• صفحه اصلی
  • درباره رایمگ
  • تماس با ما
  • ثبت نام
  • ورود
  • سفارش سامانه
پیشرفته
  • صفحه اصلی
  • کامران لایقی
  • آخرین شماره

    49
    شماره 49 , 50   دوره 13 پاییز - زمستان 1400
    ارسال مقاله به نشریه لیست داوران نشریه

    شماره های پیشین

    • دوره 13
      • ✓ شماره 49 , 50 - پاییز - زمستان سال 1400
      • ✓ شماره 47 , 48 - بهار - تابستان سال 1400
    • دوره 12
      • ✓ شماره 45 , 46 - پاییز - زمستان سال 1399
      • ✓ شماره 43 , 44 - بهار - تابستان سال 1399
    • دوره 11
      • ✓ شماره 41 , 42 - پاییز - زمستان سال 1398
      • ✓ شماره 39 , 40 - بهار - تابستان سال 1398
    • دوره 10
      • ✓ شماره 37 , 38 - پاییز - زمستان سال 1397
      • ✓ شماره 35 , 36 - بهار - تابستان سال 1397
    • دوره 9
      • ✓ شماره 33 , 34 - پاییز - زمستان سال 1396
      • ✓ شماره 31 , 32 - بهار - تابستان سال 1396
    • دوره 8
      • ✓ شماره 30 , 31 - پاییز - زمستان سال 1395
      • ✓ شماره 27 , 28 - بهار - تابستان سال 1395
    • دوره 7
      • ✓ شماره 26 , 27 - پاییز - زمستان سال 1394
      • ✓ شماره 24 , 25 - بهار - تابستان سال 1394
    • دوره 6
      • ✓ شماره 22 , 23 - پاییز - زمستان سال 1393
      • ✓ شماره 20 , 21 - بهار - تابستان سال 1393
    • دوره 5
      • ✓ شماره 18 , 19 - پاییز - زمستان سال 1392
      • ✓ شماره 16 , 17 - بهار - تابستان سال 1392
    • دوره 4
      • ✓ شماره 14 , 15 - پاییز - زمستان سال 1391
      • ✓ شماره 12 , 13 - بهار - تابستان سال 1391
    • دوره 2
      • ✓ شماره 6 , 7 - پاییز - زمستان سال 1389
      • ✓ شماره 4 , 5 - بهار - تابستان سال 1389
    • دوره 1
      • ✓ شماره 2 , 3 - پاییز - زمستان سال 1387

    مرور

    • •  شماره جاری
    • •  براساس شماره های نشریه
    • • نمایه نویسندگان
    • •  براساس موضوعات
    • •  براساس نویسندگان

    صفحات نشریه

    • •  معرفی نشریه
    • •  برای نویسندگان
    • •  اصول اخلاقی
    • •  اطلاعات داوری مقالات
    • •  وضعیت دسترسی به مقالات
    • •  حق کپی رایت (CC)
    • •  داوران نشریه
    • تماس با نشریه
    OpenAccess COPE Hamtajoo
    • فهرست مقالات کامران لایقی

      • دسترسی آزاد مقاله
        • صفحه چکیده
        • متن کامل

        1 - تحلیل احساسات برای پیش¬بینی بازار بورس با شبکه عصبی ژرف: مطالعه موردی برای پایگاه داده سهام شرکت¬های بین-المللی
        حکیمه منصور سعیده ممتازی کامران لایقی
        20.1001.1.27170414.1400.13.47.7.3
        امروزه تحلیل احساسات به عنوان یکی از ارکان اصلی در زمینه¬های مختلف از جمله مدیریت مالی، بازاریابی، پیش¬بینی تغییرات اقتصادی درکشورهای مختلف بکار گرفته می¬شود. به منظور ساخت یک تحلیل¬گر احساسات بر مبنای نظرات کاربران در رسانه¬های اجتماعی، بعد از استخراج ویژگی¬های مهم چکیده کامل
        امروزه تحلیل احساسات به عنوان یکی از ارکان اصلی در زمینه¬های مختلف از جمله مدیریت مالی، بازاریابی، پیش¬بینی تغییرات اقتصادی درکشورهای مختلف بکار گرفته می¬شود. به منظور ساخت یک تحلیل¬گر احساسات بر مبنای نظرات کاربران در رسانه¬های اجتماعی، بعد از استخراج ویژگی¬های مهم بین کلمات توسط شبکه پیچشی، از شبکه حافظه کوتاه-مدت بلند استفاده می¬کنیم تا رابطه نهفته در دنبالـه¬ای از کلمات را کشف و ویژگی¬های مهم متن را استخراج نماییم. با کشف ویژگی¬های استخراج شده جدید توسط شبکه‌ برگشتی با حافظه کوتاه-مدت بلند، توانایی مدل پیشنهادی در طبقه¬بندی ارزش سهام شرکت¬ها افزایش می¬یابد و در نهایت به پیش¬بینی سهام بورس در روز بعد براساس تحلیل احساسات می¬پردازیم. اﯾﻦ ﭘﮋوﻫﺶ ﺑﺮ اﺳﺎس دادهﻫﺎی ﻣﻘﺎﻟﻪ اﻧﮕﻮﯾﺎن و همکارانش اﻧﺠﺎم ﮔﺮﻓﺘﻪ اﺳﺖ و تنها از اﻃﻼﻋﺎت احساسی ﻣﺮدم در شبکه-ﻫﺎی اجتماعی ﺑﺮای ﭘﯿﺶبینی ﺳﻬﺎم اﺳﺘﻔﺎده می¬کند. با توجه به اینکه هر یک از پیـام¬های کاربـران را در 5 کلاس¬های احساسی طبقه¬بندی می¬کنیم، بنابراین این مدل ارزش سهام روز بعد را به دو حالت بالا یا پایین بودن آن می¬تواند پیش¬بینی کند. ساختار پیشنهادی شامل 21 لایه شبکه عصبی ژرف و متشکل از شبکه¬های پیچشی و حافظه کوتاه-مدت بلند است که برای پیش¬بینی سهام بورس 18 شرکت پیاده¬سازی شده است. اگرچه برخی مدل¬های ارائه شده قبل، از تحلیل احساسات به منظور پیش¬بینی بازار سرمایه بهره گرفته¬اند، اما از روش¬های ترکیبی و پیشرفته در شبکه¬های ژرف با میزان دقت پیش¬بینی بالا بهره نبرده¬اند. سنجش نتایج روش پیشنهادی با دیگر مطالعات نشان داده که عملکرد روش پیشنهادی در مقایسه با 8 روش دیگر، بطور قابل ملاحظه¬ای خوب بوده و در معیار ارزیابی صحت در پیش‌بینی روزانه سهام‌ با بهبود 8/19 درصدی نسبت به مدل شبکه پیچشی ژرف، 5/24 درصدی نسبت به مدل پیشنهادی انگویان و همکاران (2015) و 94/23 درصدی نسبت به مدل پیشنهادی درخشان و همکاران (2019) از روش‌های رقیب پیشی بگیرد. جزييات مقاله
      • دسترسی آزاد مقاله
        • صفحه چکیده
        • متن کامل

