دانلود متن کامل پایان نامه ارشد



جستجو


 



روان شناسان اعتماد را پدیده ای فردی می دانند .جامعه شناسان ساختار اجتماعی می دانند در منابع روان شناسی اعتماد به عنوان درک درباره ی علایق دیگران و خواسته ی مرتبط با آنها به گونه که برای افراد قابل درک باشد تعریف شده است
دانلود پایان نامه - مقاله - پروژه

 

 

 

قصد استفاده

 

بیانگر شدت نیت یا اراده ی فردی برای انجام رفتار هدف (در این تحقیق بهره گیری از سیستم مدیریت اطلاعات پروژه)است. رابطه قصد رفتاری با رفتار نشان می دهد، افراد تمایل دارند در رفتارهایی درگیر شوند که قصد انجام آنها را دارند بنابرین رفتار همیشه بعد از قصد رفتاری و متصل به آن است.

 

 

 

متغیر­های میانجی در تحقیقات، عوامل متعددی بوده است. متغیر­های مداخله­گر در تئوری یکپارچه پذیرش و فناوری سن، جنس و تجربیات در نظر گرفته شده است (Venkatesh, Morris, Davis, & Davis, 2003).
جدول 3 5. ارزیابی نقش متغیرهای میانجی در سایر مدل های مختلف پذیرش فناوری

 

 

مدل

 

تجربیات

 

داوطلبانه بودن

 

جنس

 

سن

 

 

 

 

 

تئوری رفتار منطقی

 

در سال 1999 محققین دریافتند که نگرش با افزایش تجربه اهمیت بیشتری یافته و تأثیر هنجارهای ذهنی با افزایش تجربه کمتر می شود.

 

هرچند در تئوری اولیه­ نبود محققین پیشنهاد نمودند که نقش هنجارهای ذهنی زمانی که استفاده از سیستم داوطلبی باشد اهمیت بیشتری می­یابد

 

-

 

-

 

 

 

مدل پذیرش فناوری

 

تجربیات در مدل اولیه جزء متغییرها مطرح نبوده است. لیکن محققین در سال های 1989 و 1996 با انجام تحقیقات دریافته­اند که تأثیر معنادار سهولت استفاده با افزایش تجربه اهمیت بیشتری می­یابد.

 

سازه­ی داوطلبی بودن در مدل اصلی پذیرش فناوری تبیین نشده است. لیکن اثبات شده است که سازه­ی هنجارهای ذهنی صرفاً در صورت اجبار و تجربیات محدود در مدل اثر گذار می­باشد.

 

هرچند در مدل اولیه متغییر جنس مطرح نبوده است. لیکن محققین ثابت نموده اند که در مورد زنان سازه­ی سهولت درک شده در مراحل اولیه استفاده بیش از سودمندی موثر بوده است. و هنجارهای اجتماعی نیز درمورد زنان مهمتر است.

 

-

 

 

 

تئوری رفتاربرنامه ریزی شده

 

متغییر تجربه در مدل اولیه مورد بررسی قرار نگرفته است لیکن تحقیقات بیانگر این مطلب است که متغییر تجربه برماهیت رابطه بین هنجارهای ذهنی و قصد رفتاری تأثیر گذاشته و هرچه سطح تجربه بیشتر باشد تأثیر متغییر هنجارهای ذهنی کمتر می شود.

 

در اصل مدل موجود نمی باشد. لیکن طبق تحقیقات هرچه میزان داوطلبی کمتر باشد تأثیر متغییر هنجارهای ذهنی بیشتر می شود

 

محققین اثبات نمودند که متغییر نگرش در مردان بیش از زنان مشخص است در مراحل اولیه تجربه کردن سیستم دو شاخص هنجارهای ذهنی و کنترل رفتاری درک شده در زنان بیش از مردان بوده است.

 

محققین دریافته اند که نگرش در کارکنان جوانتر تأثیر مشخص تری داشته و کنترل رفتاری درک شده برای کارکنان مسن تر تأثیر مشخص تری دارد. هنجارهای ذهنی در خانم های مسن تر تأثیر مشخص تری دارد.

