سفارش انجام پروژه پیش بینی ورشکستگی به کمک روش های شبکه ی عصبی و الگوریتم کلونی زنبور عسل:
پیش بینی ورشکستگی یکی از مهم ترین عنوان های کاربرد داده کاوی در حوزه های مالی است. در این راستا، عوامل، شرایط و اقداماتی که نهایتا به مشکلات مالی منجر می شود، شناسایی خواهند شد. در طول سال های اخیر، تحقیقات مالی و حسابداری گسترده ای در این زمینه انجام شده است. اهمیت این مسئله به حدی است که بسیاری از سرمایه گذاری ها و همکاری های مالی قبل از حصول اطمینان از عدم امکان ورشکستگی انجام نمی شود. برای مطالعه جزییات بیشتر در مورد پیش بینی ورشکستگی کلیک کنید.
در این پروژه، با استفاده از تلفیق روش های شبکه ی عصبی (neural network) و الگوریتم کلونی زنبور عسل (Artificial bee colony algorithm)، مجموعه داده های مربوط به پیش بینی ورشکستگی مورد بررسی قرار گرفته است. نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.
موارد قابل تحویل:
- فایل های شبیه سازی پروژه با نرم افزارهای متلب (Matlab)، پایتون (Python)، زبان R و ... (بسته به درخواست سفارش دهنده)
- مستندات پروژه، شامل توضیحات مربوط به فعالیت های صورت گرفته
- فایل ارائه ی پاورپوینت
- فیلم آموزشی برای آشنایی دقیق تر با فرآیند انجام پروژه
- مجموعه داده ی مورد استفاده در پروژه
برخی از موارد قابل پیاده سازی:
- بررسی تاثیر استفاده از الگوریتم کلونی زنبور عسل بر روی پارامترهای مختلف شبکه عصبی، نظیر، تعداد لایه، وضعیت بایاس، تعداد نورون های هر لایه، تابع فعالیت و ... .
- بررسی تاثیر استفاده از زیرمجموعه ای از داده ها بر روی عملکرد روش تلفیقی شبکه ی عصبی و الگوریتم کلونی زنبور عسل. انتخاب زیرمجموعه مناسب از داده ها به کمک روش کلونی زنبور عسل انجام می شود.
- بررسی تاثیر استفاده از روش های تجمعی نظیر بگینگ(bagging) و بوستینگ(boosting) بر روش تلفیقی شبکه ی عصبی و الگوریتم کلونی زنبور عسل.
- امکان ارائه ی ارزیابی به کمک روش های مختلف، نظیر Cross Validation
- مقایسه با سایر الگوریتم ها، نظیر انواع درخت تصمیم(decision tree) نظیر CHAID، CART، C5.0 و ...، ماشین بردار پشتیبان(support vector machine)، شبکه ی عصبی(Neural Net)، جنگل تصادفی(Random Forest)، استخراج قوانین(Rule Induction)
-
روش های مختلف پاکسازی (این بخش با نرم افزارهای جانبی نظیر رپیدماینر، وکا و ... انجام می شود.)
- حذف مقادیر گم شده (missing values)،
- حذف داده های پرت،
- حذف نویز،
- گسسته سازی،
- ایجاد ویژگی های جدید،
- نرمال سازی،
- انتخاب زیرمجموعه ای مناسب از ویژگی ها و...
-
روش های مختلف تصویر سازی (این بخش با نرم افزارهای جانبی نظیر رپیدماینر، وکا و ... انجام می شود.)
- نمودارهای هیستوگرام(histogram)
- هیستوگرام رنگی
- پراکندگی(Scatter) و...
- موارد و الگوریتم های قید شده، تنها نمونه ای از فعالیت های قابل تحویل است. انواع مختلف روش های داده کاوی و هوش مصنوعی با توجه به درخواست شما، قابل ارائه است.
مشاوره انجام پایان نامه، پروپزال و مقاله:
در صورتی که به مشاوره برای انجام پایان نامه، پروپزال و مقاله، همچنین آموزش انجام پایان نامه، پروپزال و مقاله در زمینه ی بهینه سازی ساختار شبکه عصبی با الگوریتم کلونی زنبور عسل برای داده کاوی پیش بینی ورشکستگی، نیازمندید، این مورد را هنگام درخواست قید نمایید. با توجه به قوانین موجود، فعالیت شریف پژوه محدود به آموزش و مشاوره در این موارد می باشد.
منحصر به فرد بودن پروژه:
در صورتی که نیاز به یک پروژه اختصاصی و منحصر به خودتان در زمینه بهینه سازی ساختار شبکه عصبی با الگوریتم کلونی زنبور عسل برای داده کاوی پیش بینی ورشکستگی، داشته باشید، این مورد را هنگام درخواست قید نمایید.