نتایج جستجو

114223

نتیجه یافت شد

مرتبط ترین ها

اعمال فیلتر

به روزترین ها

اعمال فیلتر

پربازدید ترین ها

اعمال فیلتر

پر دانلودترین‌ها

اعمال فیلتر

پر استنادترین‌ها

اعمال فیلتر

تعداد صفحات

11423

انتقال به صفحه



فیلترها/جستجو در نتایج    

فیلترها

سال

بانک‌ها




گروه تخصصی











متن کامل


مرکز اطلاعات علمی SID1
اسکوپوس
دانشگاه غیر انتفاعی مهر اروند
ریسرچگیت
strs
اطلاعات دوره: 
  • سال: 

    1399
  • دوره: 

    6
  • شماره: 

    1
  • صفحات: 

    99-108
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    352
  • دانلود: 

    200
چکیده: 

یکی از راه های شناسایی مشاهد ات دورافتاده در مدل های رگرسیونی، سنجش دوری مشاهدات از مقدار مورد انتظارشان تحت مدل برازش شده است. در مدل های رگرسیونی دایره ای-دایره ای، این شناسایی با استفاده از فاصله ی دایره ای امکان پذیر است. در این مقاله آماره ی اختلاف میانگین های خطای دایره ای که به وسیله ی ابوزید و همکاران [1] برای شناسایی متغیر پاسخ دورافتاده در مدل رگرسیونی دایره ای-دایره ای ساده معرفی شده است، برای مدل رگرسیونی خطی-دایره ای به کار رفته و به روش شبیه سازی مونت کارلویی نقاط برینشی این آماره به دست آمده است. به علاوه با مطالعات شبیه سازی عملکرد این آماره بررسی شده است. در نهایت این آماره برای شناسایی پاسخ دورافتاده در داده ی سرعت و جهت باد ثبت شده در ایستگاه هواشناسی مهرآباد تهران به روش شبیه سازی خودگردان پارامتری به کار گرفته شده است.

آمار یکساله:  

بازدید 352

دانلود 200 استناد 0 مرجع 0
نویسندگان: 

عرب پور ای.ار. | تاتا م.

اطلاعات دوره: 
  • سال: 

    1387
  • دوره: 

    5
  • شماره: 

    2
  • صفحات: 

    1-19
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    1559
  • دانلود: 

    283
کلیدواژه: 
چکیده: 

به کار گرفتن روش کمترین مربعات در رگرسیون خطی فازی بسیار مشکل است، بنابراین مقالات متعددی برای برآورد پارامترهای مدل رگرسیون خطی فازی از روش های برنامه ریزی خطی استفاده کرده اند. در این مقاله با تعمیم و استفاده از فاصله ای که توسط دیاموند برای اعداد فازی تعریف شده است، پارامترهای مدل رگرسیون خطی فازی را برآورد می کنیم. همچنین نشان می دهیم که مجموع خطاها در این روش به طور قابل توجهی کمتر از سایر روش های ارایه شده در رگرسیون خطی فازی است.

آمار یکساله:  

بازدید 1559

دانلود 283 استناد 0 مرجع 0
اطلاعات دوره: 
  • سال: 

    1398
  • دوره: 

    13
  • شماره: 

    1
  • صفحات: 

    117-137
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    946
  • دانلود: 

    230
چکیده: 

در تحلیل رگرسیونی مطالعه مباحث تشخیصی شامل تعیین مشاهدات مؤثر و نقاط پرت از اهمیت ویژه ای برخوردار است. حساسیت روش کمترین توان های دوم نسبت به حضور مشاهدات مؤثر و داده های پرت در مدل موجب شد که گامی در جهت توسعه مباحث تشخیصی به منظور ارائه معیارهایی برای اندازه گیری تأثیر و شدت وابستگی به این مشاهدات برداشته شود. تعیین مشاهدات مؤثر و نقاط پرت در داده ها، زمانی که متغیرهای مستقل همخطی داشته باشند، بسیار پیچیده و مشکل است و خصوصاً اینکه حضور همخطی می تواند برخی از داده های غیرعادی را پوشش دهد. یکی از روش های مورد توجه برای تعیین مشاهدات پرت، روش انتقال میانگین است. در این مقاله، روش انتقال میانگین را برای برآوردگر ریج تحت محدودیت های خطی تصادفی؛ که به منظور کاهش اثر همخطی استفاده شده، تعمیم داده و برای این برآوردگر آماره آزمون جهت شناسایی مشاهدات پرت ارائه خواهد شد. در نهایت توانایی این روش را با استفاده از یک مثال کاربردی از داده های واقعی نشان داده می شود.

آمار یکساله:  

بازدید 946

دانلود 230 استناد 0 مرجع 0
گارگاه ها آموزشی
نویسندگان: 

HASANPOUR H. | MALEKI H.R. | YAGHOUBI M.A.

