طراحی مدل سیستم استنتاج فازی عصبی - تطبیقی ( ANFIS) برای ارزیابی و پیش بینی سطح مدیریت دانش سازمان با محوریت نوآوری.
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 62
فایل این مقاله در 19 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_SAIM-5-1_007
تاریخ نمایه سازی: 24 آذر 1402
چکیده مقاله:
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.
کلیدواژه ها:
نویسندگان
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 مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :