نتایج جستجو

91932

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

9194

انتقال به صفحه



فیلترها/جستجو در نتایج    

فیلترها

سال

بانک‌ها




گروه تخصصی











متن کامل


مرکز اطلاعات علمی SID1
مرکز اطلاعات علمی SID
اسکوپوس
مرکز اطلاعات علمی SID
ریسرچگیت
strs
نویسندگان: 

OGUZ H.T. | GURGEN F.S.

اطلاعات دوره: 
  • سال: 

    2008
  • دوره: 

    -
  • شماره: 

    23
  • صفحات: 

    185-204
تعامل: 
  • استنادات: 

    315
  • بازدید: 

    4405
  • دانلود: 

    9195
کلیدواژه: 
چکیده: 

آمار یکساله:  

بازدید 4405

دانلود 9195 استناد 315 مرجع 0
نویسندگان: 

SCHULLER B. | RIGOLL G. | LANG M.

اطلاعات دوره: 
  • سال: 

    2003
  • دوره: 

    2
  • شماره: 

    -
  • صفحات: 

    1-4
تعامل: 
  • استنادات: 

    315
  • بازدید: 

    4626
  • دانلود: 

    9195
کلیدواژه: 
چکیده: 

آمار یکساله:  

بازدید 4626

دانلود 9195 استناد 315 مرجع 0
نویسندگان: 

RAFEIE A. | PASHA E. | JAMSHIDI ORAK R.

اطلاعات دوره: 
  • سال: 

    2012
  • دوره: 

    41
  • شماره: 

    10
  • صفحات: 

    87-96
تعامل: 
  • استنادات: 

    455
  • بازدید: 

    27981
  • دانلود: 

    49777
چکیده: 

Background: Routinely collected data from tuberculosis surveillance system can be used to investigate and monitor the irregularities and abrupt changes of the disease incidence. We aimed at using a hidden markov model in order to detect the abnormal states of pulmonary tuberculosis in Iran.Methods: Data for this study were the weekly number of newly diagnosed cases with sputum smear-positive pulmonary tuberculosis reported between April 2005 and March 2011 throughout Iran. In order to detect the unusual states of the disease, two hidden markov models were applied to the data with and without seasonal trends as baselines.Consequently, the best model was selected and compared with the results of Serfling epidemic threshold which is typically used in the surveillance of infectious diseases.Results: Both adjusted R-squared and Bayesian Information Criterion (BIC) reflected better goodness-of-fit for the model with seasonal trends (0.72 and -1336.66, respectively) than the model without seasonality (0.56 and -1386.75).Moreover, according to the Serfling epidemic threshold, higher values of sensitivity and specificity suggest a higher validity for the seasonal model (0.87 and 0.94, respectively) than model without seasonality (0.73 and 0.68, respectively).Conclusion: A two-state hidden markov model along with a seasonal trend as a function of the model parameters provides an effective warning system for the surveillance of tuberculosis.

آمار یکساله:  

بازدید 27981

دانلود 49777 استناد 455 مرجع 0
گارگاه ها آموزشی
نویسندگان: 

EMAMI SEPIDEH | AAGHAIE ABDOLLAH

اطلاعات دوره: 
  • سال: 

    2011
  • دوره: 

    4
  • شماره: 

    2
  • صفحات: 

    99-119
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    37923
  • دانلود: 

    18531
چکیده: 

Due to the effective role of markov models in customer relationship management (CRM), there is a lack of comprehensive literature review which contains all related literatures. In this paper the focus is on academic databases to find all the articles that had been published in 2011 and earlier. One hundred articles were identified and reviewed to find direct relevance for applying markov models in CRM. Forty four articles were selected and categorized on two major subclasses: articles which had used markov chain models (MCM) in CRM and those which had applied hidden markov models (HMM) in CRM. Findings of this paper indicate that applying HMM in CRM is approximately rare, since it contains 27.2% of the total number of published articles. To complete investigation a two-step framework has been suggested for using HMM in busy customer portfolio management. It is for the first time that two important concepts (busy customer and HMM) are used to achieve a common goal. Also the model parameters have been estimated in order to analyze a real firm’s data.

آمار یکساله:  

بازدید 37923

دانلود 18531 استناد 0 مرجع 9135
نویسندگان: 

VLASENKO B. | WENDEMUTH A.

اطلاعات دوره: 
  • سال: 

    2007
  • دوره: 

    -
  • شماره: 

    33
  • صفحات: 

    317-320
تعامل: 
  • استنادات: 

    315
  • بازدید: 

    4145
  • دانلود: 

    9195
کلیدواژه: 
چکیده: 

آمار یکساله:  

بازدید 4145

دانلود 9195 استناد 315 مرجع 0
نویسندگان: 

NETZER O. | LATTIN J.M.

نشریه: 

MARKETING SCIENCE

اطلاعات دوره: 
  • سال: 

    2008
  • دوره: 

    27
  • شماره: 

    2
  • صفحات: 

    185-204
تعامل: 
  • استنادات: 

    315
  • بازدید: 

    4908
  • دانلود: 

    9195
کلیدواژه: 
چکیده: 

آمار یکساله:  

بازدید 4908

دانلود 9195 استناد 315 مرجع 0
strs
نویسندگان: 

اجلالی نسیم | پزشک حمید

اطلاعات دوره: 
  • سال: 

    1387
  • دوره: 

    2
  • شماره: 

    2
  • صفحات: 

    131-148
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    816
  • دانلود: 

    196
چکیده: 

الگوی مارکوف پنهان در مسایل بیوانفورماتیک کاربرد فراوانی دارد. برای مثال این الگو در هم ردیفی دنباله ها، تفسیر خانواده های پروتئین و پیش بینی ژن بکار می رود. پارامترهای این الگو از طریق الگوریتم بام-ولش تعلیمی که یک الگوریتم EM است برآورد می شود. بکارگیری کارآمدترین الگوریتمها برای دنباله های طویل نیازمند حجم وسیعی از حافظه می باشد. در این مقاله روش های مختلفی از جمله استراتژی پیشرو و استراتژی پسرو را که به منظور کاهش حافظه این الگوریتم ارایه شده اند معرفی می کنیم. در ادامه الگوریتمی براساس مشاهدات از راست به چپ و از چپ به راست اعضای دنباله ارایه می شود که دارای حافظه خطی است. کارایی این الگوریتم بر روی داده های شبیه سازی شده از پروتئین ها بررسی می شود.