 

 

 

ترکیب مدل پذیرش فناوری و تئوری رفتار برنامه ریزه شده

 

عامل تجربه در طراحی مدل تأثیرگذار بوده و رابطه سودمندی نگرش را بر کنترل رفتاری درک شده متأثر می سازد.همچنین با افزایش تجربه تأثیر هنجارهای ذهنی کاهش می یابد.

 

-

 

-

 

-

 

 

موضوعات: بدون موضوع  لینک ثابت
[پنجشنبه 1400-07-22] [ 06:55:00 ق.ظ ]




 

معرفی شبکه ­های پرسپترون چند لایه(MLP)

شبکه ­های پرسپترون چند لایه از نوع شبکه ­های عصبی پیش­خور می­باشند که یکی از پرکاربردترین مدل­های شبکه ­های عصبی مصنوعی در تشخیص نوع مدولاسیون­ها هستند. در شبکه ­های پرسپترون چند لایه هر نرون در هر لایه به تمام نرون­های لایه قبل متصل می­باشد. به چنین شبکه­ هایی، شبکه ­های کاملاً مرتبط می­گویند[۴].
جهت اجرای دقیق شبکه پرسپترون چند لایه در محیط برنامه­نویسی، نکات زیر به عنوان اصول کلی اجرا در نظر گرفته می­ شود.
نرمالیزه کردن داده ­ها: وارد کردن داده ­ها به صورت خام باعث کاهش سرعت و دقت شبکه می‌شود؛ ازاین‌رو داده ­های ورودی باید نرمالیزه شوند.
تعداد لایه­ های پنهان: تعداد لایه­ های پنهان تا حد امکان باید کم باشد. ثابت شده است که هر تابع می ­تواند حداکثر با سه لایه پنهان تقریب زده شود. ابتدا شبکه با یک لایه پنهان آموزش داده می­ شود که در صورت عملکرد نامناسب تعداد لایه­ های پنهان آن افزایش خواهد یافت.
تعداد نرون­های لایه پنهان: اندازه یک لایه مخفی عموماً به‌طور تجربی به دست می ­آید. برای یک شبکه عصبی با اندازه مناسب، تعداد نرون­های مخفی با یک نسبت کوچک از تعداد ورودی­ ها انتخاب می­ شود. اگر شبکه MLP به جواب مطلوب همگرا نگردد، تعداد نرون­های لایه مخفی را افزایش می­ دهند؛ اگر شبکه همگرا گردید و از قدرت خوبی نیز برخوردار بود، در صورت امکان تعداد نرون­های مخفی کم­تری را مورد آزمایش قرار می­ دهند.
دانلود پایان نامه - مقاله - پروژه
توابع محرک: نرون­ها می‌توانند از توابع محرک متفاوتی جهت تولید استفاده کنند. از رایج­ترین آن‌ ها می­توان به توابع لگاریتم سیگموئیدی، تانژانت سیگموئیدی، و تابع محرک خطی اشاره کرد.
تعداد تراز یا سیکل[۲۰]: زمانی که پارامترهای شبکه پس از یک دوره کامل ارائه الگوها به دست آمدند، در اصطلاح به این تکرار اپوک یا یک سیکل می­گویند. تعداد تکرارهای شبکه، برابر تعداد داده ­های یادگیری می­باشد[۴].

 

 
شکل ۳-۴- توابع محرک رایج در شبکه عصبی پرسپترون چند لایه(MLP)

 

روش­های آموزش در شبکه ­های پرسپترون چند لایه

جهت آموزش شبکه ­های عصبی، چهار الگوریتم آموزشی مرسوم وجود دارد که بر اساس ساختار معروف پرسپترون چند لایه می­باشند. این روش­ها عبارت‌اند از: پس انتشار خطای بیش­ترین شیب (پس انتشار خطای استاندارد)، گرادیان مزدوج، شبه نیوتن، مارکوارت-لونبرگ و پس انتشار ارتجاعی. الگوریتم مارکوارت-لونبرگ از سال ۱۹۹۳ تا به امروز به عنوان سریع­ترین روش آموزش شبکه ­های عصبی شناخته شده است.]۱[

