داود فلاحی - هیت علمی، گروه مهندسی کامپیوتر، دانشگاه پیام نور، تهران، ایران.
سعیده ملکی - مهندس کامپیوتر ، دانشگاه پیام نور، تهران، ایران.

در دانشگاه های کشور مدیران گروه در ابتدای هر ترم قبل از شروع زمان انتخاب واحد دانشجویان موظف هستند تا دروس ترم جدید و نحوه ارائه آنها را مشخص نموده و برای دانشجویان روی سایت قرار دهند این کار مستلزم صرف وقت و دقت زیادیاست که اغلب با صرف همین وقت بسیار باز هم به این علت که مدیر گروه از تعداد دانشجویان متقاضی برای دروس مطلع نیست نمی تواند برنامه کلاسی و نوع دروس قابل ارائه را با دقت لازم مشخص کند و این عدم دقت موجب اسراف منابع )فضای آموزشی ، حق التدریس اساتید و ..( می شود. هدف این مطالعه ارائه برنامه ای مبتنی بر شبکه عصبی است که با دریافت کارنامه ترم های گذشته دانشجویان دروسی را کهاحتمال دارد دانشجویان برای ترم بعد اخذ کرده و به حد نساب برسد را پیش بینی نماید. در این مطالعه پس از آزمون و خطا شبکه عصبی پیش خور پس انتشار خطا (feed-forward back prop) برای این منظور انتخاب شد. همچنین از الگوریتم TRAINBFG به عنوان بهترین الگوریتم بهره گرفته ایم.

پیش بینی دروس، شبکه عصبی، شبکه پیش خور پس انتشار خطا