دسته: مقالات ترجمه شده
حجم فایل: 167 کیلوبایت
تعداد صفحه: 19
نقش توانمند سازی سیستم های پشتیبان تصمیم در یادگیری سازمانی
چکیده
سازمان ها به طور عادی اطلاعات را پردازش می کنند، تصمیماتی را اتخاذ نموده و آنها را اجرا می کنند. پیشرفت های اخیر در کامپیوتر و تکنولوژی های ارتباطات طریقه انجام هر یک از وظایف سازمان را تغییر داده است. سیستم های پشتیبان تصمیم (DSSs) یک دسته مهم از ابزار هایی هستند که یک سازمان برای پشتیبانی و ارتقاء فعالیت های تصمیم گیریش مورد استفاده قرار می دهد. به طور سنتی، سازمان ها به دنبال این هستند که یک سری اهداف از پیش تعیین شده و ثابت داشته باشند. اما برای حفظ جایگاه رقابتی و بقاء در محیط پویای امروز سازمان ها باید توانایی واکنش سریع نشان دادن و وفق پیدا کردن با تغییرات در وضعیت کسب و کارش را داشته باشند. برخی تغییرات می تواند به دلیل پیشرفت های فنی، رشد و تغییر تقاضای مشتریان، الزامات رقابتی، تغییر در نیروی کار، تاثیرات محیطی و سیاسی، فشارهای اجتماعی، نگرانی های امنیتی و غیره باشد. در سال های اخیر حوزه DSS بسیار تخصصی تر شده است و در برگیرنده پارادایم هایی همچون سیستم های خبره (ESs) ، DSS های هوشمند، DSSهای فعال و DSSهای سازگارپذیر می باشد. هوش مصنوعی (AI) بر پایه فنونی است که در بسیاری از کاربردهای DSS به کار گرفته شده اند، از اینرو قابلیت های پشتیبانی DSS افزایش می یابد. برخی پارادایم ها دارای کاربرد بالقوه در هر دو زمینه یادگیری سازمانی و فردی می باشند. هرچند میزان اینکه هر یک از DSSهای موجود می توانند یادگیری سازمانی را تقویت کنند هنوز به طور جدی مورد بحث است. این مقاله استراتژی های یادگیری به کارگرفته شده توسط سازمان ها و DSSها را مورد آزمون قرار می دهد و یک چارچوب را به منظور شرح اینکه چگونه یک DSS می تواند یادگیری سازمانی را ارتقاء دهد، ارائه می دهد.
واژگان کلیدی: سیستم های پشتیبان تصمیم، DSSهای سازگارپذیر، یادگیری سازمانی، هوش مصنوعی، یادگیری القائی
قیمت: 16,000 تومان
دسته: هوش مصنوعی
حجم فایل: 75 کیلوبایت
تعداد صفحه: 1
پروژه بازی حافظه با نرم افزار فلش FLASH
قالب بندی: flash-swf-as
قابلیت اجرا در نرم افزار adobe flash
در این پروژه باید دو عکس کارت را مثل هم پیدا کنید تا بازی تمام شود
قیمت: 5,000 تومان
چکیده
در بازار سهام، تجزیه و تحلیل فنی به عنوان روش مفیدی برای پیش بینی قیمت های سهام می باشد. اگرچه، تحلیلگران متخصص سهام و مدیران مالی، معمولا قضاوت های ذهنی را بر مبنای شاخص های فنی هدف انجام می دهند، برای افراد غیرمتخصص مشکل می باشد تا تکنیک پیش بینی را بکار گیرند، زیرا شاخص های فنی پیچیده بسیار زیادی وجود دارد که می بایست مد نظر قرار گیرد. علاوه بر این دو مانع در بسیاری از مدل های پیش بینی گذشته وجود دارد: 1) فرضیه های آماری در ارتباط با متغیرها برای مدل های سری زمانی همانند مدل میانگین متحرک اتورگرسیون (ARMA) و ناهماهنگی پراکنش شرطی اتورگرسیو (ARCH) مورد نیاز می باشند، تا مدل های پیش بینی کننده معادلات ریاضی را مطرح کرده و این موارد به آسانی توسط سرمایه گذاران بازار سهام درک نمی گردد؛ و 2) قوانینی که در نتیجه بعضی از الگوریتم های هوش مصنوعی، همانند شبکه های عصبی (NN) می باشند که به آسانی قابل درک نیستند.