شبکه عصبی شعاع­مبنا

شبکه ­های با تابع شعاعی به‌طور گسترده­ای برای تخمین غیر پارامتریک توابع چند بعدی از طریق مجموعه‌ای محدود از اطلاعات آموزشی به کار می­روند. شبکه ­های شعاعی به‌واسطه آموزش سریع و فراگیر، بسیار جالب و مفید هستند و موردتوجه خاصی قرار گرفته‌اند[۱۳]. در سال ۱۹۹۰ میلادی ژیروسی، پوگی و هم‌چنین هارتمن و کپلر اثبات کردند که شبکه ­های با تابع مدار شعاعی تقریب سازهای بسیار قدرتمند هستند، به‌طوری‌که با داشتن تعداد نرون­های کافی در لایه مخفی، قادر به‌تقریب سازی هر تابع پیوسته با هر درجه دقت می­باشد. نکته بسیار جالب آن است که این شبکه­ ها تنها با داشتن یک لایه مخفی، دارای چنین خاصیتی هستند. شبکه ­های با تابع مدار شعاعی از تکنیک­های آماری طبقه ­بندی الگوها بیش­ترین الهام را گرفته­اند که اساساً به عنوان گونه ­ای از شبکه ­های عصبی، حیاتی نو یافته‌اند؛ مزیت عمده آن‌ ها طبقه ­بندی الگوهایی است که دارای فضای غیرخطی هستند. .با قرار دادن این شبکه برای طبقه ­بندی اصلی شبکه ­های عصبی، این تکنیک‌ها گرچه تعدادشان اندک است، به فراوانی به کار گرفته‌شده‌اند.

ساختار شبکه عصبی شعاع­مبنا

معماری اصلی RBF متشکل از یک شبکه سه لایه مانند ۳-۵ می‌باشد. لایه ورودی فقط یک لایه ورودی است و در آن هیچ پردازشی صورت نمی‌گیرد. لایه دوم یا لایه پنهان، یک انطباق غیرخطی بین فضای ورودی و یک فضای با بعد بزرگ‌تر برقرار می‌کند و نقش مهمی در تبادل الگوهای غیرخطی به الگوهای تفکیک­پذیر خطی دارد. سرانجام لایه سوم، جمع وزنی را به همراه یک خروجی خطی تولید می­ کند. درصورتی‌که از RBF برای تقریب تابع استفاده شود، چنین خروجی‌ مفید خواهد بود، ولی درصورتی‌که نیاز باشد طبقه ­بندی الگوها انجام شود، آنگاه یک محدودکننده سخت یا یک تابع سیگموئید را می‌توان بر روی عصب‌های خروجی قرار داد تا مقادیر خروجی صفر یا یک تولید شوند.

 

 
شکل۳-۵- لایه پنهان(اوزان مرتبط با مرکز خوشه، تابع خروجی معمولاً گوسین)

همان‌طور که از توضیحات بالا مشخص می­ شود، خصوصیت منحصربه‌فرد این شبکه پردازشی است که در لایه پنهان انجام می­گیرد. تابع لایه پنهان دارای رابطه است:

 

(۳-۱۱)  

این رابطه نشان می­دهد که برای تقریب f از p تابع شعاعی که دارای مراکز ثقل می‌باشد، استفاده می‌شود. نماد تابع فاصله در فضای می‌باشد که معمولاً فاصله اقلیدسی انتخاب می‌شود. ازآنجایی‌که منحنی نمایش تابع‌های مدار شعاعی به صورت شعاعی متقارن است، نرون­های لایه مخفی به نرون­های تابع شعاعی معروف هستند.
تابع معروف در شبکه ­های شعاعی همان تابع گوسی یا نمایی به فرم رابطه می­باشد:

موضوعات: بدون موضوع  لینک ثابت
 [ 06:55:00 ق.ظ ]




۳-۲) جدول درصد آلفای کرونباخ

 

متغیر شماره سوالات درصد
رهبری خدمتگزار ۲۸-۱ ۹۳۰/۰
اعتماد سازمانی ۳۸-۲۹ ۸۳۱/۰
توانمند سازی ۳۹-۵۰ ۸۹۰/۰

