به‌کارگیری شبکه‌های عصبی مصنوعی در مدیریت مالی فرایندهای پژوهشی مطالعات دفاعی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استادیار ریاضیات کاربردی، دانشگاه آزاد اسلامی

2 دانشجوی دکتری مدیریت فناوری اطلاعات، دانشگاه آزاد اسلامی

چکیده

چکیده
مدیریت مالی فرایند‌های پژوهش‌های نظری در مراکز مطالعاتی و پژوهشی دفاعی، با توجه به محدودیت‌های مربوط به اعتبارات پژوهشی و گستردگی این مراکز و نیز وجود اولویت‌های پژوهشی و سطح‌بندی آنها، همواره از اهمیت ویژه‌ای برخوردار بوده و چالش‌هایی را برای تصمیم‌گیران این حوزه ایجاد نموده است. هدف مقاله پیش رو شناسایی معیارهای مناسب مدیریت مالی فرایندهای پژوهشی در مراکز دفاعی (مطالعۀ موردی ارتش ج. ا. ا) و طراحی الگوی واگذاری بهینه آن به کمک سیستم هوشمند شبکه عصبی مصنوعی می‌باشد. در ابتدا با مراجعه به دستورالعمل‌ها و آیین‌نامه‌های پژوهشی آجا معیارهای واگذاری اعتبار تعیین و سپس از طریق پرسشنامه در مراکز پژوهشی مورد نظر معیارهای تعیین شده بررسی و مورد تأیید قرار گرفت. در ادامه الگوی واگذاری اعتبارات پژوهشی با استفاده از شبکه عصبی مصنوعی هاپفیلد و توسط نرم‌افزار متلب طراحی گردید. با مشخص شدن ماهیت ورودی و خروجی واگذاری اعتبارات پژوهشی سه حالت تخصیص اعتبار بر اساس شبکه عصبی مصنوعی ارائه گردید. یافته‌های پژوهش بیانگر آن است که از بین بیست و پنج شاخص شناسایی شده تعداد سه شاخص مورد تأیید قرار نگرفته و شاخص‌های چاپ کتاب، نوآوری در پژوهش و ارائه نظریه بالاترین اولویت را دارا می‌باشند. همچنین از بین سه الگوی وارد شده به شبکه الگوی اول بیشترین هم‌گرایی را با جواب شبکه که ارتقای دانش نظامی است، دارا می‌باشد.

کلیدواژه‌ها


فهرست منابع

آیین‌نامه تخصیص اعتبارات پژوهشی وزارت نفت جمهوری اسلامی ایران. مصوب 1388.
البرزی، محمود (1389). آشنایی با شبکه‌های عصبی. انتشارات دانشگاه صنعتی شریف.
بیرن باتوم، رابرت (1990). دانشگاه‌ها چگونه کار می‌کنند (حمیدرضا آراسته) تهران: مؤسسه پژوهش و برنامه‌ریزی آموزش عالی (1383).
الوانی، مهدی و حسین‌پور، داود (1383). طراحی و تبیین الگوی تصمیم‌گیری استراتژیک در آموزش عالی با استفاده از شبکه‌های عصبی مصنوعی. پایان‌نامه دوره دکتری، دانشگاه علامه طباطبائی.
هارولد، آر (1996). تخصیص منابع در بخش آموزش عالی. گزیده مقالات دائره‌المعارف آموزش عالی. جلد اول. تهران. مؤسسه پژوهش و برنامه‌ریزی آموزش عالی (1376).
Hayward, F. M., (2000). Higher education policy development in contemporary South Africa. Higher Education Policy, 13(4), 335. 2000.
Hebb, D. (1949). The organization of Behavior. A neuropsychological Theory. New York: Wiley.
James, A. (2001). Artificial Neural Networks. Cancer, 91(8). 1615-1635.
James, E. (1986). Cross subsidization in higher education: Does it pervert private choice and public policy. New York: Oxford University Press.
Karaman, A., & Caliskan, E. (2009). Affective factors weight estimation in tree felling time by ANN. Expert Systems With Applications, 36(3), 4491-4496.
Kohonen, T. (1995). Self Organization and Associateive Memory. Third edition. Spring-Verlag.
Ziegelstein, A. (2008). Artificial neural networks and their role in our lives. [online].[ http://www.icsc-naiso.org/].[2008].PP14-16.