هشدار دهنده هوشمند مدل مالی با استفاده از شبکه عصبی فازی مبتنی بر استدلال موردی
محل انتشار: نخستین سمپوزیوم ملی رباتیک و هوش مصنوعی
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 523
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:
PNUOPEN01_032
تاریخ نمایه سازی: 14 مرداد 1394
چکیده مقاله:
ایجاد مدل هشدار دهندهء اولیه ء مالی دقیق و قابل اجرا ، برای تصمیم گیرنده ها و رگولاتورها در صنعت مالی هر چند دربرخی از کسب و کار ها به خصوص بانک ها با عدم پیش بینی مواجه هست بسیار مطلوب است. اگرچه Business failure prediction BFP مخصوصاً بانکها موضوع وسیعی از اواخر دههء 1960 بوده است اما گام حساس بعدی که حمایت از تصمیم گیری است نا دیده گرفته شده بود. این مقاله یک مدل جدید برای هشدار مالی ارائه می دهد که یک سیستم استنتاج فازی را با توانایی ماشین شبکهء عصبی با هم ترکیب می کندکه به آن شبکه عصبی فازی گفته می شود (Fuzzy Neural Network (FNN این سیستم برای پیش بینی حالتهای مالی سازمانی استفاده می شود. همچنین توانایی استدلال بر پایه فازی (Fuzzy Case-Based Reasoning (FCBR جهت حمایت از تصمیم گیرندگان به منظور اندازه گیری راه حل های مناسب بکار می رود. این مدل هشدار دهندهء مالی پیشنهادی، یک پایگاه قواعد فازی سازگارجهت پیش بینی وضعیت های مالی مورد نظر برای ما تولید می کند. و اگر این مدل به شکست منجر شد FCBR برای یافتن موارد جبران کننده مشابه مورد استفاده قرار می گیرد در نهایت بر اساس موارد مشابه و با استفاده از قواعد فازی این مدل تصمیم گیری مالی به منظور تغییر صورت خاصی از اهداف شرکتو برای جلوگیری از آشفتگی های آینده أنها فراهم شده است.
کلیدواژه ها:
نویسندگان
زهرا عصایی معمم
گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد بوشهر
مهدی آقارضازاده
گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد بوشهر
محمدمهدی لطفی نژاد
عضو هیات علمی گروه کامپیوتر و فناوری اطلاعات دانشگاه پیام نور، تهران، ایران
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 :