ViraScience.
Article

ارائه یک مدل شبکه عصبی مصنوعی در پیش­بینی کیفیت خدمات کتابخانه­های دانشگاهی

زینب محبی، z mohebbi تهران، خیابان ولی عصر (عج)، بالاتر از ونک، خیابان شهید یاسمی، روبروی بیمارستان خاتم النبیاء، پلاک 6، دانشکده مدیریت و اطلاع رسانی پزشکی- گروه کتابداری و اطلاع رسانی شهرام صدقی، sh sedghi تهران، خیابان ولی عصر (عج)، بالاتر از ونک، خیابان شهید یاسمی، روبروی بیمارستان خاتم النبیاء، پلاک 6، دانشکده مدیریت و اطلاع رسانی پزشکی- گروه کتابداری و اطلاع رسانی مسعود رودباری، m roudbari یزد، دانشگاه یزد، دانشکده فنی مهندسی، گروه استخراج معدن جواد غلام نژاد، j gholamnejad تهران، خیابان ولی عصر (عج)، بالاتر از ونک، خیابان شهید یاسمی، روبروی بیمارستان خاتم النبیاء، پلاک 6، دانشکده مدیریت و اطلاع رسانی پزشکی- گروه آمار

Abstract

مقدمه : کتابخانه­ها و مراکز اطلاع­رسانی معمولاً با استفاده از ابزار لیب­کوآل به بررسی کیفیت خدمات می‏پردازند. در تجزیه و تحلیل لیب­کوآل می­توان از شبکه عصبی مصنوعی استفاده نمودکه با درجه خطای پایین به بررسی سطح خدمات می­پردازد. پژوهش حاضر در پی آن است که به معرفی شبکه عصبی مصنوعی بپردازد تا در پیش بینی کیفیت خدمات سایر کتابخانه های دانشگاهی مثمر ثمر واقع شود. روش کار: این پژوهش با استفاده از روش پیمایشی و از نوع کاربردی مقطعی می­باشد . جامعه پژوهش شامل کلیه دانشجویان دانشگاه علوم پزشکی شیراز است. ابزار گرد­آوری داده­ها پرسشنامه لیب ­ کوآل می­باشد. به منظور تجزیه و تحلیل داده ­ ها و ارائه شبکه عصبی مناسب از نرم­افزار matlab استفاده شده است. همچنین جهت دستیابی به مناسب ­ ترین شبکه عصبی مصنوعی که قادر به پیش ­ بینی کیفیت خدمات با کمترین خطا و بیشترین میزان تطابق باشد الگوریتمی در نرم افزار matlab نوشته شد که به صورت خودکار با گرفتن داده­های ورودی و داده ­ های هدف به محاسبه چنین شبکه­ای بپردازد. یافته­ها: به ازای پنج دسته داده ورودی و اجرای الگوریتم نوشته شده، پنج شبکه عصبی مصنوعی ایجاد گردید که به ترتیب دارای ضریب تعیین 77059/0، 68280/0، 81089/0، 79161/0 و 83273/0 می­باشد. نتیجه­گیری: با مقایسه شبکه­های عصبی مصنوعی مشخص گردید شبکه عصبی مصنوعی که دارای 20 لایه پنهان،80 درصد داده آموزشی، 667/16 درصد داده آزمایشی، 3333/3 درصد داده اعتبارسنجی باشد و به­وسیله داده­های پنج ورودی تغذیه شود، مناسب­ترین شبکه در ارزیابی کیفیت خدمات کتابخانه­های دانشگاهی می­باشد.

Similar items

  • اعتباریابی مدل شبکه عصبی برای پیش بینی طول گام حین گیت با استفاده از 3 مارکر متصل به لگن، تنه و سر

    Article2025مطالعات طب ورزشیمصطفی حاج لطفعلیان، محمدجواد رضی، فاطمه زارع بیدکی

    تحلیل حرکتی یکی از ارکان کلیدی تحقیقات آنالیز گیت است که به‌تازگی تحت‌تأثیر پیشرفت‌های سیستم‌های ضبط حرکت و هوش مصنوعی قرار گرفته است. هدف مطالعه‌حاضر، اعتباریابی مدل شبکه عصبی برای پیش‌بینی طول گام با استفاده از سه مارکر متصل به لگن، تنه و سر بود. از 28 مرد جوان حاضر در مطالعه خ

  • مقایسه ی مدل شبکه عصبی مصنوعی و رگرسیون کاکس در پیش بینی بقای بیماران مبتلا به سرطان معده

    Articleکومشاکبر بیگلریان، akbar biglarian ابراهیم حاجی زاده، ebrahim hajizadeh انوشیروان کاظم نژاد، anoshirvan kazemnejad

