بخشی از مقاله
چکیده
انسان همیشه به دنبال تقلید و الگو برداری از طبیعت بوده و سعی دارد تا از بهترین و مؤثرترین روش های طبیعی استفاده نماید که شبکه های عصبی در مغز انسان نمونه ای از آن می باشد. یکی از کاربرد های شبکه های عصبی در علم مدیریت و در تصمیم گیری می باشد. در این مقاله پس از تشریح شبکه های عصبی، کاربرد های آن در مدیریت توضیح داده شده و سپس پذیرش شبکه های عصبی در تصمیم گیری تشریح می شود.
مقدمه
تصمیم گیری در سازمان، نیازمند پردازش اطلاعات کمی و دانش کیفی است. تصمیم گیری، فرآیند انتخاب بهترین عمل یا گزینه از میان گزینه های موجود می باشد. - عبدوس و مزینی، - 47:1386 از آغاز تاریخ بشر اصطلاحات عددی نیز منشأ کیفی داشته اند، اما از جنگ جهانی دوم، روش های مقداری و کمی، مهمترین ابزار برای فرموله کردن، تحلیل و حل مسایل سازمانی و اقتصادی شده اند.
روش های مختلف پیش بینی و بهینه سازی کمی، تاکنون در مدیریت، استفاده بسیار زیادی داشته است. برخی از تصمیم گیری های مدیران تصمیم گیری درباره آینده است و تصمیم گیری نسبت به آینده همیشه با عدم اطمینان همراه است و هیچ قطعیتی برای آینده نمی توان متصور بود. رفتار پدیده های طبیعی در دنیا غیر خطی است و سازمان نیز از این قاعده مستثنی نیست.
از طرف دیگر، تصمیم گیری های راهبردی مدیران دارای ماهیت کمی و کیفی بوده و نیازمند پردازش اطلاعات کمی و دانش کیفی است. یکی از مهمترین روش های کیفی که می تواند در تحلیل مسایل کیفی سیستم ها، تصمیم گیرندگان را مدد رساند، سیستم های هوش مصنوعی1 است. سیستم های هوش مصنوعی بر دو محور استوار هستند:
-1 مطالعه فرایند تفکر انسان ها -2 نمایش این فرایند توسط ماشین. - الوانی و حسین پور، - 2:1386 تکنیک های هوش مصنوعی از یک طرف دارای ماهیت غیر خطی بوده، زیرا به دنبال تقلید و الگو برداری از نمونه های طبیعی هستند و از طرف دیگر دارای ماهیت کیفی هستند. یکی از تکنیک های هوش مصنوعی که در زمینه های تصمیم گیری مدیریت به کار گرفته می شود، شبکه های عصبی مصنوعی است. شبکه های عصبی مصنوعی شامل ساخت رایانه ها با معماری و توانایی پردازش شبیه توانایی پردازش مغز انسان است که نتیجه ان ارایه دانش بر مبنای پردازش موازی، انبوه، بازیابی سریع مقدار زیادی اطلاعات و توانایی شناخت الگو ها بر اساس تجربه است.
کار بر روی هوش مصنوعی در دهه 1950 توسط پیشگامان در رشته های آمار، عصب شناسی، روانشناسی و ... آغاز گردید. در اینگونه روش ها بشر در پی تسخیر عالم هستی است و سعی دارد تا از بهترین و موثرترین روش های طبیعی استفاده نماید. یکی از مهمترین حوزه های هوش مصنوعی، شبکه های عصبی مصنوعی است که به دنبال شبیه سازی عملکرد مغز کوچک انسان در تسلط بر جهان هستی است.
