چارچوبی مبتنی بر داده کاوی برای مدیریت ریسک زنجیره تامین

A data mining-based framework for supply chain risk management

چکیده
1. مقدمه
2. مرور مقالات
3. روش تحقیق
4. توسعه چهارچوب مبتنی بر داده کاوی
5. اجرا و آزمون چهارچوب در یک شرکت نمونه
6. جمع بندی
منابع

چکیده
افزایش سطوح قرارگیری در معرض ریسک، توسعه فناوری و افزایش حجم اطلاعات بارگزاری شده در شبکه های زنجیره تامین سازمان ها واردار می کند تا رویکردهای داده محور را در زنجیره تامین مدیریت ریسک (SCRM) مورد استفاده قرار دهند. داده کاوی (DM) از چندین روش تحلیلی برای انتقال سریع و تصمیم گیری به موقع استفاده می کند. با این وجود، قابلیت آن برای SCRM به طور کامل کشف نشده است. هدف این مقاله ارائه یک چهارچوب مبتنی بر DM برای شناسایی، ارزیابی و کاهش انواع مختلف ریسک در زنجیره تامین است. یک رویکرد جامع فعالیت های DM و مدیریت ریسک را در یک چهارچوب منحصربفرد برای مدیریت موثر ریسک تلفیق می کند. اعتبارسنجی این چهارچوب از طریق یک مطالعه موردی بر اساس مجموعه ای از مصاحبه ها، بحث ها و یک مطالعه متمرکز بر گروه نیمه سازمان یافته انجام شد. این مطالعه نشان داد که چطور DM اطلاعات مخفی و مفید را در داده های ریسک غیرسازمان یافته برای اتخاذ تصمیمات مدیریت ریسک هوشمند کشف می کند.

2. مرور مقالات
خطرات بیشمار طبیعی و انسانی وجود دارد که دارایی های فیزیکی و عملیاتی را در شبکه های SC تهدید می-کنند. برخی از این ریسک ها شامل نوسانات قیمت، تقاضای بی ثبات، مشکلات عرضه، خطرات عملیاتی، خطر تحویل، خطر شهرت و بلایای طبیعی هستند (Chen & Wu, 2013; Rajagopal, Venkatesan, & Goh, 2017). کاهش عملکرد کاری، آسیب به ارزش نام تجاری، دارایی های فیزیکی و ورشکستگی برخی از تبعات ریسک های SC هستند. SCRM یک روش سیستماتیک برای شناسایی، ارزیابی و کاهش ریسک در SC است (Ghadge, Dani, & Kalawsky, 2012). هدف از SCRM درک ریسک ها و اثرات آن ها و تلاش برای انجام اقدامات پیشگیرانه و بازدارنده برای کاهش آن است. اطلاعات امروز و فناوری های ارتباطی فرصتی را برای گرداوری، ذخیره و تحلیل مجموعه متنوعی از داده های مرتبط با ریسک در منابع داده ناهمگن فراهم می کند (Schlegel & Trent, 2014; Lee, Zhou, Souza, & Park, 2016; Kang et al., 2017). مفهوم هوش ریسک (RI) در نتیجه این پیشرفت ها ایجاد شده است (Lee & Kulkarni, 2011; Ponemon Institute, 2017). هوش ریسک می تواند به صورت توانایی سازمان برای شناسایی، اندازه گیری، ارزیابی و پیش-بینی تهدیدها تعریف شود که از طریق استفاده از داده ها و تجربیات مرتبط گذشته است (Apgar, 2006). مطالعات آکادمیک محدودی به بررسی رفتار ریسک یا هوش برخاسته از دیدگاه SC پرداخته اند(Ghadge, Dani, Chester, & Kalawsky, 2013).

روش است که سازمانها نمی توانند ریسک خود را بدون مدیریت داده ها و اطلاعات/دانش مدیریت کنند (Neef, 2005)؛ در نتیجه بسیاری از سازمان ها شروع به استفاده از چهارچوب مدیریت ریسک خودکار برای رقابت در محیط کسب و کاری برگرفته از دانش حال حاضر نموده اند (Haksöz, 2013; Wu, Chen, & Olson, 2014). برخلاف علاقمندی زیاد در صنعت، تحقیقات دانشگاهی در زمینه استفاده از BI برای مدیریت ریسک های SC وجود ندارد (Liu, Daniels, & Hofman, 2014; Wu, Chen, & Olson, 2014; Aruldoss, Travis, & Venkatesan, 2015). BI حاوی پایگاه های داده، ابزارها، روش ها، فرایندها و فناوری هایی برای تبدیل داده های خام به اطلاعات باارزش و مفید برای اهداف تجریه و تحلیل کسب و کار است. استخراج، تبدیل و بارگزاری (ETL)، مخزن داده، فرایند تحلیل برخط (OLAP)، تحلیل آماری، پیش بینی و شفاف سازی برخی از ابزارها/فناوری های کلیدی BI (Sherman, 2015; Coronel & Morris, 2017) هستند. DM نقش مهمی در تامین یک محیط BI فراهم می کند (Ranjan & Bhatnagar, 2011) و کاربردهای متعددی در زمینه های مختلف دارد (Giudici & Figini, 2009; Köksal, Batmaz, & Testik, 2011; Murray, Agard, & Barajas, 2017). DM از الگوریتم هایی برای کشف اطلاعات مخفی، قبلاً شناخته شده و مفید و همچنین الگوهای مجموعه داده های بزرگ استفاده می کند (Han, Kamber, & Pei, 2012; Witten, Frank, Hall, & Pal, 2017). DM برای پیش بینی تقاضا و قیمت در بازهای بی ثبات، شناسایی مشتریان و بازارهای پرخطر تشخیص کلاهبرداری و پشتیبانی از سیستم های اخطار اولیه استفاده می شود (Seng & Chen, 2010; Carneiro, Figueira, & Costa, 2017; Lee, Kim, & Lee, 2017). جدول 1 برخی از کاربردهای DM در مقالات مدیریت ریسک را به طور خلاصه ارائه داده است.

استخراج و شناسایی بدافزار اندروید بر اساس مجوزها

Mining and Detection of Android Malware Based on Permissions

چکیده
1. مقدمه
2. آثار مرتبط
3. بررسی سیستم
4. طبقه بندی و ارزیابی
5. نتیجه گیری ها
منابع

چکیده
با توجه به توزیع باز اپلیکیشن و وجود بیش از 2 میلیارد کاربر فعال، پلتفرم اندروید کماکان به شکل خام توسط توسعه دهندگان بدافزار به کار گرفته می شود. با توجه به گزارش تهدیداتی McAfee، تعداد گروه های بدافزاری یافت شده در گوگل پلی در سال 2017 تا 30 درصد افزایش داشته است. یکی از مهمترین مکانیزم های محافظتی در برابر بدافزا مدل کنترل دسترسی مبتنی بر مجوز ر است. در این مقاله، مدل جدیدی را که مبتنی بر مجوز را ارائه می کنیم که از مزایای مدل می توان به کارایی و دقت بالا در تشخیص و آنالیز بدافزار اندروید اشاره نمود، همچنین قابلیت بالقوه در شناسایی بدافزار ناشناس قبلی را دارد. در این مدل، انتخاب مشخصه را با معرفی یک روش وزنی جدید به نام TF-IDFCF بهبود می بخشیم که مبتنی بر فرکانس کلاس مشخصه است. نتایج آزمایشات نشان می-دهد که روش ارائه شده دارای نرخ تشخیص بیش از 95.3% با نرخ مثبت کاذب پایین در زمان تست و بررسی با طبقه بندی کننده ها است.

2. آثار مرتبط
با استفاده از ویژگی های مربوط به مجوز تحقیقات زیادی در مورد طبقه بندی بدافزار اندروید انجام می شود. برخی از آثار مربوط به تشخیص بدافزار مبتنی بر مجوز اشاره می شود.

X. Lin و J.Lin چارچوبی را ارائه می کنند که هر دو مجوز درخواست شده و استفاده شده در اپلیکیشن های اندروید را در نظر می گیرد [4]. چارچوب دو تشخیص لایه بندی شده بدافزار است و تکنیک های یادگیری ماشین را به منظور رسیدن به دقت بالا استفاده می کند که این با پتانسیل تشخیص اپلیکیشن های بدافزار اندروید مبتنی بر مجوز همراه است. پ. روولی بهمراه وای ویگفاسن یک معماری ساده سرور- مشتری از سیستم تشخیص بدافزار مبتنی بر مجوز را ارائه می کنند که مجوزهای درخواست شده را چون نشانگرهای رفتاری می بیند [5]. سیستم دارای بخش های بررسی کننده مجوز جانب- مشتری و جانب- سرور است. بخش سمت – مشتری مجوزها را از اپلیکیشن های اندروید استخراج می کند و آنها را به بخش سمت- مشتری ارسال می کند. بخش جانب- مشتری اپلیکیشن ها را همچون بدافزار یا بی خطر طبقه بندی می کند. زد. آنگ و و. ژاو ماشین یادگیری مبتنی بر چارچوب را برای تشخیص اپلیکیشن های مخرب و بهبود امنیت در اندروید مبتنی بر کاربران دستگاهای تلفن همراه ارائه می کنند. این چارچوب مشخصات مختلف مبتنی بر مجوز استخراج شده از اپلیکیشن های اندروید را مونیتور می-کند و یادگیری ماشین را استفاده می کند تا اپلیکیشن ها را در دسته های مخرب و بی خطر طبقه بندی کند. سیستم بهره اطلاعاتی را بعنوان روش انتخاب مشخصه استفاده می کند. آنها مجوزهای بیشتری از اپلیکیشن های مختلف دانلود شده از نشانگرهای اندروید استخراج می کنند تا مدل را تولید کنند. زد. ژیائویان و اف. ژوان سیستم شناسایی بدافزار را ارائه می کنند که فعالیت اپلیکیشن دستگاه تلفن همراه را آنالیز می کند [7]. ویژگی ها استخراج شده روش آنالیز جزء اصلی را چون انتخاب مشخصه استفاده می کند و روش ماشین بردار پشتیبان به منظور آموزش و ساخت طبقه بندی کننده برای تشخیص بدافزار به کار گرفته می شود. با مشارکت کاربران دستگاه های تلفن همراه مبتنی بر اندروید، این چارچوب قادر به طبقه بندی کردن اپلیکیشن های اندروید در دسته های مخرب و بی خطر است. د. آرپ، ام. اشپریزنبارث، ام. هابنر، اچ. گاسکون، ک. ریک، و سی. سایمنز تاکید بر استفاده از روش تشخیص بدافزار اندروید دارند که قابلیت تشخیص اپلیکیشن های بدافزار در گوشی های هوشمند را اجرا می کند [8]. رویکرد از طریق جمع آوری تمامی ویژگی های احتمالی APK اندروید، آنالیز مربوط به استاتیک صفحه را انجام می دهد. این روش کل مشخصات را در فضای برداری مشترک جاسازی می کند و اپلیکیشن های مخرب را بطور خودکار شناسایی می کند. از مزیت های این رویکرد می توان به بهره وری زمان در آنالیز اپلیکیشن های ناشناخته اشاره کرد. روش را می توان بصورت مستقیم روی دستگاه های تلفن همراه استفاده کرد، و عمل محفاظت از راه-اندازی در برابر منابع غیرمطمئن اجرا می شود. عافر و همکاران مطالعه را از طریق آنالیز بدافزار برای استخراج مشخصات مربوط به بدافزار و رفتار انجام شده در سطح API انجام می دهند، آنها طبقه بندی کننده های یادگیری ماشین سبک- وزن و قدرتمند را با استفاده از مجموعه داده ها آموزش می دهند، داده ها از مجموعه ویژگی های بهره برداری شده حاصل می شود [9]. نتایج تجربی آنها به کمک طبقه بندی کننده KNN نشان از یک TPR با 99% و 2.2% است.

بررسی اثر قابلیت های هوش تجاری و یادگیری شبکه بر داده کاوی برای عملکرد استارتاپ

Investigating the business intelligence capabilities’ and network learning effect on the data mining for start-up’s function

چکیده
1 مقدمه
2 روش ها
3 نتایج
4 بحث
5 نتیجه گیری
منابع

چکیده

در سال‌های اخیر، استارتاپ ها جز مفاهیم جدید در دنیای فناوری هستند و به‌ معنای سازمان‌های موقت می باشند که برای یافتن یک مدل کسب و کار تکرارپذیر و قابل ارتقا طراحی شده‌اند، حال آنکه یک راه‌حل جدید برای مسئله ارائه می‌دهند. آنچه برای موفقیت استارتاپ ها اهمیت دارد، هدفگذاری درست و معقول است. این همان چیزی است که معمولاً توسط درصد زیادی از چنین کسب و کارهایی نادیده گرفته می شود و موجب می شود در مدت زمان کوتاهی شکست بخورند. تولید محصول یا ارائه خدمات جدید، بدون برنامه ریزی امکان پذیر نیست. هدف این مطالعه بررسی عمیق‌تر این موضوع است که چگونه استارتاپ‌ ها باید مسائل و مشکلات را هنگام معرفی یک محصول یا خدمات جدید شناسایی و اولویت‌بندی کنند. ابتدا، استارتاپ‌ ها و کسب‌وکارهای مرتبط با موضوع مورد بررسی و سپس مسائل جدید و نوظهور، از جمله وضعیت داده‌کاوی بر عملکرد استارتاپ‌ها، موضوعات هوش کسب و کار(BI)، نوآوری و یادگیری شبکه ای و همچنین نقش آنها در کسب و کار استارتاپی مورد بحث قرار گرفت. نتایج نشان داد که BI می تواند یک مزیت رقابتی برای استارتاپ ها ایجاد کند. با در نظر داشتن این موضوع، این کسب و کارها ممکن است با نیازهای متنوع مشتریان در بازار سازگار شوند و به بقای خود ادامه دهند و همچنین سهم بازار بیشتری را نسبت به رقبای خود به دست آورند. علاوه بر این، استفاده از ابزارهای فناوری به شرکت ها کمک می کند تا داده های خود را به صورت یکپارچه یا ایمن در دسترس قرار دهند و با تجزیه و تحلیل داده ها، روش بهتر تصمیم گیری را برای مدیران فراهم کنند. با توجه به فرضیه ها، مشخص شد که BI به عنوان یک ابزار قدرتمند در حوزه فناوری اطلاعات، مزیت رقابتی ایجاد می کند و برای مدیران استارتاپ لازم است این ابزار را بپذیرند.

2- روش ها
2-1 نوع و روش تحقیق، روایی، نمونه آماری و اندازه نمونه
انتخاب روش تحقیق یکی از مراحل مهم تحقیق است که به اهداف، ماهیت موضوع و امکانات اجرایی آن بستگی دارد. روش تحقیق مجموعه ای از قواعد، ابزار و روش های معتبر برای بررسی حقایق، کشف مجهولات و یافتن راه حل ها برای مسائل است. هدف این تحقیق بررسی تاثیر قابلیت های BI بر کارایی کسب و کارهای استارتاپی می باشد که از نظر نوع تحقیق، توصیفی می باشد.

در این مطالعه، برای جمع آوری اطلاعات مورد نیاز از پرسشنامه استفاده شد (جدول1). پیش از شروع آغاز پرسشنامه، ابتدا هدف از جمع آوری داده ها توسط پرسشنامه و لزوم همکاری پاسخ دهندگان در ارائه داده های مورد نیاز بیان می شود.

شناسایی جامعه آماری یکی از ضروریات و اصول هر تحقیقی است. جامعه آماری در این مطالعه 1200 کسب و کار استارتاپی است. با در نظر گرفتن آمادگی استاندارد 1.96، احتمال موفقیت / شکست در نمونه گیری، 0.5 و احتمال خطای اندازه گیری 0.08 است. اندازه نمونه این تحقیق، 150 کسب و کار استارتاپی می باشد.

2-2 روش تحلیل اطلاعات
از آنجایی که تحقیق توصیفی است، در این تحقیق از روش های آماری توصیفی و استنباطی برای تجزیه و تحلیل داده ها استفاده شده است. بنابراین، برای تفسیر داده های آماری در ارتباط با فراوانی و درصد فراوانی، جداول و نمودارها و بررسی آمار توصیفی متغیرها از نرم افزار SPSS(نسخه 26: CPU i7-11600h با 32GB Ram) و برای بررسی رابطه بین متغیرهای مستقل و وابسته از نرم افزار Amos استفاده شده است. شکل 1 مدل مفهومی را نشان می دهد. این مدل مفهومی، بازنمایی از سیستمی است که در این تحقیق استفاده شده است، شامل مفاهیم مورد استفاده برای کمک به خوانندگان جهت درک موضوع این مدل می باشد. مدل مفهومی شامل 4 نقطه است، BI، NL، نوآوری و عملکرد. هر نقطه توسط یک فرآیند منطقی به یکدیگر متصل می شوند.

رویکرد فرآیندکاوی در آنالیز داده های مهم و مدل سازی ریسک های تصمیم گیری با هدف اندازه گیری بهداشت محیط در سازمان ها

A process mining approach in big data analysis and modeling decision making risks for measuring environmental health in institutions

چکیده

1 مقدمه

2 اصول و رویکردها

1.2 محاسبه شاخص بهداشت محیط سازمانی

3 نتیجه و بحث

4 نتیجه گیری

اعلامیه مربوط به تضاد منافع

تشکر و قدردانی

فهرست منابع

چکیده

این مقاله قصد دارد به معرفی یک چارچوب فرایندکاوی با هدف سنجش وضعیت بهداشت محیط در سازمان ها  بپردازد. این رویکرد، یک شاخص مبتنی بر نرم افزار بنام شاخص بهداشت محیط سازمانی (IEHI) را ایجاد کرده است که حاصل تلفیق مدل های تصمیم گیری گروهی چند معیاره مبتنی بر هستی شناسی بوده که این مدل ها بر پایه اصول مدل سازی فازی و برآورد اتفاق نظر همگانی می باشند. میانگین وزنی مرتب شده فازی (OWA) با قابلیت مدل سازی عدم اطمینان ها و ریسک های تصمیم گیری به همراه تکنیک اولویت بندی بر اساس شباهت به راه حل ایده آل (TOPSIS) بعنوان موتور های محاسباتی به کار گرفته شدند. عملکرد این شاخص توسعه یافته طی یک مثال کاربردی در 20 مسجد به عنوان نهادهای عمومی مورد آزمایش قرار گرفت. شاخص بهداشت محیط سازمانی توانست داده های مهم جمع آوری شده توسط محققین را بررسی کرده و آنها را به یک عدد واحد و قابل تفسیر تبدیل کند. این شاخص مساجدی را با شرایط بهداشتی بسیار نامناسب شناسایی کرد که می بایست به لحاظ برخورداری از بهداشت و همچنین شرایط مناسب، در اولویت باشند. این شاخص با توجه به قابلیت تعریف نوع و اعداد معیارها و همچنین بهره مندی از یک نرم افزار خاص و کاربرپسند موسوم به تصمیم گیری فازی گروهی، بسیار انعطاف پذیر و کاربردی است. از این رویکرد می توان برای محاسبه شرایط بهداشت محیط در هر سازمان یا شغل مورد نظری استفاده کرد. شاخص پیشنهادی از طریق تجزیه و تحلیل داده ها و ریسک های مهمی که موجب اتخاذ تصمیمات واقع بینانه تری میشوند، می بایست بتواند ارزیابی کارآمدتری از بهداشت الکترونیکی داشته باشد.

1 مقدمه 

شهرنشینی به مرور زمان و به ویژه در مناطقی با درآمد متوسط و کم مانند کشور های در حال توسعه با سرعت بیشتری صورت گرفته و در نتیجه کمبود بهداشت در این مکان ها بواسطه سود کمتر و اقتصاد ضعیف، شدت بیشتری پیدا می کند. از دهه 1940 تا کنون، هم بستگی بین محیط فیزیکی (اشاره به ساختمان ها و مکان های عمومی) و بهداشت انسان، یکی از اولویت های سازمان بهداشت جهانی (WHO) محسوب می شود. مطالعات نشان داده اند که بهداشت محیط در یک شهر بزرگ، اقتصاد را نیز مانند سیاست تحت تاثیر قرار داده و این یک معیار جامع در برنامه ریزی و تصمیم گیری شهری محسوب می شود؛ از این رو انتظار می رود پوشش بهداشت تا حد زیادی در این جوامع مشاهده شود.

4 نتیجه گیری

در سیستم های مراقبت بهداشتی، به دلیل وجود محدودیت های اقتصادی، بهبود همزمان شرایط بهداشتی در مکان های عمومی غالبا غیر ممکن بوده و انجام این فرایند طی چند مرحله برای مدیران، عقلانی تر است. در اولین گام باید با انجام یک ارزیابی جامع، مکان هایی که دارای کمترین سطح بهداشت هستند را شناسایی کرده و سپس باید آن ها را در جهت بهینه سازی و اصلاح شرایط، اولویت بندی کرد. این مطالعه با هدف ارائه یک چارچوب فرایند کاوی یک شاخص عددی برای تجزیه و تحلیل داده ها و مدل سازی ریسک در ارزیابی بهداشت محیط مربوط به سازمان های شهری و مکان های عمومی، انجام شده است. شاخص توسعه یافته، نمایان گر آن است که برخی از مکان های مطالعه شده، شرایط بسیار نامناسبی داشته و باید آن ها از نظر بهداشتی در اولویت قرار داد. این شاخص، شاخصي مفید برای سنجش اوضاع بهداشت سازمانی بوده و نقاط ضعف و ریشه های مربوط به مشکلات بهداشتی آن ها را به خوبی کشف می کند.

Abstract

This paper aimed to introduce a process-mining framework for measuring the status of environmental health in institutions. The methodology developed a new software-based index namely Institutional Environmental Health Index (IEHI) that was integrated from ontology-based Multi-Criteria Group Decision-Making models based on the principles of fuzzy modeling and consensus evaluation. Fuzzy Ordered Weighting Average (OWA) with the capability of modeling the uncertainties and decision-making risks along with Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) were employed as the computation engine. The performance of the extended index was examined through an applied example on 20 mosques as public institutions. IEHI could analyze big data collected by environmental health investigators and convert them to a single and interpretable number. The index detected the mosques with very unsuitable health conditions that should be in priority of sanitation and suitable ones as well. Due to the capability of defining the type and numbers of criteria and benefitting from specific and user-friendly software namely Group Fuzzy Decision-Making, this index is highly flexible and practical. The methodology could be used for numerating the environmental health conditions in any intended institution or occupation. The proposed index would provide e-health assessment by more efficient analysis of big data and risks that make more realistic decisions in environmental health system.

1 Introduction

Urbanization is becoming faster by passing the time specially, in medium and low income areas like developing countries and as a consequence the health deficiency is more sever in these locations due to lower earning and poor economy (Derakhshan et al., 2017; Mbuya and Humphrey, 2016; Verma et al., 2017). The correlation between physical environment, referring to buildings and public places, with human health has been one of the World Health Organization (WHO’s) priorities since 1940s (Ene, 2014). Studies showed that the environmental health in a big city influences the economy as well as policy and it is an integral criterion for city planning and decision-making. Hence, the hygiene coverage is expected to be highly observed in such communities (Jenkins et al., 2014; Weingaertner and Moberg, 2014; Wolch et al., 2014).

4 Conclusion

In health care systems, due to economical limitations, the simultaneous improvement of the health conditions in public places is often impossible and performing this process in multiple stages is more reasonable for the managers. In the first step, the places with the lowest sanitary level should be identified by doing a comprehensive assessment and then they should be prioritized for optimization and improvement. This study has aimed to present a process mining framework of a numerical index for data analyzing and risk modeling in environmental health assessment in urban institutions and public places. Developed index indicated that some of the studied places had very unsuitable conditions and they should be prioritized for sanitation. This index is a useful indicator to measure institutional health status and it detects the weak points and the origins of health problems of them well.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

رویکرد فرآیندکاوی در آنالیز داده های مهم و مدل سازی ریسک های تصمیم گیری با هدف اندازه گیری بهداشت محیط در سازمان ها

A process mining approach in big data analysis and modeling decision making risks for measuring environmental health in institutions

پیوند شیوه های مدیریت زنجیره تامین سبز با رقابت پذیری در طول کووید 19: نقش تجزیه و تحلیل داده های بزرگ

Linking green supply chain management practices with competitiveness during covid 19: The role of big data analytics

چکیده

1- مقدمه

2- ادبیات تحقیقی، دیدگاه نظری، و فرضیه سازی

3- متدولوژی

4- نتایج و یافته ها

5- بحث و گفتمان

ضمیمه A- گویه ها/ سازه (مفهوم)

ضمیمه B- بار عاملی و بارگذاری های تعاملی

منابع

چکیده

      هرچند شیوه ی مدیریت جهانی زنجیره تأمین سبز (GSCM) توجه محققان را به طور اساسی به خود جلب کرده است، اما میزان تأثیر آن برای سیستم مدیریت زیست محیطی (EMS) و رقابت پذیری بازار در طول پاندمی کووید 19 کاملا مشخص نشده است. بنابراین، ادبیات تحقیقی موجود نشان می دهد که ارتباط مهمی بین GCSM، EMS، و رقابت پذیری بازار وجود ندارد زیرا مدیریت تأمین برای حفظ رقابت پذیری بازار حائز اهمیت است. در راستای پرکردن این شکاف پژوهشی، مطالعه ی حاضر به بررسی این مسئله می پردازد که آیا EMS رابطه ی بین شیوه های GSCM و رقابت پذیری بازار را تحت تأثیر قرار می دهد یا خیر. ما نیز نقش تعدیل کننده و میانجی واکاوش کلان داده ها و هوش مصنوعی (BDA-AI) و رویت پذیری محیطی در خصوص این روابط را از نقطه نظر پاندمی کووید 19 مطرح می کنیم. ما یک مدل پیشنهادی را با استفاده از داده های اولیه ی (N=283) حاصل از مدل سازی معادلات ساختاری مبتنی بر رگرسیون امتحان کردیم. نتایج از تأثیر GSCM روی ESM و رقابت پذیری بازار پشتیبانی تجربی می کنند. علاوه براین، نتایج نشان می دهند که BDA-AI و رویت پذیری زیست محیطی رابطه ی مثبت بین GSCM-EMS و EMSو رقابت پذیری بازار را به ترتیب تقویت و تشدید می کنند. تحقیق پیش رو بینش های متفکرانه ای برای متخصصان زنجیره تأمین، سیاستگذاران، مدیران، و دانشگاهیان ارائه می کند که سازمان ها باید EMS، BDA-A و رویت پذیری زیست محیطی را در اولویت خود قرار دهند تا به رقابت پذیری بازار حتی در زمان های بحران مثل پاندمی کووید 19 دست پیدا کنند.

ادبیات تحقیقی، دیدگاه نظری، و فرضیه سازی
مدیریت زنجیره تأمین سبز (GSCM)
     مدیریت زنجیره تأمین سبز در زنجیره تأمین و محیط زیست طبیعی در ادبیات تحقیقی موجود توجه زیادی را به خود جلب کرده است [1، 2، 6]. مدیریت زنجیره تأمین سبز به تلاش های کاملا منسجم و هماهنگ میان فرآیندهای تجاری مثل خرید، تولید، بازاریابی، و لجستیک نیاز دارد (برای مثال مرجع [24] را مطالعه کنید). مدیریت زنجیره تأمین سبز نیازمند یک استراتژی تجاری همتراز با فرآیند زنجیره تأمین بود تا مشتریان نهایی و همچنین سایر ذینفعان را راضی و مجاب کند [11]. به طور کلی، انگیزه ی شرکت ها برای اتخاذ شیوه ها و رویکردهای تجارت سبز (GBP) به احتمال زیاد کاهش آلودگی، کاهش پسماند و استفاده از انرژی، استفاده از مواد تجدیدپذیر، و ادغام و اجرای اقدامات محافظت از منابع برای تضمین این است که محصولات/ خدمات به یک شیوه ی پایدار از لحاظ زیست محیطی ارائه می شوند [46]. برای مثال، ادبیات تحقیقی سه رویکرد کلیدی از GSCM را ارائه می کند: 1) شرکت های منفعل تسلیم حداقل منابع برای مدیریت زیست محیطی می شوند، از محصولات دارای لیبل (برچسب) که قابل بازیافت هستند و از نوآوری های انتهای چرخه برای کم کردن محصولات زیست محیطی خود استفاده می کنند، 2) شرکت های کنشگرایانه با محقق کردن به کارگیری منابع نسبتا کم برای شروع بازیافت محصولات و طراحی محصولات سبز از قوانین جدید زیست محیطی پیشی می گیرند، و نهایتا 3) در جستجوی ارزش که در این حالت شرکت ها فعالیت های زیست محیطی را یکپارچه می کنند مثل خرید سبز و اجرای ISO به صورت ابتکارات و نوآوری های استراتژیک برای استراتژی کسب و کار خود [47].

      با وجود این، ادبیات تحقیقی موجود در مورد پیامدهای مختلف اتخاذ شیوه های GSCM صحبت کرده است، با این حال، استدلال های ارائه شده مربوط به GSCM و رقابت پذیری بازار ناکافی و بحث برانگیز هستند. برای مثال، تحقیقات صورت گرفته روی GSCM یافته های نامتناقض در رابطه با اثربخشی GSCM در سازمان را ارائه کردند. محققان در مورد اینکه آیا شیوه های GSCM سودآور هستند یا خیر به اجماع نرسیدند. مطالعات موجود استدلال های نظری در تأیید هر دو استدلال و مخالفت با آن مطرح می کنند. برای مثال، از یک سو، محققان دلیل می آورند که شاید این بار مسئولیتی است بر گردن سازمان تا به مزیت رقابتی دست پیدا کند [48]. [49] نگرانی های جدی درخصوص از دست رفتن مزیت رقابتی نشان دادند زیرا شیوه های GSCM هزینه های کلی کسب و کار را افزایش می دهند. مطالعه ی دیگری نشان داد که شیوه های GSCM به احتمال قوی راندمان و کارایی عملیات را بالا می برند تا سودآوری آن را [50]. [51] نتوانست یک ارتباط قوی بین GSCM و سوآوری شرکت ها ایجاد کند.

     درحالیکه از سوی دیگر، محققان به نفع اتخاذ GSCM دلیل آوردند و براساس استدلال نظری ثابت کردند که اتخاذ GSCM عملکرد مالی سازمان را افزایش می دهد. برای مثال، فریمن [52] براساس نظریه ی ذینفع مشخص کرد که سازمان ها تبعات و پیامدهای خارجی را ایجاد می کنند که هر دو طرف (ذینفعان) را به صورت داخلی به عنوان عوامل خارجی خوب تحت تأثیر قرار می دهند. تبعات خارجی روی سازمان فشار می آورند تا سیاست های سازگار با محیط زیست را اتخاذ کرده و اتلاف منابع را کاهش دهند. تئوری ذینفعان دلیل آورد که توجه به توقعات و انتظارات ذینفعان و تأمین آن ها عملکرد سازمانی را تقویت کرده و به موجب آن سودآوری شرکت ها را افزایش می دهد [52، 53]. علاوه براین، مشخص شده است که سازمان ها احتمالا در صورتی به یک مزیت رقابتی دست پیدا می کنند که شیوه های سازگار با محیط زیست را اتخاذ کرده و به بهترین شکل از ذینفعان حمایت کنند [54]. تحقیقات کمی ادعا کردند که GSCM تأثیر غیرمستقیم روی سودآوری شرکت ها دارد. برای نمونه، فنگ و همکاران [55] مشخص کردند که GSCM هیچ تأثیر مستقیمی روی سودآوری سازمان ها ندارد زیرا عمدتا روی فرآیند عملیاتی و مدیریت منابع تأکید می کند که نمی توانند مستقیما عملکرد مالی شرکت را بالا ببرند. در بخش بعدی، ما روی بحث جاری GSCM و کووید 19 متمرکز شدیم.

آمار و آنالیز تلفیقی اطلاعات هدفمند فقرزدایی با الگوریتم کلان داده کاوی

Statistics and Analysis of Targeted Poverty Alleviation Information Integrated with Big Data Mining Algorithm

1. مقدمه

2. بازبینی مطالعات پیشین

3. روش تحقیق

4. نتایج و مباحثات

5. نتیجه گیری

در دسترس بودن داده ها

تعارض منافع

تقدیم تشکر

منابع

      برای رسیدن به درکی جامع تر و سیستماتیک تر از تاثیر کمک های دولت به خانوارهای فقیر به منظور تحقق اهداف مبتنی بر کاهش فقر، در این مقاله در کنار بررسی الگوریتم داده کاوی کلان داده ها به بررسی تلفیقی از یک جامعه آماری و تحلیل اطلاعات برنامه کاهش هدفمند فقر می پردازیم. در این بررسی مطابق ماژول خط لوله در یادگیری ماشین (ML) در چارچوب اسپارک که یک چارچوب محاسباتی کلان داده می باشد پیش رفتیم و علم کلان داده های عصر جدید و الگوریتم های شناخته شده داده کاوی را با یکدیگر ادغام نمودیم،‌ پیش تر برای مدل سازی و تحلیل به حجم زیادی از داده نیاز بود اما در این مدل، روش نمونه گیری تصادفی طبقه ای را مورد استفاده قرار دادیم و بدین ترتیب توانستیم مدل جنگل تصادفی، مدل لجستیک و مدل آبشاری جدید پیشنهادی خود برای بررسی خانوارهای فقیر را تدوین نماییم. برای شناسایی خانوارهای ضعیف از چندین روش شناسایی استفاده نمودیم و به ارزیابی مقایسه ای نتایج آن ها پرداختیم، در نهایت، ‌نتایج نشان می دهند هنگامی که با 100 داده واقعی صحت سه روش شناسایی خانوار فقیر را مورد آزمایش قرار دهیم، مقدار مدل جنگل تصادفی تا 82 درصد و مقدار مدل لجستیک تا 72 درصد کاهش می یابد که تغییر اندکی به شمار می آید، اما مقدار مدل آبشاری بدون تغییر در همان 83 در صد ثابت باقی می ماند و در هر سه مدل تغییرات ناچیزی رخ خواهد داد. مزیت طراحی جدیدی که در این مقاله برای مدل آبشاری ارائه شده این است که در این روش می توان تا درصد زیادی نمونه ها را مجدد مورد استفاده قرار داد و از این طریق می توان به شکل موثری از برازش بیش از حد نمونه ها اجتناب ورزید، به همین دلیل دیگر نیازی به وجود حجم زیادی از داده نمی باشد. مدل جدید ما مدلی پایدار و قابل اعتماد می باشد. به کارگیری تلفیقی از الگوریتم های هدفمند کاهش فقر با فناوری اطلاعات کلان و داده کاوی را می توان از عمده دلایلی دانست که منجر شدند نتایج حاصل از استفاده از این مدل دقیق تر و قانع کننده‌تر بشوند. شیار تنه و شیار سمت راست غالبا به خاطر جامعه آماری از علت های شایع کنار گذاشته می‌شوند.

بازبینی مطالعات پیشین
     الگوی کاهش هدفمند فقر تنها چهار یا پنج سال است که مطرح شده است و زمان به کارگیری عملی آن در جامعه کوتاه تر از همین چند سال می باشد، به همین دلیل تحقیقات کمی در این زمینه انجام شده است. مدت کمی است که طرح کاهش هدفمند فقر ارائه شده، اما با حمایت قوی دولت مرکزی و تلاش های توامان دولت‌های محلی، طرح کاهش هدفمند فقر در سال های اخیر نتایج قابل توجهی به دست آورده است. امروزه، بسیاری از محققان چینی پیشنهادهای خلاقانه ای برای کاهش فقر ارائه می دهند و توصیف و تحلیل های مفصلی از طرح‌های خود و مشکلاتی که ممکن است در حین عملی کردن طرح با آن مواجه شوند را نیز تشریح می کنند. ژائو اس و دیگر محققان برای مطالعه وضعیت فقر در ساختار خانواده از روش اندازه گیری استفاده کردند. در نتیجه این تحقیقات متوجه شدند چه دسته ای از خانواده ها بیشتر در معرض فقر قرار دارند ]8[. آواجان و محققان دیگر برای کمک به کاهش هدفمند فقر علم کلان داده ها را به کار گرفتند. آن ها به مقایسه کلان داده های کاهش فقر با داده های کاهش فقر به روش سنتی پرداختند، یافته های آن ها نشان می دهد که کاهش هدفمند فقر به کمک کلان داده ها مزایای بیشتری نسبت به روش های سنتی کاهش فقر دارد و این روش در شناسایی و کمک به خانوارهای فقیر موفق تر عمل می کند ]9[. گای و چند تن دیگر از محققان فناوری ها و الگوهای سنتی کاهش فقر را به چالش کشیدند. مدل های کاهش فقری که در گذشته مورد استفاده قرار می گرفتند در مقیاس بزرگ کارایی داشتند و ظرفیت اعمال منطقه ای را نداشته و به همین دلیل شناسایی فقیرترین خانوارها به کمک این روش ها دشوار بود. افزون بر این، اگر اطلاعات خانوارهای فقیر برای مدتی طولانی به روز نشود، مشکلات جدید فراوانی ظاهر خواهد شد؛ به همین دلیل لازم است فورا الگوهای سنتی کاهش فقر تغییر پیدا کنند. الگوی جدیدی که ارائه می شود می بایست برای کاهش فقر مد نظر و افزایش کارایی الگوی کاهش هدفمند فقر به صورت همه جانبه فناوری کلان داده ها را به کار ببندد ]10[. کویی و محققان دیگر بر این باورند که هنوز برای لحاظ کردن درآمد اقتصادی خانوارهای فقیر به عنوان استاندارد سطح فقر در خانوارهای فقیر محدودیت هایی وجود دارد. منتهای مراتب، پژوهشی انجام شد که در آن به بررسی شرایط خانوارهای فقیر از گزارشات افراد غیر فقیر تمرکز داشت، نتایج این پژوهش مشخص کرد که 13.5 درصد از پاسخ دهنده ها که کشاورز بودند معتقدند برخی خانوارهای فقیری که واقعا به کمک دولت نیاز دارند، در فرایند شناسایی و تشکیل پرونده مغفول مانده اند ]11[. واچکووا و برخی محققان دیگر برای فقرزدایی هدفمند تعریف و تحلیل ارائه داده و نظرات خود را در مورد الزام اجرای طرح کاهش هدفمند فقر را بیان کرده اند. در این مقاله از مدل فقرزدایی مورد استفاده در زمان اصلاحات و گشایش توصیف کاملی ارائه شده و توضیح می دهیم که چرا مدل فقرزدایی گسترده قبلی دیگر برای محیط و شرایط فعلی قابل اجرا نمی باشد، همچنین نکات کلیدی و دشواری های طی مسیر اجرای طرح کاهش هدفمند فقر را به طور خلاصه بیان کرده و مدل عملی جدید خود را تشریح می نماییم ]12[. ویزو واسام و محققان دیگر سازوکار کاهش هدفمند فقر از طریق فناوری کلان داده را مورد بحث و بررسی قرار داده و به این نتیجه رسیدند که فناوری کلان داده می تواند به شکل گسترده ای در جهت کاهش هدفمند فقر مورد استفاده قرار گیرد ]13[.

کاربرد الگوریتم های داده کاوی برای زوال عقل در افراد مبتلا به HIV/AIDS

Application of Data Mining Algorithms for Dementia in People with HIV/AIDS

1 مقدمه
2 روش شناسی
3 نتایج و بحث
4 نتیجه گیری و پژوهش های آینده
منابع

زوال عقل باعث اختلال در کارکردهای حرکتی، رفتاری، و هوشی فرد می شود به طوری که او را از انجام فعالیت های مؤثر روزمره بازمی دارد. پژوهش کنونی بر آن بود که بهترین الگوریتم عمل کننده و مرتبط ترین خصوصیات را با استفاده از داده کاوی شناسایی کند تا بدین وسیله افراد مبتلا به ایدزی که در خطر جدی زوال عقل هستند را طبقه-بندی نماید. در این راستا، الگوریتم تحلیل مؤلفه های اصلی (PCA) مورد استفاده قرار گرفت و آزمایش هایی به شکل مقایسه ای میان الگوریتم های یادگیری ماشینی زیر انجام شد: رگرسیون لجستیک، درخت تصمیم، شبکه ی عصبی، KNN (k همسایه ی نزدیک تر) و جنگل تصادفی. پایگاه داده ی مورد استفاده در این مطالعه بر پایه ی گردآوری داده ی 270 انسان مبتلا به ایدز تدوین گردید و ادامه ی کار در درمانگاه یک بیمارستان مرجع بیماری های واگیردار و انگلی در ایالت سیرا برزیل از ژانویه تا آوریل 2019 پیگیری شد. همچنین، عملکرد الگوریتم ها به ازای 14 ویژگی و خصوصیت موجود در پایگاه داده تجزیه و تحلیل شدند؛ آنگاه با کاهش ابعاد، در کیفیت الگوریتم های یادگیری ماشینی بهبودی حاصل شد و مشخص گردید که در جریان آزمون ها، حتی حدود 30 درصد تنوع از میان رفت. افزون بر این، هنگام در نظر گرفتن تنها 23 ویژگی و خصوصیت، دقت الگوریتم ها در جنگل تصادفی برابر 86 درصد، در رگرسیون لجستیک برابر 56 درصد، در درخت تصمیم برابر 68 درصد، در KNN برابر 60 درصد، و در شبکه ی عصبی برابر 59 درصد بود. معلوم گردید که الگوریتم جنگل تصادفی نسبت به بقیه کارامدتر است به طوری که به دقت 84 درصدی و صحت 86 درصدی دست یافت.

1 مقدمه

داده کاوی (MD) یکی از فرایندهای واکاوی داده ها است که با استفاده از راهبردهایی همچون الگوریتم های یادگیری، هوش مصنوعی (AI) یا طبقه بندی ها آماری، که می توانند روابط پنهان و داده های صحیح را آشکار کنند، قادر به پیش بینی و استخراج الگوهای منسجم است [1 و 2].

کاربرد داده کاوی در سامانه های اطلاعات سلامت، خواه حوزه های عمومی و خواه خصوصی، است که از طریق فرایند انتخاب، پیش پردازش و تبدیل داده ها می توان الگوها را یافت و با تفسیر آن ها دانش تولید کرد. با استفاده از این روش و بر پایه ی الگوهای مسائل سلامت و درمان های مراقبتی برای بیماری های گوناگون، متخصص بهداشت بیمار را شناسایی، توصیف، و راهنمایی خواهد کرد.

Dementia interferes with the individual’s motor, behavioural, and intellectual functions, causing him to be unable to perform instrumental activities of daily living. This study is aimed at identifying the best performing algorithm and the most relevant characteristics to categorise individuals with HIV/AIDS at high risk of dementia from the application of data mining. Principal component analysis (PCA) algorithm was used and tested comparatively between the following machine learning algorithms: logistic regression, decision tree, neural network, KNN, and random forest. The database used for this study was built from the data collection of 270 individuals infected with HIV/AIDS and followed up at the outpatient clinic of a reference hospital for infectious and parasitic diseases in the State of Ceará, Brazil, from January to April 2019. Also, the performance of the algorithms was analysed for the 104 characteristics available in the database; then, with the reduction of dimensionality, there was an improvement in the quality of the machine learning algorithms and identified that during the tests, even losing about 30% of the variation. Besides, when considering only 23 characteristics, the precision of the algorithms was 86% in random forest, 56% logistic regression, 68% decision tree, 60% KNN, and 59% neural network. The random forest algorithm proved to be more effective than the others, obtaining 84% precision and 86% accuracy.

1 Introduction

Data mining (MD) is one of the data exploration processes capable of predicting and extracting consistent patterns by using strategies such as learning algorithms, such as artificial intelligence (AI), or classification in statistics, which can reveal hidden relationships and accurate data [1, 2].

The application of MD is in health information systems, in the public and private spheres, which, through a process of selection, preprocessing, and data transformation, one can discover patterns and generate knowledge through their interpretations. With this method, the health professional will identify, characterise, and guide the patient based on patterns of health problems and care therapies for different diseases [2].

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

کاربرد الگوریتم های داده کاوی برای زوال عقل در افراد مبتلا به HIV/AIDS

Application of Data Mining Algorithms for Dementia in People with HIV/AIDS

برآورد ریسک مالی اینترنت مبتنی بر سیستم تعبیه شده در وب و الگوریتم داده کاوی

Internet financial risk assessment based on web embedded system and data mining algorithm

چکیده

1. مقدمه

2. مطالعات مرتبط

3. مواد و روشها

3.1 داده کاوی

گام های الگوریتم

3.2 سیستم تعبیه شده مبتنی بر وب

3.3 ریسک مالی

4. نتایج و بحث

4.1 دقت ریسک مالی

4.2 کارایی ریسک مالی

5. نتیجه گیری

منابع

چکیده

در این مقاله الزامات مالی بررسی و تکنیک های طراحی خاص برای اپلیکیشن های مبتنی بر وب در صنعت خدمات مالی و سیستم تعبیه شده مبتنی بر وب (WES) را معرفی می کنیم. در بحث مربوط به صنعت خدمات مالی که دارای تکنولوژی تصمیم گیری است، استفاده از انگیزش های داده کاوی با چالش مبنای برخی از اپلیکیشن های معمول مرتبط است که از طراحی تعبیه شده استفاده می کنند؛ و بعد از اجرای تحلیل فوری و ریسک های آنلاین رفتار کاربران در کنترل اینترنتی نظارت بر اینترنت، ماژول نرم افزار حسابداری هشدار اولیه، ریسک را تعدیل میکند. در سیستم نظارت و تعبیه شده، ساختمان ریسک ناشی از نوسان نرخ بهره، ریسک ارز، حسابداری پیش بینی ریسک شبکه، هشدار دادن به نظارت های مختلف بر مدل تحلیل تشخیصی، توضیح بارگذار راه انداز در تطابق با طبقه بندی. بهبود الزامات و کنترل های اینترنت، شبکه پرداخت هشدار ردیابی اولیه بلادرنگ و اطلاعات مربوط به کارایی کارمزدها و بهره های مختلف، عملیات های تجاری کارمزدهای حسابداری شرکتی و یک سیستم گزارشگری مالی منظم. تحلیل مالی اینترنت و دریافت کنندگان سنجش ریسک. در نتیجه برای تحقق یک شبکه ریسک-آگاه بلادرنگ می توان از نمایش های اینترنتی استفاده کرد که مربوط به نظارت بر حسابداری، قابلیت های مدیریت ریسک، و بهبود ممانعت هستند.

1.  مقدمه

با پیشرفت های حاصل شده در تکنولوژی نیمه رسانا و آینده، از معماری طراحی سیستم های تعبیه شده استفاده شده است: به عنوان مثال یک دستگاه فرا-سیار بعد از پیدایش سرورهای ارتباطی و عصر محاسباتی (دیجیتالی) فراگیر با انتظار پردازشگرهای چند هسته ای اینتل برای یک تأثیر خیلی بزرگ اتم های انسانی اولیه، و اضافه سازی این پردازشگر به یک سیستم با این عملکرد بالا و تأخیر کم (به عنوان مثال به عنوان یک سیستم کنترل یا نظارت) خیلی جالب است. به منظور ایجاد حداقل الزامات بر مبنای پیکربندی پردازشگر چندهسته ای تعبیه شده یک پردازشگر اتمی اینتل، و ترانزیستورهای دروازه فلزی نانو و سراسری بالا،

Abstract

The Financial requirements of the investigation and the specific design techniques for Web applications in the financial services industry Web Embedded Systems (WES) of. In discussing some of the financial services industry has decision-making technology, using data mining motives are related to the basic challenge of some typical applications using embedded design, after the realization of prompt analysis and user behavior online risks Accounting Oversight Internet control, early warning accounting software module risk In the monitoring system and embedded, the construction of interest rate risk, currency risk, accounting for risk prediction of the network, warning the Multiple of supervision of discriminant analysis model, accounting for boot loader in accordance with the classification Improve internet controls and requirements, real-time early tracking alert payment network and information on the efficiency of various fees and interest, corporate accounting fees business operations and regular financial reporting system. Internet financial analysis and risk measurement receivers. As a result, to achieve real-time risk-aware network can use the Internet shows that the supervision of accounting, risk management capabilities and improve prevention.

1. Introduction

The advances in semiconductor technology, and the future, the new architecture has been embedded system design, including ultra-mobile device to the advent of telecommunications servers and pervasive computing era with the release of Intel’s multi-core processors on a particularly large impact early human atom the processor is an embedded processor to the system about this high performance low latency, such as a control or monitoring system is very curious. To generate a minimum Based on the Intel Atom processor embedded multi-core processor configuration, and high Nano and global metal gate transistors,

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

برآورد ریسک مالی اینترنت مبتنی بر سیستم تعبیه شده در وب و الگوریتم داده کاوی

Internet financial risk assessment based on web embedded system and data mining algorithm

یک چارچوب داده کاوی برای پیش بینی مالی

A data mining framework for financial prediction

چکیده

1. چکیده

2. مروری بر ادبیات تحقیق

2.1. چارچوب داده کاوی دامنه خاص

2.2. روش های تحلیل برای پیش بینی مقدار هدف در بازارهای مالی

3. چارچوب داده کاوی برای بازار مالی

3.1. پیش پردازش داده ها

3.2. انتخاب مشخصه

3.3. مدلسازی پیش بینی

3.4. ارزیابی

3.5. گزارشگری

4. کار برد در بازار مالی

4.1. پیشینه

4.2. توصیف داده

4.3. زمینه های تجربی

4.4. نتایج پیش بینی

4.5. خلاصه ای از چارچوب داده کاوی برای بازارهای مالی

5. نتیجه گیری

منابع

چکیده

در بازارهای مالی از آنجا که مبادلات در زمان واقعی به طور مستقیم با سود ارتباط دارند، پردازش و تحلیل داده ها بر اساس زمان واقعی حائز اهمیت است. در عمل، غالبا تصمیماتی که تحت تاثیر تجربیات متخصصان بر اساس تحلیل فنی و بنیادی روی می دهد با تصمیماتی که از الگوریتم های پیش بینی استفاده می کنند، پیش بینی می شود. اخیراً یک چارچوب دادهکاوی دامنه خاص برای کاهش هزینه مربوطه پیشنهاد شد. بنابراین، این مطالعه یک چارچوب دادهکاوی جدید پیشنهاد می کند که بر اساس دانش تخصصی، مناسب بازارهای مالی می باشد. چارچوب پیشنهادی عمدتا سه چشم انداز زیر را به عنوان استاندارد هایی برای اثربخشی تحقیق در نظر می گیرد: قابلیت تفسیر، معیارهای پیش بینی مناسب و روش های گزارشگری. از چارچوب خودمان برای مسائل پیش بینی مالی در جهان واقعی استفاده می کنیم؛ مانند پیش بینی تفاوت دارایی ۳ تا ۱۰ ساله. در نتیجه، به عملکرد پیش بینی ۸۴ درصدی در پیش بینی تفاوت دست می یابیم و از اطلاعات سلسله مراتبی استفاده کردیم تا بینش بیشتری ارائه دهیم. علاوه بر این، از طریق استخراج متغیرهای حیاتی به دانش عملی و هم افزایی دست می یابیم که میتواند به عنوان یک ابزار پشتیبانی از تصمیم گیری داده محور صحیح و سریع با عوامل فعال در جهان واقعی استفاده شود.

1. مقدمه

از طریق چندین کانال مختلف با استفاده از ابزارهای متنوع، بازارهای مالی نقش های مهمی در سلامت نهادها ها و به طور کلی اقتصاد ایفا می کنند. یک بازار مالی، منابع اقتصادی واقعی را انتقال می دهد، سود سهام یا بهره را به مشارکت کنندگان بازار ارائه میدهد، نقدینگی ایجاد میکند و تجارت میان سرمایهگذاران در بازار را مقدور می سازد. بنابراین تحلیل عواملی که به طور طبیعی با بازار مالی ارتباط دارند و بهره گیری از جدیدترین اطلاعات حاصل از داده های عظیم در دسترس حائز اهمیت است. سرمایه گذاران زیادی از منابع مختلف اطلاعات برای پیشبینی مقادیر هدف استفاده می کنند و استراتژی هایی را برای رسیدن به برتری در رقابت ها توسعه می دهند. 

5. نتیجه گیری

در این مطالعه، یک چارچوب داده کاوی پیشنهاد کردیم که به طور خاص برای بازار مالی با خصوصیات زیر طراحی شد: تفسیر، معیارهای ارزیابی پیش بینی، و روش های گزارشگری. در ابتدا؛ مدل پیش بینی باید قدرت پیش بینی کنندگی و تفسیر پذیری داشته باشد. ما فرض کردیم که چنین هدفی می تواند با بکارگیری رویکردهای پوششی حاصل شود، اگر مدل پیش بینی طراحی شود که در آن میزان سهم هر متغیر در تحلیلی را بتوان مشاهده کرد. دوم، مدل پیش بینی مالی به ارزیابی به استفاده از معیارهای مناسب نیاز دارد. به طور مثال، پیش بینی طیف نتیجه هدف مهم تر از مقدار واقعی است تا بتوانیم تلورانس را جای دهیم. در این مورد، PARE یک معیار مناسب ارزیابی است. در آخر، به ارائه نتایج حاصل از تحلیل در حالت های مختلف گزارشگری نیاز است، به ویژه، برای کمک به تاجران در بازار برای اینکه با تفاسیر تفضیلی به سرعت تصمیم گیری کنند.

Abstract

In the financial markets, because real-time transactions directly relate to profit, it is important to process and analyze data on a real-time basis. In practice, decisions influenced by experts’ experiences from fundamental and technical analysis occur frequently compared to decisions using prediction algorithms. A domain-specific data mining framework was proposed recently to reduce related cost. Therefore, this study proposes a novel data mining framework suitable for financial markets according to expert knowledge. The proposed framework predominantly considers the following three perspectives as the standards for the effectiveness of research: interpretability, proper prediction metrics, and reporting methods. We applied our framework to the real-world financial prediction problems, such as the 3–10 year treasury spread forecasts. Consequently, we achieved an 84% prediction performance on the spread prediction and used hierarchical information to provide additional insight. In addition, we obtained practical knowledge and synergies through extraction of critical variables that can be used as a quick and accurate data-driven decision making support tool by active agents in the real world.

1. Introduction

Through several different channels via diverse means, financial markets play important roles in the well-being of enterprises and the overall economy. A financial market transfers real economic resources, offers dividends or interest to the market participants, creates liquidity, and enables trade among the investors in the market. Therefore, it is important to analyze factors that are linked organically to the financial market and to derive latest information from the huge data available. Many investors use several sources of information to predict target values and develop strategies to gain an edge in competitions.

5. Conclusion

In this study, we proposed a data mining framework designed specifically for the financial market with the following three characteristics: interpretation, prediction evaluation metrics, and reporting methods. Firstly, a prediction model should provide predictive power and interpretability. We proposed that such an objective can be achieved by employing wrapper approaches if developing a prediction model, wherein the extent of contribution of each variable in the analysis can be observed. Secondly, the financial prediction model requires evaluation using appropriate metrics. For example, it may be important to predict the range of a target outcome, rather than the exact value, to incorporate tolerance. In this case, PARE is an appropriate measure of evaluation. Finally, presenting the results from the analysis in several reporting modes is required, particularly to aid active traders in the market to instantly decide with detailed explanations.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

یک چارچوب داده کاوی برای پیش بینی مالی

A data mining framework for financial prediction

TIMS: یک سیستم ایمن مدیریت اطلاعات ماشین آزمایش

TIMS: A Secure Testing-Machine Information Management System

چکیده

1. متن اصلی

2. کارهای مرتبط

2.1 گزارش نقل‌قول غیرمنطقی

2.2 سیستم مدیریت اطلاعات

3. رویکرد ما

3.1 مکانیزم تایید هویت مورد اعتماد گزارش براساس کد QR واترمارک

3.2 حالت ساخت سیستم تفکیک سه حقوق

3.3 واسط تایید هویت براساس MySQL

4. پیش‌نمونه

5. جمع‌بندی

منابع

چکیده

اطلاعات آزمایش به داده‌های به‌دست‌آمده توسط مرکز بازرسی کیفیت پس از آزمایش فولاد ، سیمان و مواد دیگر از طریق ماشین‌های آزمایش و سایر ابزارها اشاره دارد. مرکز بازرسی کیفیت گزارشی را با توجه به نتیجه آزمایش صادر می‌کند که به عنوان پایه‌ای برای دسته موادی که باید در بازار قرار گیرند ، عمل می‌کند. در حال حاضر ، سطح اطلاعاتِ مدیریت اطلاعات آزمایش ماشین نسبتا پایین است و هیچ مکانیزم مدیریت ایمن و موثری وجود ندارد. به منظور حل این مشکل ، این مقاله TIMS را پیشنهاد می‌کند ، یک سیستم مدیریت اطلاعات آزمایش ماشین(TIMS) امن که از حالت مدیریت تفکیک سه حقوق و یک رابط امنیتی پیوند دهنده هویت برای بهبود کارایی مدیریت و همچنین تضمین امنیت داده‌ها و گردش کار استفاده می‌کند. در عین حال ، ما فن‌آوری کد واترمارک QR را با هدف گزارش ضد جعل ترکیب می‌کنیم. ما نمونه اولیه TIMS را پیاده‌سازی می‌کنیم که توابع بالا را تحقق می‌بخشد و یک رابط کاربر پسند برای مدیریت و آمار فراهم می‌کند.

1. متن اصلی

قانون اساسی و تاسیس شهر مدرن را نمی‌توان از فولاد ، سیمان ، بتن و دیگر مصالح ساختمانی اساسی جدا کرد که کیفیت آن‌ها استفاده و عملکرد ایمنی ساختمان‌های بلند ، جاده‌ها ، پل‌ها و بسیاری از محصولات را تعیین می‌کند. بنابراین تشخیص و آزمایش مواد قبل از قرار گرفتن در بازار بسیار مهم می‌شود. نه تنها شرکت‌ها ، بلکه کاربران در صنعت به چگونگی قضاوت در مورد ظرفیت تحمل بار یک میله فولادی و یا چگونگی دانستن عمر سرویس یک دسته از بتن اهمیت می‌دهند. در این شرایط ، دستگاه آزمایش وارد عمل می‌شود. این ماشین‌ها می‌توانند برای شبیه‌سازی استفاده و مصرف مواد به منظور محاسبه شاخص‌های عملکرد مواد با توجه به استانداردهای ملی مورد استفاده قرار گیرند تا مشخص شود که آیا دسته‌ای از مواد را می‌توان برای پردازش و تولید بیشتر به بازار فرستاد یا خیر. 

Abstract

The testing information refers to the data obtained by the quality inspection center after testing steel, cement and other materials through testing machines and other instruments. The quality inspection center issues a report according to the testing result, which serves as the basis for the batch of materials to be put into the market. At present, the information level of testing-machine information management is relatively low, and there is no safe and effective management mechanism. In order to solve this problem, this paper proposes TIMS, a secure testing-machine information management system, which adopts the separation-ofthree-rights management mode and a secure identity-binding interface to improve the management efficiency as well as ensure the security of data and workflow. At the same time, we combine the watermark QR code technology aiming at report anticounterfeiting. We implement the prototype of TIMS, which realizes the above functions and provides a user-friendly interface for management and statistics.

1. Main text

The constitution and establishment of modern city cannot be separated from steel, cement, concrete and other basic building materials, whose quality determines the use and safety performance of high-rise buildings, roads, bridges and many products. Therefore, the detection and test of materials becomes very crucial before it is put into the market. Not only the enterprises, but also users in the industry care about how to judge the load-bearing capacity of a steel bar, or how to know the service life of a batch of concrete. Under this circumstance, the testing machine came into being. Those machines can be used to simulate the use and consumption of materials in order to calculate the performance indicators of materials according to the national standards, so as to determine whether a batch of materials can be sent to the market for further processing and production.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

TIMS: یک سیستم ایمن مدیریت اطلاعات ماشین آزمایش

TIMS: A Secure Testing-Machine Information Management System