    سابقه و هدف: یکی از روش های آماری تحلیل داده های بقا، مدل رگرسیونی کاکس است که نیازمند پذیره هایی مانند متناسب بودن مخاطرات است. در چند دهه اخیر به کارگیری مدل شبکه عصبی مصنوعی برای پیش بینی داده های بقا، افزایش یافته است. این مطالعه به منظور پیش بینی بقای بیماران مبتلا به سرطان

  • کاربرد مدل شبکه عصبی مصنوعی در پیش بینی پاسخ های آمیخته بیماری قلبی

    Articleمجله علوم پزشکی رازیمهین عادلی، mahin adeli university of social welfare and rehabilitation sciencesدانشگاه علوم بهزیستی و توان بخشی تهران اکبر بیگلریان، akbar biglarian university of social welfare and rehabilitation sciencesدانشگاه علوم بهزیستی و توان بخشی تهران عنایت اله بخشی، enayatollah bakhshi university of social welfare and rehabilitation sciencesدانشگاه علوم بهزیستی و توان بخشی تهران امیدعلی عادلی

    زمینه و هدف: در مطالعات اپیدمیولوژی و پزشکی، گاهی پژوهشگر با مواردی مواجه می­شود که لازم است دو متغیر پاسخ را به صورت توام (همزمان) از روی تعدادی متغیر کمکی پیش­بینی نماید. زمانی که متغیر پاسخ آمیخته باشد، با توجه به محدودیت­ها و برقرار نبودن برخی پیش فرض­ها، روش­های کلاسیک آماری

  • پیش بینی توام رخداد بلوک قلبی و مرگ در بیماران انفارکتوس میوکارد با مدل شبکه عصبی مصنوعی

    Articleکومشنگین سادات میری یان، negin-sadat mirian dept. of biostatistics and epidemiology, faculty of public health, shahrekord university of medical sciences, shahrekord, iranگروه آمار زیستی و اپیدمیولوژی، دانشکده بهداشت، دانشگاه علوم پزشکی شهرکرد، شهرکرد، ایران مرتضی سدهی، morteza sedehi dept. of biostatistics and epidemiology, faculty of public health, shahrekord university of medical sciences, shahrekord, iranگروه آمار زیستی و اپیدمیولوژی، دانشکده بهداشت، دانشگاه علوم پزشکی شهرکرد، شهرکرد، ایران سلیمان خیری، soleiman kheiri dept. of biostatistics and epidemiology, faculty of public health, shahrekord university of medical sciences, shahrekord, iranگروه آمار زیستی و اپیدمیولوژی، دانشکده بهداشت، دانشگاه علوم پزشکی شهرکرد، شهرکرد، ایران علی احمدی

    هدف: در مطالعات پزشکی، زمانی که بررسی وقوع هم زمان دو پیش آمد هم بسته مورد نظر باشد، از روش های تحلیل دومتغیره مانند رگرسیون لجستیک دومتغیره استفاده می شود. به دلیل محدودیت های روش های کلاسیک در داده های واقعی استفاده از روش های جایگزین مانند شبکه عصبی مصنوعی همواره مورد توجه است

  • کاربرد و مقایسه مدل سری زمانی تجمعی و مدل شبکه عصبی مصنوعی در پیش بینی تغییرات سطح آب زیرزمینی (مطالعه موردی: دشت مروست)

    Article2013علوم و مهندسی آبیاریحسین ملکی نژاد، ربابه پورشرعیانی

    پیش­بینی نوسانات سطح آب زیرزمینی، برای برنامه­ریزی مناسب­تر به­ویژه در مناطق خشک و نیمه خشک امری ضروری است. در این تحقیق برای پیش­بینی نوسانات سطح آب زیرزمینی در دشت مروست از مدل­های سری زمانی و شبکه عصبی استفاده شد. برای مدل­سازی، اطلاعات سطح آب زیرزمینی در طی سال­های 88-1366 اس

  • مقایسه مدل شبکه عصبی مصنوعی و درخت تصمیم برای شناسایی و پیش بینی عوامل مرتبط با دیابت نوع2

    Article2018علوم پیراپزشکی و توانبخشیفرزاد میرزاخانی، آذر کاظمی، مرجان رسولیان کسرینه، سید یوسف جواد موسوی

    هدف: یکی از اهداف تحقیقات پزشکی تعیین عوامل مرتبط در پیش بینی بیماری می باشد. یکی از شایع ترین بیماری های متابولیک در ایران، دیابت میباشد. هدف از این مطالعه شناسایی عوامل موثر در پیش بینی دیابت با استفاده از مدل های شبکه عصبی مصنوعی و درخت تصمیم می باشد. روش بررسی: برای انجام مطا