سیبرنتیک، در واقع علمی است که به نظام های ارتباطی و کنترل در موجودات زنده، ماشین ها و سازمان ها می پردازد. پس از پیدایش سیبرنتیک، اکثر علوم، به گونه ای آشکار یا تلویحی از اصول آن بهره مند شده اند و در این راستا، هر یک به فراخور حوزه خود و به زعم صاحب نظران آن علم، توصیفی مناسب از آن را ارائه داده اند. انسان یا هر موجود متحرّک، یک سیستم پویا و پیچیده ی سایبرنتیکی است. بنابراین، سیستم متحرّک از قوانین و اصول سایبرنتیک، پیروی می کند. سیستم های سیبرنتیکی به دنبال کنترل، پیش بینی، مشاهده و سنجش پذیری حرکات مختلف در سیستمهای گوناگون و چگونگی ارتباط این سیستم ها با زیرسیستم ها و حتی دیگر سیستم ها می باشند. تا از این طریق به درک، پیش بینی و یا حتی خلق حرکات جدید نیز دست یابند. باتوجه به قابلیت مشاهده و اندازه گیری بودن حرکات، و به دلیل اینکه حرکات نشان دهنده ارتباط میان سیستم ها و زیرسیستم های درگیر در حرکت هستند، و با عنایت به تعریف حرکت سیبرنتیکی، تحلیل سایبرنتیکی حرکت، روشی برای یادگیری چگونگی تصمیم گیری اجزای سیستم های کنترل کننده ی حرکت، و نیز سبب کسب دانش عمیق تری نسبت به اهداف فوری و درک حرکات می شود. در این مقاله که به روش کتابخانه ای و مرور منابع انجام گرفته است، محققین به بررسی، معرفی و شناخت انواع حرکت در سیبرنتیک، عوامل مؤثر بر آن، حرکت سیبرنتیکی، پویایی و بازخورد در سیستم های سیبرنتیکی، پویایی (حرکت) در نظام کتابخانه-به عنوان یک سیستم سایبرنتیکی –,و همچنین مهم ترین اصول سایبرنتیک، کاربست و تعامل آنها با حرکت، خواهند پرداخت.

0

موفقیت در شکل دهی تغییر و تحولات آتی مستلزم درک علل تغییر و تحول در گذشته و شناخت ساختارها و روابط ایجادکننده تحولات آینده است تا با استفاده از آن بتوان ساختارها و روابط نظام مندی که تغییر و تحولات را در نظامهای اقتصادی و اجتماعی به وجود می آورند شناسایی کند. علم پویایی شناسی سیستمها، که از آن برای شناخت، درک و تجزیه و تحلیل رفتار و حرکات اجزای سیستم استفاده می شود می تواند مسایل مختلف ساده و پیچیده را مدلسازی نموده و تغییر ناشی از تعامل متغیرها و شناسایی رفتارهای آتی آنها را در دوره های زمانی مختلف مورد بررسی قرار دهد. سیستم اطلاعات حسابداری نیز که از مهمترین تعیین کننده های مدیریت و عملکرد سیستم های اطلاعاتی در موسسات است به نوعی فرایند تصمیم گیری محسوب می شود و تابعی از زمینه، مسیله موجود و فرد است و متغیرهای زمینه، تفاوت در محیط تصمیم گیری را نشان می دهند که بر چگونگی تفسیر تصمیم گیرنده از محیط پیرامون تاثیر می گذارند و برای کاهش آثار منفی و نگران کننده ناشی از عواقب نامطلوب آن را در هر سازمان می باشد، نیازمند شناخت، درک و تجزیه و تحلیل رفتار و حرکات اجزای سیستم به کمک ساختار پویایی شناسی سیستمها می باشد تا با بهره گیری از آن مسایل مختلف ساده و پیچیده را مورد بررسی و حل قرار داد. بر این اساس برای اولین بار در ایران، در مقاله حاضر، به معرفی و تبیین پویایی شناسی سیستمها، اجزای تشکیل دهنده هر سیستم پویا و نحوه تعامل و ارتباط پویایی شناسی سیستم و اجزای آن در سیستم حسابداری از منظر دانش پرداخته می شود.

هدف مطالعه حاضر، پیش بینی احتمال وقوع بحران بانکی در چارچوب سیستم هشدار زودهنگام پویا است. بدین منظور، از داده های 2017-1996 منتخبی از 10 کشور با درآمد متوسط بالا، استفاده شده و الگوی تحقیق به روش لاجیت ایستا و پویا تخمین زده شد. نتایج تحقیق نشان داد که الگوی لاجیت پویا بهتر از ایستا است. بر این اساس، متغیرهای نسبت نقدینگی گسترده، نسبت اعتبار داخلی به GDP و شاخص قیمت سهام به عنوان هشداردهنده های زودهنگام بحران بانکی شناسایی شدند. همچنین متغیر پویای الگو (بحرانی بانکی با وقفه) بیانگر آن است که در صورت وقوع بحران در یک سال قبل، احتمال وقوع بحران در سال جاری نیز وجود دارد؛ که این موضوع، احتمال تداوم و ماندگاری بحران های بانکی طی سال های متوالی را نشان می دهد. در ادامه نتایج ارزیابی سیستم هشدار نشان داد که توان پیش بینی الگوی پویا در هر دو حالت پیش بینی درون و برون نمونه ای، بهتر از الگوی ایستا است.

