کاربرد شبکه های عصبی پرسپترون چند لایه در شناسایی تاثیر عوامل جمعیتی بر میزان جابجایی مسافران فرودگاه های کشور فرانسه

شبکه های عصبی مصنوعی، سیستم های پردازش اطلاعاتی هستند که ساختار و اصول عملیاتی آنها از سیستم های یادگیری زیستی که از شبکه های بسیار پیچیده اعصاب ساخته شده اند الهام گرفته است. استراتژی عمومی اتخاذ شده در حوزه شبکه های عصبی مصنوعی عبارت است از اعمال روش ها و تکنیک های تقریب که می تواند راه حل های ناهنجار، ناقص ادارای اعتبار جزئی را برای مسائل مطرح شده پیدا کنند. یکی از پایه ای ترین مدل های عصبی موجود، مدل پرسپترون چند لایه یا Multi-Layer Perceptron (MLP) می باشد که عملکرد انتقالی مغز انسان را شبیه سازی می کند. در این نوع شبکه عصبی، رفتار شبکه ای مغز انسان و انتشار سیگ نال در آن بیشتر مدنظر بوده است و از این رو، گه گاه با نام شبکه های پیششرو یا Feedforward Networks نیز خوانده می شوند. هریک از سلول های عصبی مغز انسان، موسوم به نرون Neuron ، پس از دریافت ورودی، پردازشی را روی آن انجام می دهند و نتیجه را به یک سلول دیگر انتقال می دهد. این رفتار تا حصول نتیجه ای مشخص ادامه دارد، که احتمالا منجر به یک تصمیم، پردازش، تفکر و یا حرکت خواهد شد. از آنجا که تغییرات جمعیتی در هر کشوری متاثر از سه مولفه مرگ، باروری و مهاجرت در آن کشور است؛ امارهای اخذ شده در این زمینه خود انگیزه و هدف ن گارش مقاله ای شد تا به کمک شبکه های عصبی پرسپترون چند لایه ضمن معرفی کاربردی از این نوع شبکه ها بتوان به تاثیر عوامل جمعیتی بر میزان جابجایی مسافران فرودگاه های کشور فرانسه پرداخت. با تجمیع ع وامل جمعیتی به عنوان ورودی های شبکه و پس از آموزش های صورت گرفته مشخص شد سال های 2015 و 2016 بیشترین میزان ت اثیر عوامل جمعیتی در به عنوان ورودی های شبکه و پس از آموزش های صورت گرفته مشخص شد سال های 2015 و 2016 بیشترین میزان تاثیر عوامل جمعیتی و در جابجایی مسافران در فرودگاه ها را در پی داشته است.

کاربرد شبکه های عصبی پرسپترون چند لایه در شناسایی تاثیر عوامل جمعیتی بر میزان جابجایی مسافران فرودگاه های کشور فرانسه Keywords:

شبکه های عصبی , پرسپترون , نرون , عوامل جمعیتی , فرودگاه