با توجه به جدول فوق مشاهده می شود که تمامی متغیر ها دارای ضریب پایایی بالاتر از ۷/۰ می باشند ولذا می توان گفت که متغیرها دارای پایایی مورد قبول می باشند.
۳-۷) روش تجزیه و تحلیل داده ها
روش مورد استفاده جهت تجزیه وتحلیل داده ها در این تحقیق استفاده از شیوه های کمی می باشد.استفاده از روش های آماری به دو شکل توصیفی واستنباطی انجام می گیرد .به یک مجموعه از مفاهیم وروشهای بکار گرفته شده جهت سازمان دادن ،خلاصه کردن،تهیه جدول،رسم نمودار وتوصیف داده های جمع آوری شده آمار توصیفی گفته می شود.(خاکی،۱۳۸۷) آمار توصیفی برای تبیین وضعیت پدیده یا مساله یا موضوع مورد مطالعه مورد استفاده قرار می گیرد یا درواقع ویژگی های مورد مطالعه به زبان آمار تصویر سازی وتوصیف می گردد. در این تحقیق در مرحله اول تجزیه وتحلیل داده ها با استفاده ازتکنیک های آمارتوصیفی به بیان خواص نمونه مورد مطالعه پرداخته می شود. گام بعدی جهت تجزیه وتحلیل داده ها استفاده ازتکنیک های آمار استنباطی می باشد.در تحلیل های آمار استنباطی همواره نظر بر این است که نتایج حاصل از مطالعه گروه کوچکی به نام نمونه چگونه به گروه بزرگتری به نام جامعه تعمیم داده شود. روش مورد استفاده در این تحقیق جهت آزمون فرضیه ها رگرسیون سلسله مراتبی می باشد. دلیل استفاده از این روش جهت آزمون فرضیه ها وجود متغیر های تعدیل گر با مقیاس های رتبه ای می باشد.
پایان نامه - مقاله - پروژه
فصل چهارم
تجزیه و تحلیل داده ها
۴-۱) مقدمه
این فصل جهت تجزیه و تحلیل داده های جمع آوری شده طراحی گردیده است. در فرایند اجرایی، نخست پرسشنامه هایی که توسط پاسخ گویان تکمیل گردیده اند را جمع آوری کرده و داده های خام مورد نیاز جهت توصیف و آزمون فرضیه ها به کمک رایانه و نرم افزار استخراج می گردند و سپس این داده ها از طریق نرم افزار ۱۹ SPSS تجزیه و تحلیل شده و در دو مرحله به اطلاعات مورد استفاده در این تحقیق، تبدیل می گردند. در مرحله اول که تجزیه و تحلیل توصیفی می باشد، داده های جمع آوری شده به صورت جدول آمارتوصیفی و فراوانی و نمودار دایره ای، میله ای و هیستوگرام ارائه می شود و در مرحله دوم که تجزیه و تحلیل استنباطی می باشد، با بهره گرفتن از آزمون رگرسیون سلسله مراتبی مورد بررسی قرار می گیرند. در نهایت می توان در مورد پذیرش یا عدم پذیرش هر کدام از فرضیه های آماری اظهار نظر نمود.
۴-۲) توصیف متغیر های جمعیت شناختی پاسخ دهندگان
توصیف جنسیت پاسخ دهندگان
جدول۴-۱) توصیف جنسیت پاسخ دهندگان

 

  فراوانی درصد
زن ۴۶ ۷/۳۸
موضوعات: بدون موضوع  لینک ثابت
 [ 06:54:00 ق.ظ ]




 

یا أیُّها الذِئبُ الخَبیـثُ

 

حَتّامَ فی غَنَمی تَعیث

 

 

 

تَأتِـی القَطیـعَ مُعَجِّلاً

 

عِندَ الظَلامَ وَ لا تَریث

 

 

 

کَـم إستغیثَ لِدِرءِ شَرَ

 

کٍ بِالکِلابِ فَلاتَغیث

 

 

 

(الزهاوی، ۱۹۷۲،ج۱: ۲۸۱)
(ای گرگ بد ذات تا کی گوسفندانم را برباد خواهی داد؟! شباهنگام عجولانه در میان گلۀ گوسفندان درمیآیی و مهلت نمیدهی. چارپایان هم در برابر دامهای گرگها از سگ گله کمک میخواهند ولی یارایی نمییابند.)
در این بیت ذئاب استعاره از کارگزارنی است که همچون گرگ مردمان گوسفند صفت را از بین میبرند. زهاوی در بسیاری از اشعار خود استعمارگرانِ غارتگر را به گرگ و مردم ستمدیده را به گوسفند تشبیه کرده است. در اغلب آنها وجه شبه ستمگری و درندهخویی در گرگصفتان و ظلمپذیری و سکوت در مردم بیگناه، بارز است. علاوه بر گرگ، لیل استعاره از نادانی و جهالت مردم، نهار استعاره از آگاهی و کلاب استعاره از حاکمانی است که از مردم حمایت و پاسبانی میکنند. اما بهار علاوه بر استعمارگران کاگزاران دولتی و حتی خود حاکم را به گرگ تشبیه میگند:

