دانلود مقاله ISI انگلیسی شماره 94725 + ترجمه فارسی
ترجمه فارسی عنوان مقاله

کاربرد هوش مصنوعی در مدیریت عمومی برای پیش بینی مناطق حمل و نقل دارای ریسک بالای جرائم در محیط شهری

عنوان انگلیسی
The application of artificial intelligence in public administration for forecasting high crime risk transportation areas in urban environment
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی ترجمه فارسی
94725 2017 7 صفحه PDF 8 صفحه WORD
دانلود فوری مقاله + ترجمه آماده
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
تولید محتوا برای سایت شما
پایگاه ISIArticles آمادگی دارد با همکاری مجموعه «شهر محتوا» با بهره گیری از منابع معتبر علمی، برای کتاب، سایت، وبلاگ، نشریه و سایر رسانه های شما، به زبان فارسی «تولید محتوا» نماید.
  • تولید محتوا با مقالات ISI برای سایت یا وبلاگ شما
  • تولید محتوا با مقالات ISI برای کتاب شما
  • تولید محتوا با مقالات ISI برای نشریه یا رسانه شما
  • و...

پیشنهاد می کنیم کیفیت محتوای سایت خود را با استفاده از منابع علمی، افزایش دهید.

سفارش تولید محتوا کد تخفیف 10 درصدی: isiArticles
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Transportation Research Procedia, Volume 24, 2017, Pages 467-473

فهرست مطالب ترجمه فارسی
چکیده
کلمات کلیدی
1.مقدمه
2. پیشینه ی نظری 
1.2. سیستم های اطلاعات جغرافیایی
2.2. خوشه بندی فضایی 
3.2. شبکه های عصبی مصنوعی 
شکل 1. یک شبکه عصبی پیش نگر نوعی. I1,I2, …,In  جزء مقادیر ورودی و Q1,Q2,…,Qn جزء مقادیر خروجی هستند.
4.2. الکوریتم گرادیان مزدوج مقیاس پذیر 
3. روش تحقیق 
شکل 2. مروری بر روش تحقیق اعمال شده 
4. نتایج 
1.4. جمع آوری و تهیه داده 
2.4. تحلیل و خوشه بندی فضایی 
3.4. مدل های پیش بینی شبکه عصبی مصنوعی 
شکل 3. عملکرد آموزشی شبکه عصبی مدل بهینه براساس خطای میانگین مربعات (MSE)
4.4 پیش بینی های مربوط به مدل شبکه عصبی مطلوب 
5. بحث و نتیجه گیری 
 
ترجمه کلمات کلیدی
هوش مصنوعی؛ شبکه های عصبی مصنوعی؛ پیش بینی جرم؛ سیستم های اطلاعات جغرافیایی؛ تجزیه و تحلیل نقطه؛ مدیریت حمل و نقل عمومی؛ خوشه فضایی؛ ایمنی حمل و نقل؛ محیط شهری؛
کلمات کلیدی انگلیسی
Artificial intelligence; Artificial neural networks; Crime prediction; Geographic information systems; Hotspot analysis; Public transportation management; Spatial clustering; Transportation safety; Urban environment;
ترجمه چکیده
مدیریت عمومی فناوری اطلاعات و ارتباطات را به منظور ایجاد سیستم های هوشمند جدید و طراحی استراتژی های جدید برای پیشگیری از ریسک در مدیریت حمل و نقل به کار گرفته است. هدف نهایی بهبود کیفیت خدمات حمل و نقل و همچنین تضمین امنیت حمل و نقل عمومی است. در این پژوهش، ترکیبی از روش های خوشه بندی فضایی و مدل های شبکه عصبی مصنوعی به منظور پیش بینی مناطق حمل و نقل دارای ریسک بالای جرائم مورد استفاده قرار گرفتند. سیستم های اطلاعات جغرافیایی برای انجام تحلیل فضایی به منظور شناسایی مناطق دارای تراکم بالای رویدادهای مجرمانه استفاده شدند در این مطالعه هوش مصنوعی برای ایجاد مدل های پیش بینی شبکه عصبی مصنوعی مورد استفاده قرار گرفتند. مدل های پیش بینی شبکه عصبی با استفاده از خطای میانگین مربعات (MSE) برای یافتن مل پیش بینی بهینه ارزیابی شدند. مدل پیش بینی بهینه برای پیش بینی مناطق حمل و نقل دارای ریسک بالای جرائم مورد استفاده قرار گرفت. الگوریتم گرادیان مزدوج مقیاس پذیر به عنوان الگوریتم آموزشی برای ایجاد مدل های شبکه عصبی پیش نگر به کار رفت،‌ زیرا این الگوریتم به عنوان یکی از سریع ترین الگوریتم های یادگیری در مقایسه با الگوریتم های دیگر از جمله الگوریتم یادگیری پس انتشار به شمار می رود. © 2017، نویسندگان. انتشارات Elsevier B.V. بررسی همکاران تحت نظر و مسئولیت کمیته ی سازماندهی سومین CSUM 2016.
پیش نمایش مقاله
پیش نمایش مقاله کاربرد هوش مصنوعی در مدیریت عمومی برای پیش بینی مناطق حمل و نقل دارای ریسک بالای جرائم در محیط شهری

چکیده انگلیسی

Public administration has adopted information and communication technology in order to construct new intelligent systems and design new risk prevention strategies in transportation management. The ultimate goal is to improve the quality of the transportation services and also to ensure public transportation safety. In this research, a combination of spatial clustering methods and artificial neural network models was used in order to predict the high crime risk transportation areas. Geographic information systems were used to perform spatial analysis so as to identify the regions with a high concentration of crime incidents. Artificial intelligence was used in this study in order to build artificial neural network predictive models. The neural network predictive models were evaluated by using the Mean Squared Error (MSE) in order to find the optimal forecasting model. The optimal forecasting model was used in order to predict the high crime risk transportation areas. The scaled conjugate gradient algorithm was utilized as the training algorithm for the construction of the feedforward neural network models, since it is considered as one of the fastest learning algorithms compared to several other algorithms such as backpropagation learning algorithms.

دانلود فوری مقاله + ترجمه آماده
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.