ارائه الگوی تعیین موفقیت طرح های سرمایه گذاری کشاورزی: کاربرد شبکه عصبی چندلایه پرسپترون

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

 ارائه الگوی تعیین موفقیت طرح های سرمایه گذاری کشاورزی: کاربرد شبکه عصبی چندلایه پرسپترون دارای ۳۲ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد ارائه الگوی تعیین موفقیت طرح های سرمایه گذاری کشاورزی: کاربرد شبکه عصبی چندلایه پرسپترون  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 ارائه الگوی تعیین موفقیت طرح های سرمایه گذاری کشاورزی: کاربرد شبکه عصبی چندلایه پرسپترون،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن ارائه الگوی تعیین موفقیت طرح های سرمایه گذاری کشاورزی: کاربرد شبکه عصبی چندلایه پرسپترون :

نام کنفرانس، همایش یا نشریه : پژوهش های روستایی

تعداد صفحات :۳۲

هدف تحقیق حاضر شناسایی و ارزیابی الگویی برای پیش بینی موفقیت یا شکست طرح های پیشنهادی سرمایه گذاری کشاورزی در مناطق روستایی است، این موضوع در حیطه طبقه بندی است، و تعلق هر یک از طرح های پیشنهادی به گروه موفق یا شکست، بر اساس متغیرهای پیش بینی کننده تعیین می گردد. متغیرهای پیش بینی کننده، عبارت اند از مولفه های محیط سرمایه گذاری و ویژگی های پروژه. بر اساس نوشتارهای تخصصی در این زمینه، شبکه عصبی چندلایه پرسپترون با الگوریتم یادگیری پس انتشار خطا، تکنیک و الگوی نسبتا مناسبی برای تبیین مساله به شمار می آید. برای ارزیابی کارایی الگو از شاخص میانگین مربعات خطا، منحنی ROC و شاخص صحت پیش بینی استفاده شده است. ارزیابی الگو مشخص می سازد که شبکه عصبی با ۲۴ نرون در لایه پنهان می تواند حدود ۷۷.۵ درصد از نمونه ها را به درستی پیش بینی و طبقه بندی کند. بر اساس نتایج به دست آمده از داده های آزمون شبکه، الگوی ارائه شده توان بیشتری برای پیش بینی و طبقه بندی نمونه های ناموفق در مقایسه با نمونه های موفق دارد (۷۹.۲ درصد در برابر ۷۵ درصد). همچنین در این تحقیق، به منظور ارزیابی قابلیت کاربرد شبکه، ۳۱ نمونه جدید به صورت آف لاین به شبکه ارائه شدند. نتیجه نشان می دهد که الگوی ارائه شده، به واقع و در عمل می تواند حدود ۶۴.۵ درصد از نمونه ها را به درستی طبقه بندی کند. با الگوی طراحی شده می توان احتمال شکست یا موفقیت هر یک از طرح ها و پروژه های جدید را بر اساس متغیرهای پیش بینی کننده تخمین زد، و بدین ترتیب می توان آن را به همراه دانش و تخصص تصمیم گیرها و متولی یا متولیان توسعه روستایی و کشاورزی و مدیران موسسات مالی و اعتباری، به عنوان ابزاری مناسب برای انتخاب پروژه ها و طرح های بهینه برای سرمایه گذاری و ارائه تسهیلات به آنها، به کار گرفت. مراحل مختلف آموزش، آزمون، اعتبارسنجی و کاربرد شبکه و یا اصطلاحا شبیه سازی شبکه با استفاده از نرم افزار MATLAB انجام شده است.

کلید واژه: سرمایه، طبقه بندی، پیش خور، بنگاه، راک