تاریخچه شبکه های عصبی مصنوعی
کار بر روی شبکه های عصبی مصنوعی از سال 1943 توسط مک کلوچ2 فیزیولوژیست عصبی و پیتز3 منطق شناس معرفی گردید. - Zahedi,1993 - فناوری موجود اجازه کار بیشتر به آن ها نداد، تا اینکه شبکه های عصبی مصنوعی در دهه 50 به معنی ایجاد یک شبکه برای محاسبه وظایف منطقی و برای شناخت الگو ها به کار گرفته شد. پژوهش در شبکه های عصبی از اواخر دهه 60 شروع و در دهه 70 اصطلاح فراصنعتی 4 توسط افرادی چون بل 5 مطرح شد.
شبکه های عصبی مصنوعی در دهه 1980 به علت ظهور رایانه ها،کشف مهارت های شبکه عصبی جدید و الگوریتم های یادگیری به سرعت مطرح شدند. - هاگان و همکاران، - 14:1388 امروزه نظریه ها و الگوریتم های یادگیری برای مدل های شبکه های عصبی مصنوعی چند لایه توسعه یافته است. تراشه های6 مبتنی بر عصب در حال ظهور بوده و به طور روشن یک دوره ای از انتقال، برای فناوری شبکه های عصبی مصنوعی است.
شبکه عصبی
ساختار کلی شبکه های عصبی از بیولوژیکی مغز انسان الهام گرفته است. هدف هوش مصنوعی، توسعه پارادایم ها یا الگوریتم های مورد استفاده انسان جهت کاربرد در ماشین است، شبکه های عصبی مصنوعی نیز به عنوان یکی از مهمترین روش های هوش مصنوعیبه دنبال تقلید از عملکرد مغز انسان است. - معیری و همکاران، - 75:1389 مغز یک کامپیوتر بسیار پیچیده، غیر خطی با سیستم پردازش موازی است که واحد های پردازش آن نرون است. نحوه عملکرد مغز انسان با آن شبکه گسترده در سطح بدن، موضوع شبکه های عصبی است. - راعی، - 134:1380
یک نرون1 - سلول عصبی - یک سلول بیولوژیکی خاص است که اطلاعات را پردازش می نماید. به عبارت دیگر نرون ها کوچکترین واحد های اطلاعاتی مغز هستند. این واحد ها تعیین می کنند که اطلاعات چگونه بین ساختار های مختلف توزیع شود. - جمالی، - 2:1391 عمل اساسی یک عصب مصنوعی شامل جمع آوری علایم ورودی وزن گذاری شده و به کار گیری یک تابع فعالیت برای تولید خروجی است.
عصب مصنوعی که واحد اصلی در شبکه های عصب مصنوعی می باشد از چهار کار ویژه عصب بیولوژیکی - طبیعی - الگو برداری شده است ولی اعصاب مصنوعی خیلی ساده تر از اعصاب بیولوژیکی هستند. عصب مصنوعی یک تعداد ثابت ورودی - n - دارد که هر ورودی به وسیله یک اتصال وزن گذاری شده - - با عصب دیگر مرتبط است. قسمت ورودی های - - وارده به شبکه به وزن - - اتصال ضرب می شود و در حالت ساده این فرآورده ها جمع شده و از طریق تابع انتقال برای تولید نتیجه به یک خروجی تبدیل می شوند. - حسینقلی زاده، - 75-78 :1386
لایه های شبکه عصبی مصنوعی
-1شبکه عصبی تک لایه: 2 این شبکه یک ساختار ساده است که ازm عصب تشکیل و هر کدامn ورودی دارد. این شبکه یک بازنمایی از فضای ورودی n بعدی را برای فضای خروجیm بعدی انجام می دهد. برای آموزش شبکه الگوریتم های یادگیری به عنوان یک عصب واحد می تواند به کار برده شود. این نوع لایه ها به طور وسیعی در مسایل خطی تفکیک پذیر به کار برده می شوند. - الوانی و حسین پور، - 9:1386
-2 شبکه عصبی چند لایه: 3 این شبکه مسئله طبقه بندی مجموعه های غیر خطی را به وسیله به کار گیری لایه های پنهانئ حل می کنند، که عصب ها به طور مستقیم با خروجی مرتبط نیستند. - کارتالوپولس، - 108:1381
