در این تحقیق یک روش جدید خوشه یابی خودکار مبتنی بر الگوریتم ایمنی مصنوعی ارایه شده است. در روش پیشنهاد شده طول سلول های تدافعی پویا بوده و بر اساس فواصل درون خوشه ای و بین خوشه ای به وسیله یک کنترل کننده فازی تعیین می شود. حاصل این تدبیر دستیابی به تعداد مناسب خوشه ها بدون انجام آزمایشات مکرر است که به تبع آن یک خوشه یابی موثر و کارآمد (به صورت خودکار) حاصل خواهد شد. البته تنظیم دستی تعداد خوشه ها (مانند سایر روش های معمول خوشه یابی) نیز پیش بینی شده است تا امکان دسترسی به نتایج مورد نظر (و دلخواه) کاربران فراهم باشد. روش ارایه شده بر روی انواع مختلفی از داده های مصنوعی و داده های مشهور در پردازش الگو (با تنوع در ابعاد فضای ویژگی و تعداد نمونه ها) آزمایش شده است. نتایج به دست آمده برتری نسبتا قابل توجهی را در عملکرد این روش نسبت به روش k means (به عنوان یک روش خوشه یابی مرسوم) نشان می دهد. این برتری در مواجهه با حجم داده های زیاد، بیشتر به چشم می خورد. همچنین این نتایج نشان می دهند که روش پیشنهادشده در مقایسه با روش خوشه یابی وراثتی (به عنوان یک روش خوشه یابی جدید) دارای عملکردی مشابه و در مواردی بهتر از آن می باشد.

از زمانی که انسان ها شیوه زندگی جمعی را به توسعه شهر نشینی گسترش دادند، دغدغه امنیت همواره یکی از چالش های مهم زندگی به شمار می رفته است. جهت حفاظت از اموال، قفل ها همواره ابزاری کاربردی بوده اند. با پیشرفت فناوری شکل و فرم قفل ها از حالت مکانیکی به حالت برقی تغییر یافته است. یکی از پرکاربردترین زمینه های استفاده از هوش مصنوعی کاربرد آن در تکنولوژی سیستم های امنیتی نظارتی می باشد. در حال حاضر تکنولوژی های بکار رفته در دستگیره درب ضد سرقت هوشمند یکی از پرپتانسیل ترین زمینه ها برای استفاده از هوش مصنوعی است. هوش مصنوعی این امکان را دارد که با تجزیه و تحلیل داده ها به کمک الگوریتم ها و مدل های ریاضی به یادگیری، محاسبه، تفسیر و پردازش پرداخته و تصمیمات هوشمندانه اتخاذ نماید.

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

پدیده هموارسازی سود مقوله ای مشترک در مرز دانش حسابداری و امور مالی است. یکی از انگیزه های شرکت ها برای هموار کردن سود حداقل نمودن تأثیر مالیات در طول زمان می باشد. در این پژوهش با استفاده از اطلاعات 9 سال مالی در بورس اوراق بهادار تهران و با استفاده از اطلاعات مالی 2070 سال-شرکت به پیش بینی هموارسازی سود با الگوریتم ماشین بردار ارتباطی پرداخته است. نتایج نشان می دهد که از بین متغیرهای پژوهش، متغیرهای حاشیه سود ناخالص، سود هر سهم، بازده فروش، بازده سهام، محافظه کاری شرطی، نسبت وجه نقد عملیاتی به دارایی ها، نسبت قیمت سهام به سود و کیفیت سود بر هموارسازی سود جاری تأثیر معناداری دارد و همچنین الگوریتم ماشین بردار ارتباطی در حالت خطی و غیرخطی توانایی پیش بینی میزان هموارسازی سود شرکت های پذیرفته شده بورس اوراق بهادار تهران را با قدرت بالا دارد. از دیگر یافته های پژوهش این است که برای پیش بینی هموارسازی سود الگوریتم غیرخطی ماشین بردار ارتباطی توانایی بالاتری نسبت به الگوریتم خطی ماشین بردار ارتباطی دارد

مدیریت استراتژیک رهبری پروژه به طور فزاینده ای در زمینه خطرات زیست محیطی رخ می دهد، چه ناشی از یک بیماری همه گیر ویروسی یا یک آب و هوای انسانی در حال تغییر. این نیاز به سازگاری برای تغییر دارد، به ویژه هنگامی که پروژه ها در پیچیدگی رشد می کنند و به عنوان مداخلات در سیستم های گسترده تر دیده می شوند. در این مقاله، ما یک دیدگاه اجتماعی را در نظر می گیریم، کار اخیر را ترکیب می کنیم و یک دستور کار تحقیقاتی جدید را در سه حوزه مرتبط به هم پیشنهاد می کنیم که باید توسط رهبری پروژه مورد توجه قرار گیرد: 1) تغییر فناوری ها، باز کردن ارزش هایی که فناوری ها برای دستیابی به نتایج مطلوب نشان می دهند. 2) پیچیدگی سازمانی، درگیر کردن بازیگران متعدد و پرداختن به پیچیدگی ها و عدم قطعیت های در حال ظهور و 3)، نگرانی های زیست محیطی، رسیدگی به خواسته ها برای پروژه ها برای مداخله مثبت برای ایجاد آینده های پایدار و هوشمند، انعطاف پذیر و عادلانه. سهم ما تئوریزه کردن معنای رهبری اجتماعی شده برای این موضوعات حیاتی است که در مطالعات پروژه ظهور می کنند و دستورالعمل هایی را برای تحقیقات بیشتر در مورد اشکال مثبت رهبری پروژه در جهانی در شرایط هوشمندسازی در حال تغییر تعیین می کنیم.