مقایسه پیش بینی تعداد گردشگران داخلی با استفاده از الگوریتم مختلف آموزش شبکه عصبی(مورد مطالعه باغ موزه دفاع مقدس تهران)
محل انتشار: دومین همایش بین المللی مدیریت، اقتصاد و توسعه
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 594
فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
EMDCONF02_028
تاریخ نمایه سازی: 26 شهریور 1395
چکیده مقاله:
امروزه صنعت جهانگردی در حوزه های اقتصاد، جامعه، فرهنگ و محیط فیزیکی تاثیرات شایان توجهی دارد. جهانگردی فرصت و انگیزه ای است برای ایجاد شناخت و تحکیم ارتباط های به دست آمده و می تواند درک متقابل فرهنگ ها را با خود به همراه آورد؛ حالت ها و رفتارهای گوناگون را در کنار هم قرار دهد و با کاهش شدت تعصب هر گروه اجتماعی، الگوها را تغییر دهد . گردشگری سیاه در دوران پست مدرنیسم به یکی از قطب های پرطرفدار و رایج گردشگری تبدیل گشته و هر روز بر علاقمندان به این نوع از گردشگری افزوده می شود. گردشگری سیاه یا تلخ به بازدیدها و سفرهای سازمان دهی شده ای گفته می شود که از مناطق مصیبت دیده و شهرهایی صورت میگیرد که در معرض بلایای طبیعی مانند زلزله، سونامی، سیل قرار گرفته یا آثار جنگ، حملات تروریستی در آن ها واقع شده است یا مکان هایی که به دلایل غیرطبیعی، احساس ترس، هیجان و کنجکاوی گردشگر را برای بازدید فرا می خواند. در این پژوهش از چهار الگوریتم آموزشی مختلف برای پیش بینی تعداد گردشگران باغ موزه دفاع مقدس استفاده شده است. الگوریتم آموزش LM گرادیان توام، الگوریتم آموزش شبه نیوتن، آموزش کاهش دسته ای شیب برای پیش بینی تعداد گردشگران داخلی مورد استفاده قرار گرفت. متغیرهای ورودی پژوهش تعداد گردشگران میانگین، درآمد سالیانه، فاصله مبدا تا مقصد، متوسط هزینه اقامت، وضعیت جوی، روزهای بازدید و همچنین جنسیت غالب بازدید کننده بود. که با استفاده از شبکه عصبی پس از انتشار و الگوریتم های آموزشی مختلف از جمله الگوریتم آموزش LM، گرادیان توام و شبه نیوتون به ترتیب بیشترین توانایی را برای پیش بینی تعداد گردشگران داخلی داشتند. اما با استفاده از الگوریتم آموزش دسته کاهش شیب نتایج مطلوبی برای پیش بینی تعداد گردشگران داخلی گرفته نشد.
کلیدواژه ها:
گردشگری سیاه ، شبکه های عصبی ، شبکه های پس از انتشار ، شبکه های LM ، آموزش دسته ای کاهش شیب ، شبه نیوتن ، گرادیان توام
نویسندگان
صابر حسنعلی زاده
گروه مدیریت و حسابداری دانشگاه آزاد اسلامی واحد شال
حامد حسنعلی زاده
گروه الکترونیک دانشگاه خاتم الانبیا
ساناز سیدی ابهری
گروه معماری دانشگاه آزاد اسلامی واحد شال
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :