فیلترها/جستجو در نتایج    

فیلترها

سال

بانک‌ها




گروه تخصصی











متن کامل


اطلاعات دوره: 
  • سال: 

    1389
  • دوره: 

    دوره جدید - 18
  • شماره: 

    8 (مسلسل 56)
  • صفحات: 

    103-123
تعامل: 
  • استنادات: 

    2
  • بازدید: 

    2274
  • دانلود: 

    554
چکیده: 

ظرفیت مالیاتی، ظرفیت اقتصادی یک کشور برای تحمل فشار انواع مالیات ها است به عبارت دیگر، میزانی است که مردم می توانند مالیات بپردازند. تعیین ظرفیت مالیاتی کار دشواری است. بررسی چگونگی افزایش درآمد مالیاتی به عنوان بخشی از درآمدهای دولت از اهمیت ویژه ای برخوردار است. در این راستا، یک برآورد دقیق از ظرفیت مالیاتی و شناخت منابع موجود آن، ضروری به نظر می رسد. مناسب ترین معیار برای محاسبه و برآورد این ظرفیت که می توان به صورت بالقوه از آن مالیات گرفت، پایه مالیاتی بخش های مختلف اقتصادی می باشد. بدین منظور، ارزش افزوده بخش ها در کشور نیز محاسبه شده است. در این مطالعه از روش مدلسازی شبکه عصبی استفاده شده است که درآن متغیرهای مستقل به عنوان لایه ورودی وارد سیستم یادگیری شبکه عصبی می شوند. متغیرهای ورودی در مدل یعنی، نرخ تورم، ضریب جینی، نسبت جمعیت شهری به کل جمعیت، درجه باز بودن اقتصاد و سهم ارزش افزوده بخش های کشاورزی و صنعت از GDP، متغیرهای مستقل مدل را تشکیل می دهند و متغیر وابسته یا تابع که همان ظرفیت مالیاتی است، حکم لایه خروجی را در شبکه عصبی دارد. بر حسب روش آزمون و خطا برای لایه های پنهان و گره های هر لایه، شبکه عصبی به صورت مناسب انتخاب می شود. در این مدل آموزش از روش داخل شبکه ای (batch) و از رویکرد پرسپترون چند لایه ای (MPL) بصورت پیش رو و بدون بازخورد استفاده شده است.

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 2274

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 554 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 2 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 3
نویسندگان: 

ERFANIAN S. | KASHAFI E. | KARIMI JASHNI H.

نشریه: 

CELL JOURNAL (YAKHTEH)

اطلاعات دوره: 
  • سال: 

    2012
  • دوره: 

    14
  • شماره: 

    SUPPLEMENT 1
  • صفحات: 

    35-36
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    258
  • دانلود: 

    0
چکیده: 

Objective: Mesenchymal stem cells are present in many human tissues and serve as a readily available source of undifferentiated cells being capable to form specific tissues like bone, cartilage, fat, muscle and tendon. MSCs can be isolated from various adult mesenchymal tissues including synovium. the aim of this study is search the ability of synovium- derived mesenchymal stem cells to differentation to acquire neuronal or glialin vitro.Materials and Methods: MSCs were isolated and cultured from femoral knee joint of baker cyst and ACL (Anterior cruciate ligament) patient and identified with morphological observations and differentiation tests.Then, SMSCs isolated and inducedin vitro by b-mercaptoethanol (BME) and retinoic acid (RA). Alizarin red oil red O staining and RT-PCR were done to investigate stemness property of cells. After differentiation, the expression of neuronal markers NF-L (neurofilament- light, or neurofilament 70 kDa) and early neuronal marker NeuroD1 were determined with RT-PCR.Results: Morphological observations, differentiation results and RT-PCR tests revealed that our isolated cells were MSCs. RT-PCR analysis indicated that the RA and BME treated SM- MSCS expressed mRNA transcripts for neuron-specific markers neurofilament proteins (NF-L) and Neurogenic differentiation 1 (NeuroD1).Conclusion: These results indicate that human synovial membrane -derived MSCs could trans-differentiate into neural cell types by RA and BME treatment. So in spite of these results, better understanding of SM-MSCs behavior in vitroand in vivo is needed to develop strategies for therapeutic applications by these cells.

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 258

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
همکاران: 

اطلاعات : 
  • تاریخ پایان: 

    1395
تعامل: 
  • بازدید: 

    244
کلیدواژه: 
چکیده: 

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 244

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
اطلاعات دوره: 
  • سال: 

    2016
  • دوره: 

    23
تعامل: 
  • بازدید: 

    164
  • دانلود: 

    0
چکیده: 

NOWDAYS SATELITE IMAGES AND GIS TECHNICS HAS BEEN KNOWN AS LASTEST INFORMATIONS IN TERRAIN'S COVER STUDIES AND LAND APPLICATION. IN CURRENT RESEARCH FOR TM'S SENSOR ABILITY DELIBRATION IN LANDS SEPARATION AND APPLICATION OF KERMAN STATE WE HAVE USED LANDSAT SATELLITE AND FOR ASTER SENSOR WE HAVE USED TERRA SATELLITE. AFTER PRIMARY PRE PROCESSES AND CORRECTIONS ON IMAGES (BY USING ENVI 4.7 SOFTWARE) THEY ARE CLASSIFIED BY MEANS OF THREE CLASSIFICATION METHODS WHICH ARE: SUPERVISED NEURAL NETWORK, MINIMUM DISTANCE, MAXIMUM LIKELIHOOD. THE CLASSIFICATION ACCURACY OF THIS METHODS WERE COMPARED TOGETHER AND IT WAS DERIVED THAT NEURAL NETWORK HAS THE BEST ACCURACY IN COMPARISION TO TWO OTHER METHODS. THEN THE ANT COLONY ALGORITHM USED TO IMPROVEMENT CLASSIFICATION ACCURACY OBTAINED FROM THE THREE METHODS. THIS ALGORITHM HAS BEEN PROGRAMMED IN MATLAB SOFTWARE AND AFTER IMAGES CLASSIFICATION BY MEANS OF THIS PROGRAM RESULT ACCURACY FROM TM AND ASTER SENSORS HAVE BEEN GROWN 6% IN MAXIMUM LIKELIHOOD CLASSIFICATION, 3% IN MINIMUM DISTANCE CLASSIFICATION AND 1% IN NEURAL NETWORK CLASSIFICATION.

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 164

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 0
اطلاعات دوره: 
  • سال: 

    1390
  • دوره: 

    13
  • شماره: 

    1 (مسلسل 48)
  • صفحات: 

    1-10
تعامل: 
  • استنادات: 

    1
  • بازدید: 

    1975
  • دانلود: 

    428
چکیده: 

در این تحقیق شبکه عصبی مصنوعی جهت برآورد و پیش بینی غلظت گازهای آلاینده هوا به کار رفته است. با توجه به خطر آلودگی هوا در شهر تهران و ایجاد مشکلات زیست محیطی و بیماری های خطرناک تنفسی و پوستی به ویژه برای کودکان و سالمندان و نیاز شدید به کنترل آن، این تحقیق در جهت برنامه ریزی و کنترل این مشکل در تهران و همچنین شهرهای بزرگ دیگر انجام گرفته است. برای این منظور از آمار غلظت گازهای آلاینده هوای ثبت شده توسط حسگر های (سنسور) نصب شده در ایستگاه بازار در سال های 1381 تا 1386 استفاده شده است (گاز NO). از مدل اتو رگرسیو و سری های زمانی جهت تعیین ورودی های شبکه عصبی استفاده شده و بر اساس این مدل غلظت گاز در زمان جاری به غلظت گازهای 7 روز گذشته وابسته است. بنابراین ورودی های شبکه عصبی غلظت گاز در 7 روز گذشته و خروجی آن که در واقع پیش بینی شبکه عصبی می باشد، غلظت گاز در زمان جاری می باشد. سپس با استفاده از نرم افزار مطلب 7، مدل شبکه عصبی مصنوعی طراحی شده و این پیش بینی انجام گرفته است. همچنین این پیش بینی با استفاده از رگرسیون غیر خطی نیز انجام گرفته و در پایان نتایج مدل ثبت گردیده و خطای جذر میانگین مربعات مدل شبکه عصبی با معادلات رگرسیون مقایسه شده است و مشاهده می شود که خطای مدل شبکه عصبی کمتر از روش رگرسیون است. مدل های ارایه شده توانایی چشم گیری در پیش بینی میزان آلودگی هوای تهران را دارند.

