كاربرد شبكه هاي عصبي مصنوعي براي پيش بيني اقدامات كلان در مديريت

اﻣﺮوزه ﺑﺎ ﭘﯿﺸﺮﻓﺖ ﻋﻠﻢ و ﺗﮑﻨﻮﻟﻮژي ،ﺟﻤﻊ آوري داده ﻫﺎي ﻣﺮﺑﻮط ﺑﻪ ﻣﺘﻐﯿﺮ ﻫﺎي ﻣﻮﺛﺮ ﺳﺎﻟﻬﺎي ﻗﺒﻞ، ﭘﯿﺶ ﺑﯿﻨﯽ در ﻣﺤﯿﻂ ﻫﺎي رﻗﺎﺑﺘﯽ از اﻫﻤﯿﺖ ﻓﺮاواﻧﯽ ﺑﺮﺧﻮردار اﺳﺖ در دﻫﻪ ﻫﺎي ﮔﺬﺷﺘﻪ ﮐﻪ روش ﻫﺎي اﺑﺘﮑﺎري و ﻫﻮش ﻣﺼﻨﻮﻋﯽ ﻣﺘﺪاول ﻧﺸﺪه ﺑﻮدﻧﺪ، ﺑﺮاي ﭘﯿﺶ ﺑﯿﻨﯽ ﻣﻌﻤﻮﻻ از روش ﻫﺎي آﻣﺎري ﻣﺎﻧﻨﺪ رﮔﺮﺳﯿﻮن ، ﻧﻤﻮ ﻫﻤﻮار، ﻣﯿﺎﻧﮕﯿﻦ ﻣﺘﺤﺮك و ﺣﺘﯽ روش ﻫﺎي ﻓﺮاﻃﺒﯿﻌﯽ اﺳﺘﻔﺎده ﻣﯽ ﺷﺪ اﻣﺎ در دﻫﻪ اﺧﯿﺮ روش ﻫﺎي اﺑﺘﮑﺎري و ﻫﻮﺷﻤﻨﺪ ﺷﺒﮑﻪ ﻋﺼﺒﯽ ﺑﺮاي ﭘﯿﺶ ﺑﯿﻨﯽ ﻣﻮرد اﺳﺘﻔﺎده ﻗﺮار ﮔﺮﻓﺘﻪ اﺳﺖ.در اﯾﻦ ﻣﻘﺎﻟﻪ ﺳﻌﯽ ﺷﺪه ﺗﺎ ﺑﺎ اﺳﺘﻔﺎده از ﺷﺒﮑﻪ ﻫﺎي ﻋﺼﺒﯽ ﻣﺼﻨﻮﻋﯽ ﭘﺮﺳﭙﺘﺮون و ﺳﺮي ﻫﺎي زﻣﺎﻧﯽ ﮐﻪ ﺗﺮﺟﯿﺤﺎ ﻣﯿﺰان ﻣﺼﺮف ﺑﺮق ﻃﯽ 15 ﺳﺎل ﮔﺬﺷﺘﻪ ﻣﯽ ﺑﺎﺷﺪ ، ﻣﻘﺎدﯾﺮ آﯾﻨﺪه را ﭘﯿﺶ ﺑﯿﻨﯽ ﻧﻤﻮد. اﯾﻦ ﮐﺎر ﮐﻤﮏ ﺷﺎﯾﺎﻧﯽ در ﺑﺨﺶ ﻣﺪﯾﺮﯾﺖ و ﺣﺘﯽ در ﺳﻄﺢ ﮐﻼن ﺧﻮاﻫﺪ ﻧﻤﻮد. ﺑﺪﯾﻦ ﮔﻮﻧﻪ ﮐﻪ در آﯾﻨﺪه ﻣﺜﻼ 10 روز آﯾﻨﺪه ﻣﯿﺰان ﻣﺼﺮف ﺑﺮق ﭼﮕﻮﻧﻪ اﺳﺖ ﺗﺎ ﺗﻌﺪاد ﻧﯿﺮوﮔﺎﻫﻬﺎﯾﯽ ك ﻻزم اﺳﺖ ﻓﻌﺎل و ﯾﺎ ﻏﯿﺮ ﻓﻌﺎل ﺑﺎﺷﺪ ،ﻣﺸﺨﺺ ﺷﻮد و از اﯾﻦ ﻗﺒﯿﻞ اﻗﺪاﻣﺎت. در اﺑﺘﺪا ﻣﺮوري ﺑﺮ ﭼﺮاﯾﯽ و دﻟﯿﻞ اﺳﺘﻔﺎده از ﺷﺒﮑﻪ ﻋﺼﺒﯽ را ﺧﻮاﻫﯿﻢ داﺷﺖ و در اداﻣﻪ ﺑﻌﺪ از ﺗﺸﺮﯾﺢ ﺳﺎﺧﺘﺎر ﺷﺒﮑﻪ ﻋﺼﺒﯽ ﺗﺮﺟﯿﺤﺄ ﭘﺮﺳﭙﺘﺮون ﭼﻨﺪﻻﯾﻪ1 ( ، اﺷﺎره اي ﺧﻮاﻫﯿﻢ داﺷﺖ ﺑﻪ ﭼﮕﻮﻧﮕﯽ ﺗﺒﺪﯾﻞ ﯾﮏ ﻣﺴﺎﻟﻪ ﭘﯿﺶ ﺑﯿﻨﯽ ﺳﺮي زﻣﺎﻧﯽ2 ﺑﻪ ﯾﮏ ﻣﺴﺎﻟﻪ ﺗﻘﺮﯾﺐ ﺗﺎﺑﻌﯽ3 ﮐﺎﻣﻞ ﺑﻪ ﮔﻮﻧﻪ اي ﮐﻪ ﺑﺸﻮد ﺑﺎ ﺷﺒﮑﻪ ﻋﺼﺒﯽ آن را ﺣﻞ ﮐﺮد. ﺑﻌﺪ از آﻣﺎده ﺷﺪن زﯾﺮ ﺳﺎﺧﺖ ﺗﺌﻮرﯾﮏ ﺑﺤﺚ ، ﻗﺪم ﺑﻌﺪي ﭘﯿﺎده ﺳﺎزي و ﻧﺘﯿﺠﻪ ﮔﯿﺮي ﺑﺎ اﺳﺘﻔﺎده از ﺗﻐﯿﯿﺮ ﻧﻮرون ﻫﺎي ﺷﺒﮑﻪ ﻋﺼﺒﯽ و در ﻧﻬﺎﯾﺖ اﻧﺘﺨﺎب ﺑﻬﺘﺮﯾﻦ روش ﺑﺮاي آﻣﻮزش ﺷﺒﮑﻪ ﻋﺼﺒﯽ ﺧﻮاﻫﺪ ﺑﻮد. ﺧﻮاﻫﯿﻢ دﯾﺪ ﮐﻪ ﺷﺒﮑﻪ ﻋﺼﺒﯽ ﭘﺮﺳﭙﺘﺮون ﺑﺎ دو ﻻﯾﻪ و ﯾﮏ ﻧﻮرون و دو ﺗﺎﺑﻊ اﮐﺘﯿﻮﯾﺸﻦ، ﻣﯿﺎﻧﮕﯿﻦ ﺧﻄﺎ4ي آﻣﻮزش و ﺗﺴﺖ ﮐﻤﺘﺮي ﺧﻮاﻫﺪ داشت.