مقاله کنفرانسی سال ۱۴۰۲ فارسی

طراحی مدل پیشبینی و اندازه گیری ظرفیت نوآوری باز در صنعت بانکداری ایران با رویکرد استنتاج فازی عصبی-تطبیقی (ANFIS)

چکیده مقاله

در عصر حاضر، هر سازمانی برای پاسخ به تغییرات پرشتاب تکنولوژی و محیطی، جهت ارائه بهتر خدمات و سیستمهای اطلاعرسانی به مشتریان، بایستی مسیر فعالیتهای خود را به سمت نوآوری وخلاقیت تغییر دهند تا بتوان به حیات کاری خود ادامه دهند و در این فضای شدید رقابتی باقی بماند فرهادی چشمه مرواری، ۱۳۹۴ درحال حاضر در صنعت بانکداری بعنوان یکی از بازیگران اصلی خدمات مالی و نقش آفرین حیاتی در اقتصاد، دیگر نوآوری بسته پاسخ گوی نیاز نبوده است و از این رو این صنعت برای کسب مزیت رقابتی، تصمیم به ادغام دانش و توانمندی داخلی و خارجی سازمان کرده و به سمت نوآوری باز حرکت کرده است به همین دلیل ارزیابی ظرفیت نوآوری باز برای بانکها و موسسات مالی و اعتباری حائز اهمیت بوده، تصمیم در خصوص انتقال یا گسترش فناوری این صنعت تابع میزان ظرفیت نوآوری باز خواهد بود در پژوهش حاضر، طراحی مدل ارزیابی ظرفیت نوآوری باز در صنعت بانکداری بارویکرد استنتاج فازی عصبی تطبیقی ارائه گردیده است جامعه تحقیق و نمونه آماری جهت اجرا و تست مدل، اساتید وخبرگان بانکی بالاخص واحد تحقیق و نوآوری بانکها و موسسات مالی و اعتباری میباشند که در نهایت تعداد ۸۲۵ عدد نمونه مورد استفاده قرار گرفت که بر اساس روش اندازهگیری تعداد حجم نمونه کوکران ۱۶۵ نفر میباشد پس از جمع آوری داده ها از طریق پرسشنامه، داده ها از طریق سیستم شبکه عصبی، ۷۰ درصد آنان آموزش و ۳۰ درصد آن برای ارزیابی صحیح عملکرد سیستم تست خواهند شد که برای ارزیابی عملکرد مدل، از پارامتر مجذور میانگین مربعات خطا RMSE استفاده خواهد شد که میزان خطای آموزش پس از ۱۰۰۰ تکرار معادل ۰,۶۱۲۷۵ بدست آمده و معیارهای مورد استفاده برای رویکرد طبقهبندی پیشنهادی از پارامترهای دقت، حساسیت، تشخیصپذیری و صحت محاسبه گردید که به ترتیب ترتیب ۷۳,۲۵ درصد، ۵۱,۱۲ درصد، ۶۸,۳۷ درصد و ۷۴,۶۷ درصد بدست آمده که نشانگر دقت و قابلیت اعتماد در پیشبینی خروجی مدل است این پژوهش با توجه به هدف، از نوع کاربردی توسعهای است و با توجه به روش جمع آوری داده ها از نوع توصیفی پیمایشی خواهد بود خروجی این پژوهش، یک سیستم استنتاج فازی عصبی هوشمند ANFIS است

کلیدواژه‌ها

نویسندگان

شیوه ارجاع

موسوی، سیدفرید و دوستی بیدختی، مرجان و یوسفی زنوز، رضا و گازری نیشابوری، آرزو،1402،طراحی مدل پیشبینی و اندازه گیری ظرفیت نوآوری باز در صنعت بانکداری ایران با رویکرد استنتاج فازی عصبی-تطبیقی (ANFIS)،نهمین کنفرانس بین المللی مهندسی صنایع و سیستم­ ها،مشهد

ارائه‌شده در

پوستر مجموعه مقالات نهمین کنفرانس بین المللی مهندسی صنایع و سیستم­ ها مجموعه مقالات نهمین کنفرانس بین المللی مهندسی صنایع و سیستم­ ها21 شهریور 1402 · مشهد
ادامه مسیر پژوهش

مقالات مرتبط

مقاله کنفرانسی سال ۱۴۰۲ ۱,۵۵۹ مشاهده

پیش بینی بیماری دیابت با رویکرد یادگیری ماشین

یکی از بیماری های مزمن دیابت است، دیابت یک دسته اختلال متابولیک است که به دلیل ادامه سطوح بالای قند خون…

یادگیری ماشینبیماری دیابتداده کاوی
مقاله کنفرانسی سال ۱۴۰۲ ۱,۰۱۱ مشاهده

ارزیابی عملکرد شرکتهای توزیع برق ایران با بهره گیری از رویکرد تحلیل پوششی داده های مبتنی بر متغیرهای کمکی

بدون شک هر سازمانی به منظور استفاده بهینه از منابع محدود خود و اثربخشی بیشتر، نیازمند ارزیابی و سنجش عمل…

ارزیابی عملکرداندازه گیری کاراییشرکتهای توزیع برق.
مقاله کنفرانسی سال ۱۴۰۲ ۹۶۸ مشاهده

زمانبندی و مدیریت پروژه با استفاده از روشها و الگوریتمهای داده کاوی

هر چه پیشبینی زمان پروژه دقیقتر باشد، مدیران پروژه میتوانند برنامه ریزیهای مناسبتری برای تخصیص منابع، ای…

برنامه زمانبندی پروژهمدیریت پروژهشبکه عصبی مصنوعی
مقاله کنفرانسی سال ۱۴۰۲ ۹۱۲ مشاهده

یک مدل زنجیره تامین واکسن کووید-۱۹ با در نظر گرفتن اولویت بندی افراد و سیاستهای دولت

مدیریت مناسب مکان و توزیع واکسیناسیون تصمیمگیرندگان را در طول همه گیری کووید ۱۹ نگران کرده است کنترل و ح…

زنجیره تامین واکسنهمهگیری کووید-۱۹اولویت دریافت واکسن
مقاله کنفرانسی سال ۱۴۰۲ ۸۷۷ مشاهده

کاربرد قانون بنفورد در تحلیل بازارهای مالی: شواهد تجربی از بازار بورس تهران

قانون بنفورد به بررسی توزیع فرکانس ارقام اصلی در مجموعه داده های عددی میپردازد بر اساس این قانون، در یک…

قانون بنفوردبازده سهامشاخص هموزن
مقاله کنفرانسی سال ۱۴۰۲ ۸۶۵ مشاهده

رویکردی جدید برای تصمیم گیری گروهی بر اساس روش بهترین-بدترین ساده شده

مهمترین ویژگی مسائل پیشروی سازمانها، پیچیدگی و چند بعدی بودن آنهاست رویکرد تصمیم گیری چند معیاره MCDM با…

تصمیم گیری گروهیتصمیم گیری چند معیاره MCDMروش بهترین بدترین ساده شده S BWM