        2 - یک معماری دومسیره کارآمد مبتنی بر شبکه عصبی عمیق برای بازشناسی دروازه در ویدئوی بازی فوتبال
        امیرحسین  زنگنه مهدی جم پور کامران لایقی
        20.1001.1.27170414.1400.13.49.5.5
        در این مقاله یک روش خودکار با استفاده از یک مدل معماری دومسیره یادگیری عمیق برای مساله تحلیل تصاویر ویدئویی ورزش فوتبال، با تاکید بر شناسایی دروازه به عنوان یکی از مهمترین عناصر رویداد گُل که مهمترین رویداد بازی فوتبال می¬باشد، ارائه کرده¬ایم. معماری پیشنهادی، شکل توسعه چکیده کامل
        در این مقاله یک روش خودکار با استفاده از یک مدل معماری دومسیره یادگیری عمیق برای مساله تحلیل تصاویر ویدئویی ورزش فوتبال، با تاکید بر شناسایی دروازه به عنوان یکی از مهمترین عناصر رویداد گُل که مهمترین رویداد بازی فوتبال می¬باشد، ارائه کرده¬ایم. معماری پیشنهادی، شکل توسعه یافته مدل VGG سیزده لایه می‌باشد که طی آن یک مدل معماری دو مسیره تعریف شده است. در مدل معماری پیشنهادی برای بازشناسی دروازه در مسیر اول، مدل با مجموعه داده آموزشی، آموزش داده می¬شود. اما در مسیر دوم، مجموعه داده¬های آموزشی ابتدا توسط یک سیستم غربال‌کننده مورد بررسی قرار گرفته و بهترین تصاویر که شامل ویژگی¬های متفاوتی با ویژگی¬های انتخاب شده توسط مسیر اول هستند، انتخاب می‌شوند. به عبارت دیگر در مسیر دوم، ویژگی‌هایی از شبکه‌ای مشابه مسیر اول، ولی پس از عبور از سیستم غربالگر تولید می‌شود.سپس بردارهای ویژگی¬ تولید شده در دو مسیر با یکدیگر ادغام شده و یک بردار ویژگی سراسری حاصل می¬شود و بدین ترتیب فضاهای متفاوتی از مساله بازشناسی دروازه تحت پوشش قرار گرفته است. ارزیابی‌های متنوعی بر روی روش ارائه شده انجام شده است. نتایج ارزیابی‌ها، حاکی از بهبود دقت بازشناسی دروازه به‌وسیله مدل معماری دومسیره ارائه شده نسبت به مدل پایه می‌باشد. همچنین مقایسه روش پیشنهادی با نتایج موجود نشان می‌دهد دقت روش پیشنهادی، بهتر از نتایج منتشر شده است. جزييات مقاله

رایمگ


سامانه رایمگ تمامی فرآیندهای دریافت، ارزیابی و داوری، ویراستاری، صفحه‌آرایی و انتشار الکترونیکی نشریات علمی را به انجام می‌رساند

پیوندهای سایت


  • مرکز منطقه ای اطلاع رسانی علوم و فناوری
  • سامانه ژورنال یاب RICeST
  • سامانه تولید منابع برون متنی
  • پایگاه استنادی علوم جهان اسلام
  • نظام شاخص های عملکردی نشریات فارسی
  • فهرست نشریات پایگاه استنادی علوم جهان اسلام
  • فهرست نشریات معتبر وزارت عتف
  • فهرست نشریات وزارت بهداشت، درمان و آموزش پزشکی
  • فهرست نشریات ایرانی نمایه شده در ISI

مراکز مرتبط


  • پایگاه دفتر مقام معظم رهبری
  • نهاد ریاست جمهوری
  • وزارت علوم، تحقیقات و فناوری
  • وزارت بهداشت،درمان و آموزش پزشکی
  • مرکز ارتباطات مردمی(سامد)

پشتیبانی


  • تلفن : 02188910048
  • ایمیل : rimag@ricest.ac.ir

صفحات رسمی



  • صفحه اصلی
  • نقشه سایت
  • مرکز منطقه ای اطلاع رسانی علوم و فناوری
  • تماس با ما
  • صفحه اصلی
  • نقشه سایت
  • مرکز منطقه ای اطلاع رسانی علوم و فناوری
  • تماس با ما

حقوق این وب‌سایت متعلق به سامانه مدیریت نشریات رایمگ است.
حق نشر © 1401-1396

صفحه اصلی| عضویت/ ورود| درباره رایمگ| تماس با ما|
[English] [العربية] [en] [ar]
  • Ricest
  • عضویت/ ورود
  • email