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 :
2-7-1-4- معماری شبکه عصبی
دو نوع معماری کلی در شبکه‌های عصبی وجود دارد که عبارت‌اند از روبه‌جلو[1] و بازگشتی[2].
الف-روبه‌جلو
در شبکه‌های روبه‌جلو تمام یال‌ها از لایه قبلی به لایه بعدی وصل می‌شوند و از لایه‌های جلو به لایه قبلی یالی وجود ندارد. درواقع می‌توان گفت که در این نوع شبکه‌ها حلقه در گراف شبکه وجود ندارد. تمام یال‌ها از گره‌های ورودی به سمت لایه مخفی و از لایه مخفی به سمت خروجی می‌رود.
ب- بازگشتی
در این نوع از شبکه‌ها یال‌ها می‌توانند از لایه‌های جلوتر به لایه‌های قبلی وصل شوند. برای مثال از گره خروجی یالی به گره لایه مخفی و یا گره ورودی وصل کرد. شکل شماره 2-6 یک شبکه بازگشتی را نمایش می‌دهد.
2-7-1-5- توابع فعال سازی (متحرک)
تابع فعال‌سازی هسته هر یک از نرون‌ها می‌باشد. تابع فعال‌سازی نوع خروجی شبکه‌های عصبی را تعیین می‌کند. دو نوع تابع فعال‌سازی داریم که عبارت‌اند از:
الف-دودویی: خروجی این توابع به دو صورت (صفر یا یک) و یا (منفی یک و یک) باشد. دو تابع معروف که به‌عنوان تابع فعال‌ساز دودویی استفاده می‌شود عبارت است از تابع پله و تابع سیگنام.
ب- توابع مشتق‌پذیر: این توابع مشتق‌پذیرند و می‌توانند بازه‌ای از اعداد بین صفر و یک را تولید کنند.
در شکل شماره 2-7 می‌توانید نمودار این توابع را مشاهده کنید. استفاده از این توابع بستگی به کاربرد موردنظر دارد. برای مثال فرض کنید که ما می‌خواهیم کار دسته‌بندی دو کلاس را انجام دهیم برای این کار بهتر است که از توابع پله‌ای استفاده کنیم که دو مقداری است. یا درصورتی‌که می‌خواهیم کار تخمین انجام دهیم بهتر است که از تابع سیگموید استفاده کنیم که خروجی آن عددی بین صفر تا یک است.
[1]-FeedForward
[2]-Recurrent
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.