 

 

کـی ســزد از ارتـجــاعـی زاده قـانـون پــروری

 

کـی سـزد از گــرگ امیـد شبـانی داشتن

 

 

 

گرگزاده عاقبت گرگ است وبی شک از خریست

 

گـوسفند از گـرگ چشـم مهـربانی داشتن

 

 

 

(بهار،۱۳۵۸،ج۱: ۳۰۸)
گرگ در این بیت استعاره از احمدشاه قاجار است. شاعر علاوه بر شاه، اجداد او را گرگصفت و درندهخو میداند. همچنین در ابیات دیگری چنین میگوید: (همان: ۲۰۷)
خرس صحرا شده همدست نهنگ دریا کشتی ما را رانده است بگرداب بلا
خرس صحرا استعاره از استعمارگران روسی و نهنگ استعاره از انگلیسیهای فرصتطلب است و وجه اشتراک آنها درندهخویی است. همچنین کشتی استعاره از کشور ایران است که در گرداب بلای استعمار گرفتار آمده است. در استعارۀ مکنیه، مشبهبه حذف و فقط یکی از لوازم آن بیان میگردد:
الجَهلُ أوزارؤه بِالشرقِ نازِله الجَهلُ أدواؤه کَالسِّل قاتِله
(الزهاوی، ۱۹۷۲،ج۱ : ۲۴۷)
(جهالت و نادانی، در مشرق زمین مسکن گزیده است، داروهای نادانی همچون سل کشنده است)
در این بیت جهل و نادانی را انسانی میپندارد که باری سنگین و دارو و درمان دارد و گناهانی هم به دوش میکشد. بنابراین تشبیه نادانی به انسان و حذف مشبهبه این عبارات را در مجموعۀ استعارۀ مکنیه وارد میکند. همچنین است بیت زیر:
دانلود پایان نامه - مقاله - پروژه

 

 

إنَّ العـراقَ بِه یَعیـشُ لِشقوهٍ

 

شَعـبٌ یَسأمَ الذُّلَّ ثُمَّ یَسأمُ

 

 

 

ألَّفُوه حَتی صـار فیهِم طابعاً

موضوعات: بدون موضوع  لینک ثابت
 [ 06:54:00 ق.ظ ]




