ارسل ملاحظاتك

ارسل ملاحظاتك لنا







يجب تسجيل الدخول أولا

Smart Forecast of Algeria’s Unemployment Rates during 1991-2020

العنوان بلغة أخرى: تنبؤ ذكي لمعدلات البطالة في الجزائر خلال الفترة الزمنية من 1991 إلى 2020
المصدر: مجلة الدراسات المالية والمحاسبية والإدارية
الناشر: جامعة العربي بن مهيدي أم البواقي - مخبر المالية، المحاسبة، الجباية والتأمين
المؤلف الرئيسي: Benayad, Wafaa (Author)
مؤلفين آخرين: Halimi, Wahiba (Co-Author)
المجلد/العدد: مج9, ع2
محكمة: نعم
الدولة: الجزائر
التاريخ الميلادي: 2022
الشهر: ديسمبر
الصفحات: 147 - 167
DOI: 10.35392/1772-009-002-028
ISSN: 2352-9962
رقم MD: 1380200
نوع المحتوى: بحوث ومقالات
اللغة: الإنجليزية
قواعد المعلومات: EcoLink
مواضيع:
كلمات المؤلف المفتاحية:
معدل البطالة في الجزائر | نموذج (NNAR) | خوارزمية الانتشار العكسي | التنظيم البايزي | خوارزمية التدريب المتدرج | Algeria Unemployment Rate | (NNAR) Model | Back-Propagation Algorithm | Bayesian Regulation | Gradual Training Algorithm
رابط المحتوى:
صورة الغلاف QR قانون

عدد مرات التحميل

4

حفظ في:
LEADER 03797nam a22002537a 4500
001 2131469
024 |3 10.35392/1772-009-002-028 
041 |a eng 
044 |b الجزائر 
100 |9 680206  |a Benayad, Wafaa  |e Author 
245 |a Smart Forecast of Algeria’s Unemployment Rates during 1991-2020 
246 |a تنبؤ ذكي لمعدلات البطالة في الجزائر خلال الفترة الزمنية من 1991 إلى 2020 
260 |b جامعة العربي بن مهيدي أم البواقي - مخبر المالية، المحاسبة، الجباية والتأمين  |c 2022  |g ديسمبر 
300 |a 147 - 167 
336 |a بحوث ومقالات  |b Article 
520 |a هدفت هذه الدراسة لتطبيق أسلوب رياضي من بين أساليب الذكاء الاصطناعي وتمثل في نموذج الشبكات العصبية الاصطناعية اللاخطية ذات الانحدار الذاتي (NNAR) للتنبؤ بمعدلات البطالة الشهرية في الجزائر خلال الفترة الممتدة من شهر ديسمبر عام 1991 إلى غاية شهر ديسمبر عام 2020، مع استخدام مختلف خوارزميات المطبقة في عملية التدريب، من خلال المقارنة بين نتائج الشبكات العصبية المقترحة تبين أن نموذج الشبكة العصبية ذو البنية NAR-LM (4-1-20-1)، والذي يعتمد على خوارزمية الانتشار الخلفي له أداء أفضل من نموذج الشبكة العصبية ذات تنظيم بايزي وخوارزمية التدريب المتدرج، حيث بلغ خطأ التنبؤ قيمة 6-10*3,56، وتبين كذلك أن السلسلة الناتجة عن الشبكة العصبية NAR-LM (4-1-20-1) والشبكة العصبية NAR-BR (4-1-20-1) تحاكيان السلسلة الأصلية بشكل جيد مقارنة بالشبكة العصبية NAR-SCG (2-1-10-1).  |b The current study has aimed to apply a mathematical approach of artificial intelligence, which is represented by Non-Linear Autoregressive Artificial Neural Network Model (NNAR) to forecast Algeria’s monthly unemployment rates during Dec 1991-Dec 2020, using various algorithms in the training process. By comparing the results of proposed neural networks, it has been shown that the neural network model: NAR-LM of (4-1-20-1), which based on the Back-Propagation Algorithm, has better performance than the Bayesian Regulation Neural Network model and Gradual Training Algorithm as well, where forecast error has reached a value of 3, 56*10-6. Also, the generated series by neural networks: NAR-LM (4.1.20.1) and NAR-BR (4.1.20.1) emulate well the original series compared to NAR-SCG (2.1.10.1). 
653 |a الذكاء الاصطناعي  |a الشبكات العصبية الاصطناعية  |a ظاهرة البطالة  |a المتغيرات الاقتصادية  |a الجزائر 
692 |a معدل البطالة في الجزائر  |a نموذج (NNAR)  |a خوارزمية الانتشار العكسي  |a التنظيم البايزي  |a خوارزمية التدريب المتدرج  |b Algeria Unemployment Rate  |b (NNAR) Model  |b Back-Propagation Algorithm  |b Bayesian Regulation  |b Gradual Training Algorithm 
700 |9 457672  |a Halimi, Wahiba  |e Co-Author 
773 |4 إدارة الأعمال  |4 الإدارة  |6 Business  |6 Management  |c 028  |e Journal of Financial, Accounting and Managerial Studies  |f Mağallaẗ al-dirāsāt al-māliyaẗ al-muḥāsabiyaẗ wa al-idāriyaẗ  |l 002  |m مج9, ع2  |o 1772  |s مجلة الدراسات المالية والمحاسبية والإدارية  |v 009  |x 2352-9962 
856 |u 1772-009-002-028.pdf 
930 |d y  |p y  |q n 
995 |a EcoLink 
999 |c 1380200  |d 1380200