رشد یک شرکت برای دستیابی به اهداف اقتصادی مهم تلقی می شود. با توجه به اینکه بسیاری از کسب و کارهای کوچک و متوسط به فرایند رشد نمی رسند و در سال های اولیه فعالیت خود شکست می خورند، یک سیستم پیش بینی رشد شرکت ها می تواند از هزینه های هنگفتی که در شروع کسب و کارها، کارآفری چکیده کامل
رشد یک شرکت برای دستیابی به اهداف اقتصادی مهم تلقی می شود. با توجه به اینکه بسیاری از کسب و کارهای کوچک و متوسط به فرایند رشد نمی رسند و در سال های اولیه فعالیت خود شکست می خورند، یک سیستم پیش بینی رشد شرکت ها می تواند از هزینه های هنگفتی که در شروع کسب و کارها، کارآفرینان و شرکت ها پرداخت می کنند، جلوگیری نماید. بر همین اساس هدف این تحقیق، پیش بینی رشد شرکت های کوچک و متوسط با ترکیب شبکه عصبی و الگوریتم های فراابتکاری بوده است. هدف این تحقیق کاربردی و بر اساس روش انجام کار توصیفی- مدل سازی بوده است. جامعه آماری این تحقیق کلیه شرکت های کوچک و متوسط استان زنجان بوده است. حجم نمونه آماری با توجه به رشد شرکت ها، 158 شرکت تعیین شده است. به منظور جمع آوری داده ها در این تحقیق از مصاحبه، پرسشنامه و اسناد و مدارک شرکت ها استفاده شده است. روایی و پایایی پرسشنامه به ترتیب به صورت روایی صوری و پایایی آن با استفاده از ضریب آلفای کرونباخ مورد بررسی و تأیید قرار گرفته است. به منظور تجزیه و تحلیل داده های تحقیق از روش های تحلیل عاملی تأییدی، شبکه عصبی پرسپترون چند لایه، شبکه عصبی ترکیب شده با الگوریتم ژنتیک و شبکه عصبی ترکیب شده با الگوریتم ازدحام ذرات استفاده شده است. نتایج نشان می دهد که هر سه روش قادر به پیش بینی رشد شرکت بوده و در بین این سه روش بهترین روش پیش بینی رشد شرکت، شبکه عصبی ترکیب شده با الگوریتم ازدحام ذرات با کمترین مقدار خطا نسبت به دو روش دیگر می باشد.
پرونده مقاله
مدلهای تحلیل پوششی دادهای شبکهای و مدلهای تحلیل پوششی دادهای شبکهای پویا نمیتوانند کارایی آینده ساختار داخلی واحدهای تصمیمگیرنده را در آینده ارزیابی نمایند. به عبارت دیگر همه مدلهای شبکهای و شبکهای پویا عملکرد گذشته واحدها و ساختار درونی آنها را ارزیابی کرده چکیده کامل
مدلهای تحلیل پوششی دادهای شبکهای و مدلهای تحلیل پوششی دادهای شبکهای پویا نمیتوانند کارایی آینده ساختار داخلی واحدهای تصمیمگیرنده را در آینده ارزیابی نمایند. به عبارت دیگر همه مدلهای شبکهای و شبکهای پویا عملکرد گذشته واحدها و ساختار درونی آنها را ارزیابی کرده و کارایی و ناکارایی آنها را سنجش میکنند و در نهایت بر اساس آن ارزیابی، رتبهبندی مینمایند. در این مقاله برآنیم که کارایی بخشهای جمعآوری سپرده و وامدهی در شعب بانک را در آیندهارزیابی کنیم. تا بتوانیم ناکارایی در ساختار درونی یک واحد را قبل از وقوع مطلع شده و از آن جلوگیری نماییم. این رویکرد میتواند نقش مدیران را از ناظر و ارزیاب به برنامهریز تغییر دهد. ابتدا با استفاده از ادبیات موضوع و نظر خبرگان ساختار درونی شعب بانک و متغیرهای شبکه در آن مشخص شد. سپس مقادیر متغیرها با استفاده از شبکه عصبی مصنوعی برای دو دوره آتی پیشبینیشده است. و در نهایت یک مدل شبکهای پویا با استفاده از مقادیر دورههای گذشته و مقادیر پیشبینیشده فرموله شده و با استفاده از آن کارایی شعب و ساختار داخلی آن در گذشته، حال و آینده ارزیابی شده است.
پرونده مقاله