اما الگوریتم شامل ۵ مدل اساسی است :
در مدل اول(شکل ۳-۱۷)، وظایف تناوبی به m زیرمجموعه، جزءبندی می­شوند. در ابتدا قبل از عمل جزءبندی، وظایف تناوبی براساس بهره­وری­اشان بصورت صعودی مرتب می­شوند. هر زیرمجموعه از وظایف، متناظر با یک هسته می­باشد. وظایف غیرتناوبی نیز در زمان ورودشان در صف غیرتناوبی سراسری وارد و سپس به یک هسته پردازشی تخصیص داده می­شوند. هر هسته شامل صف مجزایی است که برای نگهداری وظایف تناوبی و غیرتناوبی در هر لحظه استفاده می­ شود.
مقاله - پروژه
Partition(T,PQ,P) {
Populate periodic task set T in PQ;
Sort PQ in ascending order by UT;
Partition_WFD(PQ);
}
شکل ۳-۱۷ شبه‌کد الگوریتم جزبندی با WFD ]37[
شکل ۲۰شکل ۳-۱۷ شبه‌کد الگوریتم جزبندی با WFD [37]
مدل زمانبند دوم(شکل ۳-۱۸)، وظایف تناوبی و همینطور وظایف غیرتناوبی را با بهره گرفتن از سیاست EDF زمانبندی می­ کند. وظایف غیرتناوبی بصورت سراسری در زمان ورودشان و یا در زمان مهاجرتشان، به هسته­های مختلف تخصیص داده می­شوند. مدل ۵ (شکل ۳-۲۱)(Select-Processor())، هسته متناظر برای اجرای وظیفه غیرتناوبی را پیدا می­ کند. سپس سررسید مجازی روی هر هسته محاسبه می­ شود و هسته­ای که نزدیکترین سررسید مجازی را دارا باشد برای اجرای وظیفه غیرتناوبی مورد نظر، بکار برده می­ شود. این به این معنی است که هسته‌ای که اگر وظیفه غیرتناوبی در آن قرار بگیرد سریع‌تر اجرا شود، انتخاب می‌شود. همان طور که شبه‌کد شکل ۳-۱۸ مشاهده می‌کنید، در ابتدا همه وظایف تناوبی را وارد صف‌های مربوط به هر هسته که با توجه به الگوریتم تخصیص داده شده بودند، می‌کند و هر وظیفه غیرتناوبی که در هر لحظه ممکن است برسد را نیز وارد صف کلی وظایف غیرتناوبی می‌کند، سپس اگر صف وظایف غیرتناوبی خالی بود، برای وظایف تناوبی در هر صف هسته‌ها الگوریتم EDF اجرا می شود.
Scheduler (T, A, PQ, P, JQueue) {
Join all pending periodic jobs till time t to a queue in JQueue;
Join aperiodic jobs to AQ qrrived at time t;
If (!is_Empty(AQ)) then
p_id = select_processor(AJobhead);
insert AJobhead­ in JQp_id;
For all Pb ۱≤i≤m
If (! Finished(Jobhead[i]) or ! preempted(Jobhead[i]) ) then
Execute_edf(Jobhead[i], JQi ,Pi);
Else
Sched_edf(Jobhead[i], JQi ,Pi);
}
شکل ۳-۱۸ شبه کد زمانبند پیشنهادی در ]۳۷[
شکل ۲۱شکل ۳-۱۸ شبه کد زمانبند پیشنهادی در [۳۷]
مدل سوم(شکل ۳-۱۹) (execute-edf())، رخدادهایی مثل ورود وظایف با اولویت بالاتر / پایین­تر را کنترل می­ کند. درصورتیکه در حین اجرا، وظیفه با اولویت بالاتری وارد سیستم شود، این مدل وظیفه در حال اجرا را قبضه کرده و وظیفه تازه­وارد را اجرا می­ کند در غیراینصورت اجرای وظیفه جاری ادامه می­یابد.
Execute_edf(Jobhead[P­_id] , JQ­p_id , P_id) {
Execute Jobhead[P­_id];
If ((isHigherPriority(Jobarrived[P­_id])) and (!isFinished(Jobhead[P­_id])) then
Insert Jobarrived[P­_id] in JQ­p_id ;
Preempt Jobarrived[P­_id];
Else
Insert Jobarrived[P­_id] in JQ­p_id ;
Execute Jobhead[P­_id];
}شکل ۲۲شکل ۳-۱۹ شبه‌کد سیاست اجرای EDF [37]
شکل ۳-۱۹ شبه‌کد سیاست اجرای EDF ]37[
مدل چهارم (شکل ۳-۲۰ )(sched-edf())، در هر نقطه زمانبندی فراخوانی می­ شود. این مدل وظیفه بعدی را براساس EDF، زمانبندی کرده همچنین مسئول مهاجرت وظایف غیرتناوبی نیز می­باشد.
Sched_edf(Jobhead[P­_id] , , JQ­p_id , P_id) {
If (isFinished(Jobhead[P­_id])) then
If (! IsEmpty(JQ­p_id)) then
execute_edf(Jobhead[P­_id] , , JQ­p_id , P_id);
Else
CPU remains idle;
If (ispreempted(Jobhead[P­_id])) then
If (Jobhead[P­_id] is peridic) then
execute_edf(Jobhead[P­_id] , , JQ­p_id , P_id);
If (Jobhead[P­_id] is aperidic) then
Selected_pid = select­processor(Jobhead[P­_id]);
Migrate Jobhead[P­_id] in JQ of Selected_pid;

موضوعات: بدون موضوع  لینک ثابت
 [ 06:53:00 ق.ظ ]