اطلاعات دوره: 
  • سال: 

    2010
  • دوره: 

    7
  • شماره: 

    2
  • صفحات: 

    19-39
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    104579
  • دانلود: 

    51756
چکیده: 

The fuzzy LINEAR REGRESSION MODEL with fuzzy input-output data and crisp coefficients is studied in this paper. A LINEAR programming MODEL based on goal programming is proposed to calculate the REGRESSION coefficients. In contrast with most of the previous works, the proposed MODEL takes into account the centers of fuzzy data’s an important feature as well as their spreads in the procedure of constructing the REGRESSION MODEL. Furthermore, the MODEL can deal with both symmetric and non-symmetric triangular fuzzy data as well as trapezoidal fuzzy data which have rarely been considered in the previous works. To show the efficiency of the proposed MODEL, some numerical examples are solved and a simulation study is performed. The computational results are compared with some earlier methods.

آمار یکساله:  

بازدید 104579

دانلود 51756 استناد 0 مرجع 0
اطلاعات دوره: 
  • سال: 

    2020
  • دوره: 

    6
  • شماره: 

    1
  • صفحات: 

    1-14
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    79959
  • دانلود: 

    44757
چکیده: 

The objective of this study was to develop a forecast MODEL to determine the rate of generation of municipal solid waste in the municipalities of the Cuenca del Cañ ó n del Sumidero, Chiapas, Mexico. Multiple LINEAR REGRESSION was used with social and demographic explanatory variables. The compiled database consisted of 9 variables with 118 specific data per variable, which were analyzed using a multicolLINEARity test to select the most important ones. Initially, different REGRESSION MODELs were generated, but only 2 of them were considered useful, because they used few predictors that were statistically significant. The most important variables to predict the rate of waste generation in the study area were the population of each municipality, the migration and the population density. Although other variables, such as daily per capita income and average schooling are very important, they do not seem to have an effect on the response variable in this study. The MODEL with the highest parsimony resulted in an adjusted coefficient of 0. 975, an average absolute percentage error of 7. 70, an average absolute deviation of 0. 16 and an average root square error of 0. 19, showing a high influence on the phenomenon studied and a good predictive capacity.

آمار یکساله:  

بازدید 79959

دانلود 44757 استناد 0 مرجع 0
نویسندگان: 

اطلاعات دوره: 
  • سال: 

    2020
  • دوره: 

    117
  • شماره: 

    48
  • صفحات: 

    0-0
تعامل: 
  • استنادات: 

    119
  • بازدید: 

    1160
  • دانلود: 

    17891
کلیدواژه: 
چکیده: 

آمار یکساله:  

بازدید 1160

دانلود 17891 استناد 119 مرجع 0
strs
نویسندگان: 

منصوری علی

اطلاعات دوره: 
  • سال: 

    1381
  • دوره: 

    6
  • شماره: 

    3 (پیاپی 26)
  • صفحات: 

    125-146
تعامل: 
  • استنادات: 

    1
  • بازدید: 

    1210
  • دانلود: 

    360
چکیده: 

هدف اساسی کلیه بانکهای تجاری، جمع آوری پس اندازهای اشخاص حقیقی و حقوقی و اعطای تسهیلات به سازمانها و شرکتهای مختلف تولیدی، خدماتی، صنعتی و … می باشد. با توجه به اهمیت تسهیلات اعطایی به شرکتهای واجد شرایط مدلهای متعددی برای سنجش ریسک اعتباری آنها ارائه شده است، لکن اغلب مدلهای مورد استفاده در این زمینه از نوع مدلهای خطی و یا خطی تعمیم یافته هستند که فقط ریسک اعتباری مشتریان را تحلیل می کنند و مورد بررسی قرار می دهند و کمتر به ظرفیت اعتباری مشتریان که عامل مهمی در ارائه تسهیلات اعتباری به شمار می رود توجه نموده اند. در این مقاله با استفاده از یک سری متغیرهای مستقل و بهره گیری از شبکه های عصبی پرسپترون چندلایه، ریسک اعتباری و ظرفیت اعتباری شرکتها و سازمانهای درخواست کننده اعتبار به طور همزمان مورد تحلیل قرار گرفته است. به منظور سنجش کارایی مدلهای شبکه های عصبی در مقایسه با مدلهای کلاسیک، نتایج حاصل از این مدل با نتایج مدلهای رگرسیون خطی و لجستیک مقایسه شده است. بررسی نتایج نشان داد که مدلهای شبکه های عصبی و رگرسیون لجستیک در برآورد ریسک اعتباری از قابلیت مشابهی برخوردار هستند، لکن مدلهای شبکه های عصبی در برآورد ظرفیت اعتباری مشتریان از توان بالاتری برخوردار است.

آمار یکساله:  

بازدید 1210

دانلود 360 استناد 1 مرجع 0
نویسندگان: 

SAJADI FAR S.M. | ALAMEH A.

