چکیده:
در این تحقیق هدف پیشبینی ارزش افزوده اقتصادی پالایش شده با استفاده از مدل پرسپترون چندلایه (MLP) شبکه عصبی و همبستگی است که میتوان از آن برای سرمایهگذاری و تصمیمگیری اقتصادی و یافتن روش بهتر و کاراتر در پیشبینی ارزشافزوده اقتصادی پالایش شده استفاده نمود. تحقیق حاضر از نظر طبقهبندی بر مبنای هدف، نوعی تحقیق کاربردی محسوب میشود. از سوی دیگر پژوهش حاضر بر مبنای طبقهبندی تحقیقات بر اساس روش و ماهیت، تحقیقی همبستگی محسوب میگردد. انجام تحقیق در چارچوب استدلالات قیاسی - استقرایی است. برای طبقهبندی اطلاعات و محاسبه متغیرها و تجزیهوتحلیل آنها از نرمافزار Spss کمک گرفته شده است. نتایج این تحقیق بر اساس اطلاعات 60 شرکت تولیدی فعال در استان مرکزی برای یک دوره ۱۰ساله از سال 1381 تا 1390 که بر اساس روش نمونهگیری انتخاب شدهاند که یافتههای تحقیق نشان میدهد: خطای شبکه عصبی مصنوعی کمتر از خطای مدل همبستگی میباشد. میتوان دلیل این موضوع را حرکت غیرخطی و موازی در شبکه عصبی مصنوعی دانست به همین علت شبکه عصبی توانایی بیشتری نسبت همبستگی در پیشبینی دارد.
If we consider delinquency as any current act or omission for which punishment is determined by the law, as well as behavior that is against the generally accepted norms, it leads to an increase in delinquency among teenagers by looking at the statistics announced by correctional centers. , the news that is announced from newspapers and other mass media and also by looking at your surroundings, streets and parks and so on. We will understand in a tangible way, and since teenagers have enough time to compensate and reform, it is possible to prevent the occurrence of crime in their youth and adulthood by preventing juvenile delinquency, and social security will not be irreparably damaged.In this research, the sociological explanation of the causes of juvenile delinquency has been discussed, and in the form of a review study and comparative analysis, with the theoretical framework of Travis Hirschi and Gut Fredson, we investigated the causes of delinquency, and in the results of the research, we have stated that incomplete social connection and low self-control are the causes of delinquency. It is teenagers
خلاصه ماشینی:
با توجه به پژوهش حاضر که پیش بینی ارزش افزوده اقتصادی استخراج شده با دو روش همبستگی و شبکه عصبی میپردازد اهداف زیر مد نظر است: 1) هدف اساسی این پژوهش پیش بینی ارزش افزوده اقتصادی پالایش شده با استفاده از مدل پرسپترون چند لایه (MLP) شبکه عصبی است که میتوان از آن برای سرمایهگذاری و تصمیمگیری اقتصادی استفاده نمود.
چارچوب نظری ومدل مفهومی تحقیق در این تحقیق سعی براین است که ارزش افزوده اقتصادی پالایش شده را بااستفاده ازمدل MLP شبکه عصبی مصنوعی پیش بینی کرده و نتایج آن را باپیش بینی ازطریق همبستگی مقایسه کنیم.
فرضیه دوم : قدرت تبیین مدل پرسپترون چند لایه شبکه عصبی مصنوعی در جهت تعیین رابطه نسبت های مالی وارزش افزوده اقتصادی پالایش شده مناسب است.
فرضیه سوم : مدل پرسپترون چند لایه شبکه عصبی مصنوعی، قدرت بالاتری نسبت به همبستگی در پیش بینی ارزش افزوده اقتصادی پالایش شده داراست.
- ارزیابی و تشریح نتایج آزمون فرضیه ها فرضیه اول طبق فرضیه اول : قدرت تبیین مدل همبستگی در جهت تعیین رابطه نسبتهای مالی و ارزش افزوده اقتصادی پالایش شده مناسب است.
فرضیه دوم فرضیه دوم : قدرت تبیین مدل پرسپترون چند لایه شبکه عصبی مصنوعی در جهت تعیین رابطه نسبت های مالی وارزش افزوده اقتصادی پالایش شده مناسب است.
بررسی فرضیه سوم فرضیه سوم : مدل پرسپترون چند لایه شبکه عصبی مصنوعی، قدرت پیش بینی بهتری نسبت به همبستگی در پیشبینی ارزش افزوده اقتصادی پالایش شده داراست.