عنوان کامل پایان نامه :
تعیین اهداف جذب منابع با رویکرد منطق فازی و شبکه های عصبی در مؤسسات مالی و اعتباری
قسمتی از متن پایان نامه :
2-7-1-7- فراگیری شبکه در نرون های ساده
اتصال بین نرون ها منتج به ایجاد شبکه‌هایی می‌شود لیکن برای انجام هر کار مفید باید بتوان به طریقی آن را آموزش داد . در آموزش نرون ، اصل بر این است که به نرون اجازه دهیم از اشتباهات خود بیاموزد . اگر جواب همراه با خطا باشد می‌خواهیم احتمال خطا را در آینده کم کنیم و اگر جواب صحیح باشد وضع را تغییر نمی‌دهیم . برای فراگیری شبکه باید زمانی که مایلیم نرون فعال باشد ضرایب وزنی را افزایش داده و آنگاه‌که مایلیم نرون غیرفعال باشد ضرایب را کاهش دهیم . این قاعده فراگیری است که شکل دیگری از قاعده‌ای می‌باشد که در سال 1947 توسط دونالدهب ارائه‌شده است . در این عمل نتایج موردنظر را از قبل می‌دانیم و بنابراین مشاهده می‌کنیم که به کدام سمت باید ضرایب وزنی را تغییر دهیم . زیرا این فراگیری از طریق در دست داشتن نتایج مطلوب راهنمایی می‌گردد به این نوع آموزش فراگیری با سرپرست یا معلم می‌گویند .
شیوه یادگیری به شرح ذیل می‌باشد:
- ضرایب وزنی و مقادیر آستانه را به‌طور تصادفی تعیین می‌نماییم
- یک ورودی را به‌دلخواه ارائه می‌نماییم
- مقدار خروجی را با توجه به مقایسه مجموع وزنی ورودی‌ها و مقدار آستانه محاسبه می‌نمایم .
- ضرایب وزنی را برای تقویت تصمیمات درست و تضعیف تصمیمات نادرست تغییر می‌دهیم به‌عبارت‌دیگر خطا را کاهش می‌دهیم .
- ورودی بعدی را به مدل ارائه می‌نماییم .
2-7-1-8- قاعده فراگیری
قاعده فراگیری پرسپترون چندلایه را قاعده کلی دلتا یا قاعده پس از انتشار خطا می‌نامند . وقتی به شبکه آموزش ندیده‌ای الگویی را عرضه می‌کنیم ، خروجی‌های تصادفی تولید می‌کند . ابتدا باید تابع خطایی را مشخص کنیم که تفاوت خروجی واقعی و خروجی مطلوب را نشان دهد . زیرا خروجی مطلوب را نمی‌دانیم ، این نوع فراگیری را فراگیری با سرپرست می‌نامیم . برای موفق شدن در آموزش شبکه باید خروجی آن را به‌تدریج به خروجی مطلوب نزدیک کنیم به‌عبارت‌دیگر باید ضرایب وزنی خطوط ارتباطی واحدها با استفاده از قاعده کلی دلتا میزان شود . قاعده دلتا مقدار تابع خطا را محاسبه کرده و آن را به عقب از یک‌لایه به لایه پیشین آن انتشار می‌دهد ، عبارت پس از انتشار به‌این‌علت نام‌گذاری شده است .
ضرایب وزنی هر واحد جداگانه تنظیم می‌شود و بدین‌صورت میزان خطا کاهش می‌یابد این عمل در مورد لایه میانی چندان روشن نیست . این گمان می‌رود که ضرایب وزنی واحدهای پنهان که به واحدهای مرتبط آن‌ها ، خروجی تقریباً صحیحی دارند تغییر یابد . درواقع ریاضیات نشان می‌دهد که ضرایب واحدها باید به‌تناسب میزان خطای واحدهای که به آن متصل‌اند تغییر کند .بنابراین می‌توان با انتشار خطابه عقب ، ضرایب وزنی خطوط ارتباطی تمام لایه‌ها را به‌درستی تنظیم کرد . به‌این‌ترتیب تابع خطا کاهش و شبکه آموزش می‌یابد (صادقی ، 1390)
سوالات یا اهداف پایان نامه :
اهداف:
هدف اصلی:
- استفاده از رویکرد شبکه عصبی فازی برای پیش‌بینی مانده منابع آتی در تعیین هدف جذب منابع برای شعبه‌های مؤسسات مالی و اعتباری.
هدف فرعی:
- تدوین الگوی مناسب برای پیش‌بینی دقیق منابع آتی و تعیین اهداف جذب منابع بر اساس آن،
- تعیین متغیرهای سری زمانی که بیشترین و یا کمترین تأثیر را در فرآیند پیش‌بینی تعیین هدف جذب منابع دارند.