اطلاعات دوره: 
  • سال: 

    2008
  • دوره: 

    2
  • شماره: 

    1
  • صفحات: 

    75-86
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    88957
  • دانلود: 

    62223
چکیده: 

In a multiple LINEAR REGRESSION MODEL, there are instances where one has to update the REGRESSION parameters. In such MODELs as new data become available, by adding one row to the design matrix, the least-squares estimates for the parameters must be updated to reflect the impact of the new data. We will modify two existing methods of calculating REGRESSION coefficients in multiple LINEAR REGRESSION to make the computations more efficient. By resorting to an initial solution, we first employ the Sherman-Morrison formula to update the inverse of the transpose of the design matrix multiplied by the design matrix. We then modify the calculation of the product of the transpose of design matrix and the design matrix by the Cholesky decomposition method to solve the system. Finally, we compare these two modifications by several appropriate examples.

آمار یکساله:  

بازدید 88957

دانلود 62223 استناد 0 مرجع 0
اطلاعات دوره: 
  • سال: 

    2022
  • دوره: 

    20
  • شماره: 

    5
  • صفحات: 

    377-388
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    1654
  • دانلود: 

    748
چکیده: 

Background: Since women spend about one-third of their lifespan in menopause, accurate prediction of the age of natural menopause and its effective parameters are crucial to increase women’ s life expectancy. Objective: This study aimed to compare the performance of generalized LINEAR MODELs (GLM) and the ordinary least squares (OLS) method in predicting the age of natural menopause in a large population of Iranian women. Materials and Methods: This cross-sectional study was conducted using data from the recruitment phase of the Shahedieh Cohort Study, Yazd, Iran. In total, 1251 women who had the experience of natural menopause were included. For MODELing natural menopause, the multiple LINEAR REGRESSION MODEL was employed using the ordinary least squares method and GLMs. With the help of the Akaike information criterion, rootmean-square error (RMSE), and mean absolute error, the performance of REGRESSION MODELs was measured. Results: The mean age of menopausal women was 49. 1 ± 4. 7 yr (95% CI: 48. 8-49. 3) with a median of 50 yr. The analysis showed similar Akaike criterion values for the multiple LINEAR MODELs with the OLS technique and the GLM with the Gaussian family. However, the RMSE and mean absolute error values were much lower in GLM. In all the MODELs, education, history of salpingectomy, diabetes, cardiac ischemic, and depression were significantly associated with menopausal age. Conclusion: To predict the age of natural menopause in this study, the GLM with the Gaussian family and the log link function with reduced RMSE and mean absolute error can be a good alternative for MODELing menopausal age.

آمار یکساله:  

بازدید 1654

دانلود 748 استناد 0 مرجع 0
اطلاعات دوره: 
  • سال: 

    1383
  • دوره: 

    22
  • شماره: 

    1
  • صفحات: 

    134-143
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    662
  • دانلود: 

    184
چکیده: 

سابقه و هدف: یکی از مهمترین جنبه های تشخیصی در دوره دندانی مختلط، تعیین رابطه بین اندازه دندانها و فضای موجود می باشد. تعیین این رابطه در دوره دندانی مختلط نیازمند پیشگویی دقیق پهنای مزیودیستالی دندانهای کانین و پرمولرهای دائمی نروئیده است. سه روش برای تخمین پهنای مزیودیستالی تاج این دندانها مورد استفاده قرار می گیرد. از جمله این روشها، معادله پیشگوییTanaka-Johnston  است که امروزه به طور گسترده ای مورد استفاده قرار می گیرد. هدف از این تحقیق، بررسی امکان کاربرد روش Tanaks-Johnston در دو سطح 50% و 75% در یک جمعیت ایرانی و نیز تعیین یک معادله LINEAR REGRESSION جدید برای جمعیت تحت مطالعه می باشد.مواد و روشها: در این تحقیق که به روش گذشته نگر و مقطعی صورت گرفت، کست های دندانی 53 بیمار مذکر و 60 بیمار مونث مورد اندازه گیری قرار گرفت.یافته ها: یافته های این تحقیق نشان داد که روش Tanaka-Johnston در هر دو سطح 50% و 75% اندازه دندانها را بزرگتر تخمین می زند، اما اختلاف بین اندازه پیشگویی شده و واقعی در سطح 50% کمتر از 75% می باشد. در این جمعیت معادله رگرسیون خطی حساب گردید که به صورت زیر می باشد:ماگزیلا: Y=9.54+0.52X، مندیبل:  Y=8.77+0.54Xنتایج این تحقیق نشان داد که معادله Tanaka-Johnston در سطح 75% که به طور گسترده ای مورد استفاده قرار می گیرد، در نمونه ایرانی دقیق نمی باشد.نتیجه گیری: به نظر می رسد که تفاوت نژادی مهمترین عامل در حصول نتایج بدست آمده می باشد. مطالعات بعدی بر روی نمونه های بزرگتر به منظور اثبات این یافته توصیه می شود.

آمار یکساله:  

بازدید 662

دانلود 184 استناد 0 مرجع 0
litScript