| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
الگوریتم یکپارچه مجموعه های راف- شبکه عصبی مصنوعی ANN – آنالیز پوششی اطلاعات (DEA) جهت سنجش کارآیی پرسنل |
| عنوان انگلیسی مقاله: |
An integrated Data Envelopment Analysis–Artificial Neural Network–Rough Set Algorithm for assessment of personnel efficiency |
|
|
| مشخصات مقاله انگلیسی (PDF) | |
| سال انتشار | 2011 |
| تعداد صفحات مقاله انگلیسی | 10 صفحه با فرمت pdf |
| رشته های مرتبط با این مقاله | مهندسی فناوری اطلاعات و کامپیوتر |
| گرایش های مرتبط با این مقاله | مدیریت سیستمهای اطلاعات، هوش مصنوعی و مهندسی الگوریتم ها و محاسبات |
| مجله | سیستم های خبره با کاربردهای آن – Expert Systems with Applications |
| دانشگاه | گروه مهندسی صنایع، دانشکده مهندسی، دانشگاه تهران |
| کلمات کلیدی | شبکه عصبی مصنوعی (ANN)، تجزیه و تحلیل پوشش داده (DEA)، نظریه مجموعه های راف (RST)، روش آزمون وارسی متقابل (CVTT)، کارکنان، بهره وری |
| شناسه شاپا یا ISSN | ISSN 0957-4174 |
| رفرنس | دارد ✓ |
| لینک مقاله در سایت مرجع | لینک این مقاله در نشریه Elsevier |
| نشریه الزویر |  |
| مشخصات و وضعیت ترجمه فارسی این مقاله (Word) | |
| تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش و فونت 14 B Nazanin | 26صفحه |
| ترجمه عناوین تصاویر و جداول | ترجمه شده است ✓ |
| ترجمه متون داخل تصاویر | ترجمه نشده است ☓ |
| ترجمه متون داخل جداول | ترجمه نشده است ☓ |
| درج تصاویر در فایل ترجمه | درج شده است ✓ |
| درج جداول در فایل ترجمه | درج شده است ✓ |
| درج فرمولها و محاسبات در فایل ترجمه به صورت عکس | درج شده است ✓ |
| منابع داخل متن | به صورت فارسی درج شده است ✓ |
- فهرست مطالب:
چکیده
0. اهمیت این بررسی
1. مقدمه
1.1. ANN و راندمان
1.2. نظریه مجموعه راف
1.3. تجزیه و تحلیل پوششی اطلاعات
1.4. شبکه های عصبی مصنوعی
2. الگوریتم یکپارچه
2.1. گام 1: محاسبه راندمان DMUها با DEA
2.1.1. مدل های اولیه DEA
2.2. مرحله 2: تعریف سیستم تصمیم گیری
2.3. مرحله 3: تعیین کاهش ها از طریق نظریه مجموعه راف
2.4. مرحله 4: انتخاب ANN ارجح برای هر کاهش با CVTT
2.4.1. مدلسازی شبکه عصبی
2.5. مرحله 5: انتخاب بهترین کاهش ها توسط نتایج ANN از طریق DEA
2.6. مرحله 6: پیش بینی راندمان های DM توسط ویژگی های انتخاب شده از طریق ANN
3.1 محاسبه راندمان DMU با DEA
3.2. تعریف سیستم تصمیم گیری
3.2.1. دسته بندی های ویژگی های پرسنل
3.3. تعیین کاهش ها از طریق RST
3.4. محاسبه عملکرد ANN برای هر کاهش با CVTT
3.5. انتخاب بهترین کاهش ها توسط نتایج ANN از طریق DEA
3.6. پیش بینی راندمان های DMU توسط ویژگی های انتخاب شده از طریق ANN
3. نتیجه گیری و کارهای آینده
- بخشی از ترجمه:
3. نتیجه گیری و کارهای آینده
دیدگاه پیشنهادیِ این مقاله تجزیه و تحلیل شش- مرحله ای را برای کمک به مدیران ارائه می دهد تا روش تصمیم گیری موثری را برای نشان دادن ویژگی های مهمِ موثر بر کارایی پرسنل به طور خاص و در کل راندمانِ کل تنظیم کنند. هدف این است تا ویژگی های مهمی به مدیریت اخطار داده شوند که باید در صورتی که تصمیم-گیری موثر برای بهبود راندمان کل اتخاذ شده، در نظر گرفته شوند. تعیین ویژگی های مهم پرسنل یک روش مفید برای غلبه بر پیچیدگی مرتبط با ورودی ها و خروجی های متعدد می باشد. الگوریتم پیشنهادی اثر ویژگی های کارآمد پرسنل بر روی راندمان کل را از طریق تجزیه و تحلیل پوششی اطلاعات (DEA)، شبکه¬ی عصبی مصنوعی و نظریه¬ی مجموعه راف (RST) ارزیابی می کند. نتیجه ی این بررسی به مدیران کمک می کند تا سیستم مفیدی را برای پیش بینی راندمان های DMUها توسط ویژگی های انتخابی ایجاد کنند. همچنین، این اولین بررسی در ادبیات است که در آن شبکه های عصبی، تجزیه و تحلیل پوششی اطلاعات و نظریه¬ی مجموعه راف برای ارزیابی راندمان پرسنل ادغام می شوند. ویژگی های مهم الگوریتم پیشنهادی در مقایسه با الگوریتم ها مدل های موجود در جدول 8 نشان داده می شوند. به وضوح، الگوریتم پیشنهادی نسبت به مدل ها و الگوریتم های موجود و متداول بهتر است.
- بخشی از مقاله انگلیسی:
4. Conclusion and future work
The proposed approach of this paper provided a six-stage analysis to help managers formulate an effective decision-making procedure to demonstrate critical attributes affecting personnel efficiency in particular and total efficiency in general. The purpose is to alert management to the important attributes that should be considered if an effective decision to enhance total efficiency is to be formulated. Determination of critical personnel attributes is a useful procedure to overcome complication associated with multiple inputs and outputs. The proposed algorithm assesses the impact of personnel efficiency attributes on total efficiency through Data Envelopment Analysis (DEA), Artificial Neural Network and Rough Set Theory (RST). The outcome helps managers to construc helpful system to forecast DMUs efficiencies by selected attributes. Also, this is the first study in literature in which neural networks, Data Envelopment Analysis and Rough Set Theory are integrated for assessment of personnel efficiency. The significant features of the proposed algorithm in comparison with existing models and algorithms are shown in Table 8. Obviously, the proposed algorithm is superior to the conventional and existing models and algorithms.
|
تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد |
|
|
| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
الگوریتم یکپارچه مجموعه های راف- شبکه عصبی مصنوعی ANN – آنالیز پوششی اطلاعات (DEA) جهت سنجش کارآیی پرسنل |
| عنوان انگلیسی مقاله: |
An integrated Data Envelopment Analysis–Artificial Neural Network–Rough Set Algorithm for assessment of personnel efficiency |
|
|
خرید ترجمه فارسی مقاله با فرمت ورد