در این تحقیق به منظور برآورد تابع تقاضا برای مواد غذایی در مناطق شهری ایران، از چارچوب سیستم تقاضای تقریبا ایده آل در دو حالت ایستا و پویا استفاده گردیده است. سپس نسبت به تعیین کشش های قیمتی و درآمدی تقاضا برای مواد غذایی اقدام شده است. برای این منظور از داده های سری زمانی مربوط به سالهای 1384-1353 استفاده گردید. نتایج مختلف تصریح مدل نشان داد که نتایج در حالت ایستا در مقایسه با حالت پویا ضعیف تر است. نتایج تجزیه و تحلیل مربوط به ساختار تفکیک پذیری، این فرضیه را که مصرف کنندگان تخصیص درآمد را ابتدا بین گروه های مختلف خوراکی و سپس بین انواع مختلف گوشت ها انجام می دهند را رد نمود. کلیه کشش های خود قیمتی جبرانی و غیر جبرانی منفی بدست آمد که از این جهت مطابق با انتظارات مبانی نظری می باشد. همچنین کشش های درآمدی برای کلیه مواد غذایی مورد مطالعه مثبت بدست آمد.

در دهه های اخیر امنیت اطلاعات از اهمیت بالایی برخوردار است. این درحالی است که بسیاری از پروژه های ارتقاء امنیت اطلاعات در سازما ن ها به دلیل عدم اطلاع دقیق از ریسک ها و عوامل موثر با شکست مواجه می شوند. پژوهش حاضر جهت شناسایی شاخص های تاثیرگذار بر امنیت سیستم های اطلاعاتی داده های لازم پس از مطالعات کتابخانه ای و مطالعات میدانی به صورت مصاحبه باز با 12 نفر از خبرگان که با روش نمونه گیری قضاوتی و هدفمند انتخاب شده اند جمع آوری شده است. نمودار روابط علی پژوهش پس از شناسایی ابعاد و شاخص های ریسک با استفاده از نظرات خبرگان ترسیم شده و در نهایت مطابق با مدل سازی پویایی های سیستم، مدل پویای پژوهش با استفاده از نرم افزار ونسیم (Vensim) طراحی شده است. مدل سازی پویایی های سیستم درک بهتری از رفتار سیستم ایجاد می نماید و بوسیله آن می توان ساختارها و سیاست های جدیدی را تدوین نمود. برای اعتبار سنجی مدل از آزمون شرایط حدی استفاده شده و نتایج نشان از تایید اعتبار مدل ارایه شده دارد. برای انجام شبیه سازی داده های لازم با استفاده از داده های شرکت مهندسین مشاور افق گردآوری شده است. نتایج شبیه سازی در مدت 12 ماه نشان می دهد در بین ریسک های شناسایی شده بیشترین اهمیت مربوط به ریسک فنی می باشد؛ ریسک داده، انسان و فیزیکی در رتبه های بعدی قرار می گیرند؛ کم اهمیت ترین ریسک مربوط به محیط می باشد. در نهایت، چهار سناریو استفاده از نرم افزارهای امنیتی، تعیین سطوح دسترسی کاربران، استفاده از برق اضطراری، استفاده از نظارت تصویری و آموزش کارکنان جهت بهبود رفتار سیستم معرفی شده است.

افزایش تعداد هسته ها، به منظور افزایش توان محاسباتی یک سیستم چندهسته ای، منجر به افزایش دمای پردازنده می شود. یکی از راه کارهای معمول برای کاهش دما، روش های کنش گراست. این روش ها، با پیش بینی دما پیش از رسیدن به دمای حدآستانه، مدیریت دما را انجام می دهند. در این مقاله، اثر استفاده از ویژگی-های مناسب برای مدیریت دمای پردازنده موردتوجه قرار گرفته است. برای مدیریت دما، سه مدل، به ترتیب برای پیش بینی دما، پیش بینی پاسخ دمایی و کنترل دما پیشنهاد شده است. در این راستا، از شبکه عصبی پرسپترون چندلایه ای برای پیش بینی دما و پاسخ دمایی و از سامانه استنتاج عصبی-فازی وفقی به منظور مدیریت دما استفاده می شود. برای آموزش هر یک از مدل ها، مجموعه داده ای با تنوع بالا از حالات مختلف دمایی پردازنده، ایجاد و تعدادی از ویژگی های هر مجموعه، با نظارت حس گرها و شمارنده های کارایی پردازنده ایجاد و همچنین، برای افزایش دقت هر یک از مدل ها، تعدادی ویژگی با بهره گیری از پردازش های پیشنهادی فراهم و سپس، ویژگی های مناسب برای هر یک از مدل ها، با روش های پیشنهادی در این مقاله انتخاب می شود. ارزیابی مدل پیشنهادی برای پیش بینی و کنترل دمای پردازنده برای فاصله های زمانی مختلف، کمتر از 6/0 درجه سانتی گراد خطا دارد.