بهبود شبکه عصبی RBF توسط خوشه بندی و کاهش ابعاد داده ها برای پیش بینی تقاضا متناوب قطعات یدکی
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,012
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NDMCONFT01_025
تاریخ نمایه سازی: 8 آذر 1394
چکیده مقاله:
پشتیبانی و خدمات پس از فروش محصول توجه طیف گسترده ای از مدیران ، متخصصان و تصمیم گیرندگان صنایع مختلف را خود جلب کرده است. رویکرد این مقاله ارائه یک روش ترکیبی از شبکه عصبی و داده کاوی برای پیش بینی تقاضای قطعات یدکی به منظور کمک به مدیران موجودی در تصمیم گیری های مهم می باشد .پیش بینی تقاضای قطعات یدکی به دلیل ویژگی شاخص بدون قاعده بودن، در کانون توجه بسیاری از محققان قرار دارد ودر تصمیم گیری موثر کمک قابل توجهی به مدیران موجودی می کند. پیچیدگی و تاثیر عوامل وپارامترها مختلف بر میزان تقاضا سبب گردیده که روشهای تحلیلی و ریاضی کارایی لازم را در این زمینه نداشته باشند .از این رو در این مقاله برای انجام پیش بینی تقاضای قطعات یدکی ما از ترکیب روشهای شبکه عصبی تابع شعاع مدار(RBF ) خوشه بند ی C میانکین فازی ( Fuzzy Mean) وتکنیک تحلیل مولفه های اساسی (PCA)و داده های شرکت هپکو واقع در استان مرکزی استفاده کردیم. نتایج حاصله نشان دهنده برتری روش پیشنهادی نسبت به سایر روشها می باشد.
کلیدواژه ها:
نویسندگان
بدرالسادات قرشی
دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی واحد اراک
ایرج نوری
استادیار مدیریت صنعتی، دانشگاه آزاد اسلامی واحد اراک
محمد ایزدی خواه
استادیار ریاضی، دانشگاه آزاد اسلامی واحد اراک
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :