ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > استخدام المحاكاة للمقارنة بين...>الوصف

استخدام المحاكاة للمقارنة بين الذكاء الاصطناعي وتحليل الانحدار المتعدد للعينات الصغيرة والكبيرة

العنوان بلغة أخرى: Using Simulation to Compare Artificial Intelligence and Multiple Regression Analysis of Small and Large Samples
المصدر: مجلة الدراسات التجارية المعاصرة
الناشر: جامعة كفر الشيخ - كلية التجارة
المؤلف الرئيسي: حجاج، عبدالوهاب السيد عبدالوهاب (مؤلف)
مؤلفين آخرين: العجمي، محمد عبدالسلام (م. مشارك)
المجلد/العدد: ع13
محكمة: نعم
الدولة: مصر
التاريخ الميلادي: 2022
الشهر: يناير
الصفحات: 187 - 218
DOI: 10.21608/csj.2022.238060
ISSN: 2356-9255
رقم MD: 1294812
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: EcoLink
مواضيع:
التحكم الآلي | التكنولوجيا الحديثة | النظم الخبيرة | الخلايا العصبية
كلمات المؤلف المفتاحية:
الذكاء الاصطناعي | الشبكات العصبية | بنية الشبكة العصبية | تدريب واختيار الشبكة العصبية | نماذج الانحدار الخطي | حزم برامج ماتلاب | Artificial Inelegant | Neural Network | Neural Network Architecture | Neural Network Training and Testing | Linear Regression Models | Matlab Package
رابط المحتوى:
PDF (صورة)     
صورة الغلاف QR قانون

عدد مرات التحميل

26

حفظ في:
المستخلص: هذا البحث يتضمن هدفين، الأول تقديم طريقة للتنبؤ بأحجام عينات صغيرة وأخرى كبيرة مولدة من نماذج انحدار متعدد. والهدف الثاني مقارنة الطريقة المقترحة بالطريقة التقليدية للتنبؤ من خلال دراسة محاكاة. ولإنجاز هذين الهدفين فقد تم توليد ١٦٠٠٠ عينة -بأحجام صغيرة (١٥، ٢٥، ٥٠) وكبيرة (300، 200، 100) من نماذج انحدار متعدد مختلفة واستخدامها لتدريب الشبكة واختبارها. وتم استخدام ثلاثة معايير لقياس دقة تنبؤات الطريقيتن. المعيار الأول متوسط مربعات الأخطاء (MSE)، والثاني متوسط الانحرافات المطلقة (MAD)، والمعيار الثالث، نسبة اقتراب تنبؤات كل طريقة من القيم الحقيقية (MAEP). كما تم استخدام برنامج مصمم ببرنامج ماتلاب MATLAB مناسب لإنجاز توليد عينات البيانات وتدريب واختبار الشبكة العصبية بالطريقة المقترحة، وكذلك للحصول على التنبؤات بالطريقتين المقترحة والتقليدية، ثم المقارنة بين تنبؤات الطريقتين. (برنامج MATLAB مرفق بملحق البحث) وتكمن المشكلة في أن تنبؤات الطريقة التقليدية في حالة العينات الصغيرة من نماذج انحدار تقليدي تكون غير دقيقة. ونحن بحاجة إلى الحصول على تنبؤات أكثر دقة في مثل هذه الحالات. وقد أظهرت النتائج تفوق ملحوظ للطريقة المقترحة باستخدام الذكاء الاصطناعي، على الطريقة التقليدية وفقا للمعايير الثلاث المستخدمة، خاصة في حالة العينات الصغيرة.

This paper has two objects. First, we present an artificial neural network method for forecasting small samples generated from Multiple Linear Regression models. Second, we compare the proposed method with the traditional method through a simulation study. To achieve these objects 16000 samples, generated from different Multiple Linear Regression models, were used for the network training. Then the system was tested for generated data. The accuracy of the neural network forecasts (NNF) is compared with the corresponding Multiple Linear Regression models by using three tools: the mean square error (MSE), the mean absolute deviation of error (MAD) and the ratio of closeness from the true values (MAEP). A MATLAB code was written, for simulation purposes. The code was used for neural network training, testing and comparing with traditional method. Using the measures mentioned above, the artificial neural network was found deliver better forecasts than the regression traditional technique for forecasting small samples.
ISSN: 2356-9255

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.