مقاله بررسی اثر بکارگیری روش بهینهسازی دستهجمعی ذرات در بهبود قابلیت پیشبینی ورشکستگی با استفاده از شبکههای عصبی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله بررسی اثر بکارگیری روش بهینهسازی دستهجمعی ذرات در بهبود قابلیت پیشبینی ورشکستگی با استفاده از شبکههای عصبی دارای ۱۴ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله بررسی اثر بکارگیری روش بهینهسازی دستهجمعی ذرات در بهبود قابلیت پیشبینی ورشکستگی با استفاده از شبکههای عصبی  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله بررسی اثر بکارگیری روش بهینهسازی دستهجمعی ذرات در بهبود قابلیت پیشبینی ورشکستگی با استفاده از شبکههای عصبی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله بررسی اثر بکارگیری روش بهینهسازی دستهجمعی ذرات در بهبود قابلیت پیشبینی ورشکستگی با استفاده از شبکههای عصبی :

تعداد صفحات:۱۴
چکیده:
یکی از روشهای رایج در پیشبینی ورشکستگی استفاده از مدلهای شبکههای عصبی است. در میان روشهای شبکههای عصبی، روش پرسپترون چندلایه یک الگوریتم یادگیری تحت نظارت است که توان بالایی برای پیشبینی و طبقهبندی مسائل دارد. مدل مذکور عاری از نقصان نبوده و با توقف در نقاط بهینه محلی از پیدا کردن نقاط بهینه سراسری بازمیماند. برای رفع این نقیصه در تحقیق حاضر از روش بهینهسازی دستهجمعی ذرات برای بهینه کردن شبکه عصبی پرسپترون چندلایه استفادهشده است. جامعه آماری این پژوهش به دو گروه شرکتهای سالم و ورشکسته تقسیم میشود. نمونه استفادهشده شامل ۶۰ شرکت ورشکسته و ۶۰ شرکت سالم برای سالهای ۱۳۸۳ تا ۱۳۹۱ است. شرکتهایی که مشمول ماده ۱۴۱ قانون تجارت بودند بهعنوان شرکتهای ورشکسته انتخاب وQ توبین ساده بهعنوان معیار انتخاب شرکت سالم برگزیده شد. نتایج پژوهش نشان میدهد که مدل ساختهشده با استفاده از روش شبکه عصبی پرسپترون چندلایه دارای قابلیت پیشبینی ورشکستگی در شرکتهای پذیرفتهشده در بورس اوراق بهادار تهران میباشد. همچنین مدل شبکه عصبی پرسپترون چندلایه بهبودیافته توسط روش بهینهسازی دستهجمعی ذرات نیز میتواند ورشکستگی را در شرکتهای مذکور پیشبینی نموده و توان پیشبینی آن نسبت به مدل شبکه عصبی پرسپترون ساده افزایش قابلتوجهی را نشان میدهد