طراحی و شبیه سازی یک مدل هوشمند جهت توسعه گردشگری الکترونیک با استفاده از شبکه عصبی

پایان نامه
چکیده

در دنیای امروزی فناوری اطلاعات و ارتباطات بصورت انکار ناپذیری صنعت گردشگری را تحت تاثیر قرار داده است و باعث شده پدیده هایی مثل گردشگری الکترونیک تحقق پیدا کند. در این پژوهش ابتدا یک مدل هوشمند توصیه گر مبتنی بر شبکه عصبی جهت توسعه گردشگری الکترونیک ارائه شده است، سپس با استفاده از داده های نمونه ای که بر اساس مدل از طریق شرکتها و آژانسهای گردشگری شهر اصفهان جمع آوری شده است عملیات داده کاوی از نوع کلاس بندی مبتنی بر شبکه عصبی طراحی می شود .کلاس بندی یکی از متداولترین فعالیتها در حوزه های مرتبط با تصمیم گیری هوشمند است و شبکه های عصبی راه حلی مناسب برای حل مسائل داده کاوی بویژه کلاس بندی می باشد. بطور معمول، برای حل مسائل کلاس بندی که خروجی مطلوب از آنها موجود است، نوع آموزش شبکه عصبی از نوع با ناظر انتخاب می شود.در این پژوهش یک مطالعه مقایسه ای در رابطه با کلاس بندی داده های گردشگری الکترونیک با استفاده از دو روش یادگیری با ناظر و بدون ناظر انجام گرفت که مقدار خروجی مطلوب برای همه داده های ورودی مشخص بود.این خروجی شامل چند بسته تور مسافرتی مناسب گردشگران است که بر اساس مقادیر ورودی به آنها پیشنهاد می شود. نتیجه نشان داد که علیرغم داشتن مقادیرخروجی هدف، خروجی شبکه عصبی با روش یادگیری بدون ناظر و معماری som درصد پیش بینی دقیق تری را نسبت به روش یادگیری با ناظر داردوبسته های پیشنهادی شبکه با روش یادگیری بدون ناظر ،منطبق تر با انتخاب گردشگران میباشد.جهت ارزیابی نهایی نتایج، نمونه داده های تست، در اختیار کارشناسان خبره تور قرار گرفت ودقت پیش بینی آنها نیز بسیار نزدیک به نتایج بدست آمده از روش یادگیری بدون ناظر بود.در پایان نیز مقایسه ای روی نتایج استفاده از دو متد مذکور ارائه شده است.

منابع مشابه

شبیه سازی و پیش‌بینی جریان رودخانه‌ها با استفاده از شبکه عصبی و مدل فوریه

  مقاله حاضر به بررسی نحوه عملکرد شبکه‌های عصبی MLP در ارتباط با خروجی مدل فوریه، FSAM، می‌پردازد. مدل FSAM که مدل شبیه ساز بارش است، تحلیل مدل‌های کلاسیک را در قلمرو فرکانس، که توسعه نظریه طیفی فرآیندهای متداول نظیر طیف الگوهای ARIMA را در درون خود دارد، ارائه می‌دهد. کاربرد همزمان شبکه‌های عصبی MLP و مدلFSAM، امکان پیش بینی جریان ماه (i) ام را در ارتباط با پیش بینی بارش همان ماه، میسر می‌سازد...

متن کامل

شبیه سازی و پیش بینی جریان رودخانه ها با استفاده از شبکه عصبی و مدل فوریه

مقاله حاضر به بررسی نحوه عملکرد شبکه های عصبی mlp در ارتباط با خروجی مدل فوریه، fsam، می پردازد. مدل fsam که مدل شبیه ساز بارش است، تحلیل مدل های کلاسیک را در قلمرو فرکانس، که توسعه نظریه طیفی فرآیندهای متداول نظیر طیف الگوهای arima را در درون خود دارد، ارائه می دهد. کاربرد همزمان شبکه های عصبی mlp و مدلfsam، امکان پیش بینی جریان ماه (i) ام را در ارتباط با پیش بینی بارش همان ماه، میسر می سازد. ...

متن کامل

طراحی مدل توسعه هوشمند

یکی از چالش‌های فراروی نظام‌های سیاسی اجرای توسعة ملی است. مدل‌های مختلفی برای ایجاد توسعة ملی پیشنهاد شده است. برخی کشورها بر مدل‌های غیربومی وارداتی تکیه می‌کنند، ولی برخی دیگر بر مدل‌های بومی خود متکی‌اند. هدف این پژوهش طراحی مدل توسعة هوشمند در بستر ملی ایران است. بدین منظور روش نظریه‌پردازی منتخب که مراحل بسط مفهومی و تجربی نظریه را دارد، به‌کار گرفته شده است. در این پژوهش مدل توسعة هوشمند...

متن کامل

شبیه سازی و طبقه بندی وقایع کیفیت توان با استفاده از شبکه عصبی

امروزه استفاده ی روز افزون از تجهیزات الکترونیکی و بارهای غیر خطی در سیستم قدرت، مسئله کیفیت توان را به یک موضوع مهم تبدیل کرده است. در این مقاله برای شبیه سازی وقایع کیفیت توان به طور همزمان از دو روش مدل سازی ریاضی و داده های حاصل از شبیه سازی با نرم افزار Pscad استفاده شده است. با توجه به عملکرد بسیار خوب شبکه های عصبی در کارهای تشخیص الگو و طبقه بندی، شبکه عصبی چند لایه برای طبقه بندی وقایع...

متن کامل

طراحی و شبیه سازی یک الگوریتم مسیریابی در شبکه های سیّار اقتضایی مبتنی بر شبکه های عصبی مصنوعی

چکیده یکی از انواع شبکههای بی سیم که در سالهای اخیر بسیار مورد توجه قرار گرفته اند، شبکههای اقتضایی سیّار است که از تعدادی گره متحرک تشکیل شده است. متغیّر بودن موقعیت نسبی گرههای تشکیل دهنده، نیاز به الگوریتم مسیریابی چابکی دارد که بتواند تحّرک گرهها را مدیریت نموده و بستههای انتقال یافته را به طرز صحیحی به مقصد برساند به طوری که هیچ یک از دو طرف ارتباط از وجود تحّرک در گرههای شبکه مطلع نشوند. ای...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه شیراز - مرکز آموزش الکترونیکی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023