.
(1)
b=WP+b n=
در رابطه بالا، K تعداد پارامترهای بردار ورودی و b وزن اریب است. در پایان با اعمال تابع فعالیت(تبدیل) f، خروجی شبکه به صورت رابطه 2 خواهد بود.
(2)
a=f (WP+b)
در مرحله معماری یا همان تعیین ساختار کلی شبکه، گزینش تعداد و چگونگی قرار گرفتن لایه ها و همچنین وزن های اتصال به عهده فرد طراح است(جهانگیر و همکاران، 74:1387).
شکل(1-9): الف) ساختار کلی شبکه عصبی مصنوعی، ب) نرون عصبی با تعداد r ورودی
الف)
ب)
به منظور ارزیابی نتایج مدل شبکه عصبی از معیارهای مجذور میانگین مربعات خطا(RMSE) و ضریب تعیین R2 استفاده گردید.
(3)
RMSE
R2 =1-
در روابط بالا:
yi : مقادیر اندازه گیری شده متغیر، i : مقدار پیش بینی شده متغیر، i : میانگین مقدار پیش بینی شده متغیر و N: تعداد داده ها می باشند(رضایی ارشد و همکاران، 110:1391).
در نهایت، از آنالیز حساسیت جهت شناخت میزان تاثیر عوامل ورودی استفاده شد. به طور اصولی تحلیل حساسیت برای آشکار شدن تاثیر هر یک از نرون های ورودی بر نرون یا نرون های خروجی است(حق وردی و همکاران، 180:1390).
در نهایت، از آزمون های کلموگروف – اسمیرنف(Kolmogorov-Smirnov Test) نیز جهت سنجش نرمال بودن توزیع داده و آزمون گردشی(Runs) برای سنجش تصادفی بودن داده بکار گرفته می شود.
1-7- روش گردآوری اطلاعات
برای جمع آوری اطلاعات لازم در این تحقیق، از روش های زیر استفاده شده است.
الف- روش اسنادی: در مرحله اول به منظور دستیابی به دیدگاه های نظری درباره موضوع تحقیق، از روش اسنادی استفاده گردید و با مراجعه به کتب و اسناد معتبر، مباحث نظری آن تدوین گردید.

این مطلب مشابه را هم بخوانید :   پایان نامه با واژه های کلیدیتعهد سازمانی، رفتار شهروندی، رفتار شهروندی سازمانی، معنویت در محیط کار