آمار یکساله:  

بازدید 816

دانلود 196 استناد 0 مرجع 0
اطلاعات دوره: 
  • سال: 

    1395
  • دوره: 

    23
  • شماره: 

    146
  • صفحات: 

    66-74
تعامل: 
  • استنادات: 

    491
  • بازدید: 

    1399
  • دانلود: 

    571
چکیده: 

زمینه و هدف: کبد بزرگترین اندام درونی و مهمترین عضو پس از قلب و مغز در بدن انسان است و بدون آن ادامه حیات غیر ممکن است. تشخیص بیماری های کبدی نیازمند زمان طولانی و تخصص کافی پزشک معالج دارد. روش های آماری می توانند همانند یک سیستم پیش بینی اتوماتیک در جهت تشخیص دقیق و سریع بیماری های کبد به پزشکان متخصص کمک کنند. مدل مارکف پنهان از روش های هوشمند و قوی آمار است که در راستای این هدف در پژوهش حاضر به کار رفته است.روش کار: داده های این پژوهش مقطعی، اطلاعات پرونده بیمارانی است که به 5 نوع مختلف بیماری های کبد از جمله سیروز کبدی، سرطان کبد، هپاتیت حاد، هپاتیت مزمن و کبد چرب مبتلا و در سال های 1385 تا 1392 در بیمارستان افضلی پور کرمان بستری بوده اند. مدل مارکف پنهان با الگوریتم آموزشی EM به داده ها برازش و برای ارزیابی عملکرد آن معیارهای دقت، حساسیت و ویژگی استفاده شد.یافته ها: میزان دقت، حساسیت و ویژگی مدل برای تشخیص هر بیماری کبدی جداگانه محاسبه شد و بالاترین مقدار آنها در تشخیص سیروز کبدی با میزان دقت 0.77، حساسیت 0.82 و ویژگی 0.96 بدست آمد. همچنین کمترین میزان هم در تشخیص کبد چرب با دقت 0.65، حساسیت 0.69 و ویژگی 0.94 بود.نتیجه گیری: نتایج این پژوهش حاکی از توانمندی بالقوه مدل مارکف پنهان است لذا به کار گیری این مدل در زمینه تشخیص بیماری های کبدی پیشنهاد می شود.

آمار یکساله:  

بازدید 1399

دانلود 571 استناد 491 مرجع 2
نویسندگان: 

SHEN H. | ZHAO J.

اطلاعات دوره: 
  • سال: 

    2006
  • دوره: 

    4
  • شماره: 

    1
  • صفحات: 

    54-67
تعامل: 
  • استنادات: 

    315
  • بازدید: 

    3990
  • دانلود: 

    9195
کلیدواژه: 
چکیده: 

آمار یکساله:  

بازدید 3990

دانلود 9195 استناد 315 مرجع 0
اطلاعات دوره: 
  • سال: 

    1399
  • دوره: 

    50
  • شماره: 

    1 (پیاپی 91)
  • صفحات: 

    177-194
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    126
  • دانلود: 

    90
چکیده: 

بات نتها یکی از محبوبترین انواع بدافزارها در میان مجرمان اینترنتی هستند، به طوریکه اخیرا پایه ی اصلی بیشتر جرایم سایبری بوده اند. اغلب روش های تشخیص بات نت موجود نمی توانند آنها را به صورت بلادرنگ و قبل از مشارکت در یک حمله سایبری، تشخیص دهند. در این مقاله یک سیستم تشخیص بات نت مبتنی بر مدل مخفی مارکوف ارایه می شود. این سیستم قادر به تشخیص بات نت در بازه های زمانی خیلی کوچک از جریان شبکه بدون نیاز به بررسی کل جریان است. همچنین این روش علاوه بر تشخیص بات نت در مراحل اولیه از چرخه حیات، مرحله فعالیت آن (کانال فرمان و کنترل یا حمله) را نیز در هر لحظه تعیین می کند. بات نت BlackEnergy یکی از خطرناک ترین انواع بات نتهای مبتنی بر HTTP است، که در این پژوهش ترافیک شبکه آن مورد تحلیل و بررسی قرار می گیرد. ویژگی های شاخص و الگوهای رفتاری این بات نت در مراحل مختلف چرخه حیاتش استخراج می شود. سپس مدل مخفی مارکوف پیشنهادی جهت تشخیص بات نت BlackEnergy براساس ویژگی ها و الگوهای رفتاری آن ارایه می شود. برای ارزیابی مدل ارایه شده، از مجموعه داده جامع و معتبری از ترافیک شبکه استفاده می شود که نشان می دهد روش پیشنهادی حتی در پنجره های زمانی خیلی کوچک، دقت تشخیص بالایی نسبت به بسیاری از روش های دیگر دارد.

آمار یکساله:  

بازدید 126

دانلود 90 استناد 0 مرجع 0
litScript