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 1975

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 428 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 1 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
اطلاعات دوره: 
  • سال: 

    1395
  • دوره: 

    24
تعامل: 
  • بازدید: 

    370
  • دانلود: 

    342
چکیده: 

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 370

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 342
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
اطلاعات دوره: 
  • سال: 

    1394
  • دوره: 

    1
تعامل: 
  • بازدید: 

    447
  • دانلود: 

    172
چکیده: 

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 447

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 172
نشریه: 

بیمارستان

اطلاعات دوره: 
  • سال: 

    1393
  • دوره: 

    -
  • شماره: 

    ویژه نامه
  • صفحات: 

    0-0
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    758
  • دانلود: 

    349
چکیده: 

لطفا برای مشاهده چکیده به متن کامل (pdf) مراجعه فرمایید.

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 758

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 349 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 2
اطلاعات دوره: 
  • سال: 

    1393
  • دوره: 

    13
  • شماره: 

    35
  • صفحات: 

    167-180
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    517
  • دانلود: 

    302
چکیده: 

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 517

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 302 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
اطلاعات دوره: 
  • سال: 

    1394
  • دوره: 

    2
  • شماره: 

    2 (پیاپی 3)
  • صفحات: 

    1-14
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    1053
  • دانلود: 

    475
چکیده: 

هدف این مقاله شناسایی معیارهای موثر در مکان یابی پارک های منطقه 9 شهرداری مشهد در سه مقیاس همسایگی، محلی و ناحیه ای با تاکید بر اصول الگوی تخصیص کمینه فاصله، و در نهایت بررسی پتانسیل منطقه به لحاظ ساخت این نوع پارک هاست؛ لذا با استفاده از روش اسنادی و میدانی، پس از بررسی کمبودها و تحلیل وضعیت فعلی منطقه، شش معیار برای بررسی محدوده های مناسب جهت احداث پارک انتخاب شده است که عبارت اند از: مراکز ثقل جمعیتی، فاصله از مراکز آموزشی، فاصله از مراکز فرهنگی، دسترسی به شبکه های ارتباطی، فاصله از پارک های موجود و دسترسی به زمین های مستعد. همچنین از سیستم اطلاعات جغرافیایی به عنوان ابزار تلفیق، تحلیل و نمایش داده های مکانی در فرایند مکان یابی، استفاده و فضاهایی که نیازمند برنامه ریزی بوده، مشخص شده است. نتایج نشان می دهد که سرانه پارک های منطقه برابر 1.3 متر مربع بوده و برای رسیدن به استاندارد پیشنهادی طرح جامع (2.62 متر مربع)، بایستی حدود 52.8 هکتار به مساحت پارک های منطقه افزوده شود. بنابراین جهت رفع کمبود منطقه با استفاده از تحلیل شبکه در محیط GIS، حدود 61 هکتار از اراضی بایر در دو اولویت اول و دوم، مناسب جهت احداث پارک پیشنهاد شده است.

شاخص‌های تعامل:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 1053

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 475 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
litScript
telegram sharing button
whatsapp sharing button
linkedin sharing button
twitter sharing button
email sharing button
email sharing button
email sharing button
sharethis sharing button