طراحی مدل سیستم استنتاج فازی عصبی - تطبیقی ( ANFIS) برای ارزیابی و پیش بینی سطح مدیریت دانش سازمان با محوریت نوآوری.
Publish place: Modern Research in Decision Making، Vol: 5، Issue: 1
Publish Year: 1399
Type: Journal paper
Language: Persian
View: 198
This Paper With 19 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_SAIM-5-1_007
Index date: 15 December 2023
طراحی مدل سیستم استنتاج فازی عصبی - تطبیقی ( ANFIS) برای ارزیابی و پیش بینی سطح مدیریت دانش سازمان با محوریت نوآوری. abstract
DOR : ۲۰.۱۰۰۱.۱.۲۴۷۶۶۲۹۱.۱۳۹۹.۵.۱.۷.۸در سال های اخیر مدیریت دانش به یک موضوع مهم و حیاتی در تمامی سازمان ها تبدیل شده است. یکی از عوامل موثر در ایجاد و گسترش نوآوری، مدیریت دانش است. با نوآوری، برتری های بلندمدت سازمان در عرصه های رقابتی حفظ شود. ارزیابی و پیش بینی سطح مدیریت دانش برای مدیران بسیار بااهمیت است. در میان روش های نوین مدل سازی، سیستم های فازی از جایگاه ویژه ای در زمینه های مختلف علوم برخوردارند. این پژوهش از نظر هدف، کاربردی و با توجه به روش گردآوری داده ها از نوع پیمایشی است. سیستم استنتاج فازی عصبی - تطبیقی (ANFIS) روش مناسبی برای حل مسائل غیرخطی است. این روش، ترکیبی از روش استنتاج فازی و شبکه عصبی مصنوعی است که از مزایای هردو روش بهره می برد. در این تحقیق تعداد ۵ مولفه اصلی برای سنجش و پیش بینی سطح مدیریت دانش سازمان، به عنوان ورودی سیستم استنتاج فازی انتخاب گردید. برای ارزیابی عملکرد مدل از پارامترهای مجذور میانگین مربعات خطا (RMSE)، درصد خطای نسبی(ε)، میانگین خطای مطلق(MAE) و ضریب تبیین (R۲) استفاده شده است که به ترتیب مقادیر ۱۲/۰ ، ۰.۰۱۵۲%، ۰۳۶/۰ و ۹۹۵/ به دست آمده است و این نشانگر دقت و قابلیت اعتماد به مدل مذکور است.. خروجی این پژوهش، یک سیستم استنتاج فازی هوشمند (ANFIS) است.
طراحی مدل سیستم استنتاج فازی عصبی - تطبیقی ( ANFIS) برای ارزیابی و پیش بینی سطح مدیریت دانش سازمان با محوریت نوآوری. Keywords:
طراحی مدل سیستم استنتاج فازی عصبی - تطبیقی ( ANFIS) برای ارزیابی و پیش بینی سطح مدیریت دانش سازمان با محوریت نوآوری. authors
امیرحمزه عالی نژاد
دکترای مدیریت تکنولوژی، دانشگاه آزاد اسلامی، تهران، ایران.
عادل آذر
استاد گروه مدیریت صنعتی، دانشکده مدیریت و اقتصاد، دانشگاه تربیت مدرس، تهران، ایران.
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :