شبکه های عصبی مصنوعی

در تحقیق حاضر،توان مدل سه متغیره فاما و فرنچ(1993)،ارزش گذاری دارایی هایی سرمایه ای و شبکه های عصبی مصنوعی در تبیین بازده سهام در بورس اوراق بهادار تهران مقایسه و سعی شده است به این پرسش پاسخ داده شود که قدرت پیش بینی کدام یک بیشتر است. متغیرهای مدل فاما وفرنچ عبارتند از بازده مازاد بازار،اندازه و نسبت ارزش دفتری به ارزش بازار و متغیر وابسته بازده پرتقوی سهام دوره زمانی 5 ساله از ابتدای 1385 تا 1389 است.در هر بازه سه ماهه از دوره تحقیق،بر اساس اندازه و نسبت ارزش دفتری به ارزش بازار،شرکتهای نمونه به 6 پر تقوی تقسیم و فرضیه های تحقیق بر مبنای این پرتقوی ها آزمون شده است. نتایج به دست آمده نشان می دهد که توان مدل سه متغیره فاما و فرنچ بالاتر از مدلهای قیمت گذاری دارایی های سرمایه ای است:همچنین،مدلهای یک متغیره و سه متغیره شبکه عصبی عملکردی بهتر از مدلهای متناظر دارند

طولانی شدن اجرای پروژه های ورزشی می تواند سبب بروز آثار منفی متعددی بر توسعه ورزش و به تبع آن توسعه کشور شود؛ ازاین رو تحقیق حاضر با هدف پیش بینی میزان تأخیر در پروژه های عمرانی ورزشی با استفاده از شبکه عصبی مصنوعی انجام شد. روش تحقیق، آمیخته کیفی-کمی و از نوع تحقیقات کاربردی بود. جامعه آماری تحقیق در بخش کیفی، خبرگان حوزه پروژه های عمرانی ورزشی بودند که با روش نمونه گیری هدفمند و تکنیک گلوله برفی به تعداد 13 نفر از این خبرگان مراجعه شد و با انجام مصاحبه نیمه ساختارمند به شناسایی عوامل مؤثر بر تأخیر در پروژه های عمرانی ورزشی پرداخته شد. جامعه دوم تحقیق در بخش کمّی به منظور پیش بینی میزان تأخیر در پروژه های عمرانی ورزشی انجام شد که شامل عوامل مدیریتی ساخت پروژه عمرانی مانند پیمانکار، مهندسی اجرایی، مدیران اجرایی و معاونین عمرانی ادارات کل استان ها بود و تعداد 750 نفر از آن ها در قالب 25 نفر برای هر پروژه و درمجموع 30 پروژه به روش دردسترس به عنوان نمونه انتخاب شدند. برای دستیابی به مدل پیش بینی تأخیر از شبکه های عصبی مصنوعی و برای اعتبار سنجی کار از الگوریتم لوو استفاده شد. براساس نتایج، مدل ارائه شده توانست با دقت 34/88 میزان تأخیر در پروژه های عمرانی را شناسایی کند؛ بنابراین با توجه به این مدل می توان میزان تأخیر را در پروژه های عمرانی پیش بینی کرد و اقدام لازم در راستای کاهش آن انجام داد.