مقدمه
برای غلبه بر این موانع، این مقاله مدل پیش بینی کننده هیبریدی را با استفاده از شاخص های فنی چندگانه برای پیش بینی روند بازار سهام مطرح می کند. علاوه بر این چنین مواردی شامل چهار روش مطرح شده در مدل های هیبریدی برای ایجاد قوانین کارامد به منظور پیش بینی می باشد، که حاصل قواعد استنباط شده با ارزش حمایتی بالا، با استفاده از مجموعه ابزارها بر مبنای مجموعه نظریات می باشد.
مقدمه
بی شک عصر حاضر که بنام عصر اینترنت و عصر فناوری اطلاعات و دانش رقم خورده است همه ارکان زندگی انسان را دچار تغییر و تحول نموده است. مشخصه این عصر حذف پارادایم های اصلی قرن گذشته و جایگزین مواردی همانند حذف زمان و مکان، افزایش پیچیدگی و نگرش به اطلاعات به مثابه قدرت و ثروت به جای پارادایم های گذشته است. آنچه که پیامد این جایگذ اری است تغییر عمیق سیمای سازمان, بنگاه و اساسا هر گونه جمعیت انسانی است که بدلایل رشد فناوری می توانند به طور توزیع شده توسعه یافته و از امکانات و منابع یکدیگر بهره بگیرند بی شک در چنین صورتی با وجود سیستم ها و مکانیزم های متعدد و توزیع شده آن چیزی که می تواند به شدت بر روی زندگی مردم تاثیر گذارده مسئله شفافیت و همروندی در این نوع سیستم ها است که در غیر این صورت استفاده از آنها را به شدت غیر کارامد می کند. سرویس گرائی از جمله راه حلی در فناوری اطلاعات بوده که اگر بدرستی فهم شده و بدرستی به کار گرفته شود می تواند مسئله شفافیت و همروندی سیستم های توزیع شده را به طور قطعی حل کند.
همانند سرنوشت همه مفاهیم دیگر فناوری اطلاعات، سرویس و سرویس گرائی نیز در قرن حاضر از مفهومی فنی و مهندسی به مفهومی عمومی و به اصطلاح پوپولیستی تبدیل شده و همه به طور کلی از ان به جا و نابه جا استفاده می کنند. این واقعیت، استفاده از این مفهوم را در عمل دچار مشکل کرده و در وحله اول فهم و درک اولیه ان را دچار مشکل می کند. بدلیل انفجار اطلاعاتی در عصر حاضر و توسعه و انتقال دانش در عرصه های مختلف فهم مفاهیم چند بعدی به کار گرفته شده در عصر حاضر براحتی میسر نبوده و به ویژه این در باره مفاهیمی صادق است که مدلول آن ذهنی بوده و به تعبیر ابن سینا ثانویهاست. در چنین حالتی و حتی در هنگامی که مدلول عینی و ملموس باشد می توان با بهکارگیری مفهوم استعاره (بکار گرفته شده و معرفی شده در هوش مصنوعی مدرن و علوم شناختی) مشکل مزبور را حل نموده و فهمی درست را در ذهن متبادر کرد. به این ترتیب رساله حاضر تلاشی است در راستای درک و فهم درست استعاره های سرویس و معماری سرویس گرائی و بهکارگیری درست آن در عمل به طوری که بتواند در سیستم های توزیع شده به کار گرفته شده و مسائلی نظیر شفافیت، همروندی، قابلیت استفاده مجدد، دسترس پذیری و امثالهم را در سطح معماری و مهندسی حل کند.