توصيفگر ها :
تصميم گيري , عدم قطعيت , متدولوژي هاي مدل سازي مبتني بر قابليت اطمينان و دقت , پيش بيني , قابليت تعميم
چكيده فارسي :
همواره پژوهش¬ها و تحقيقات در علوم مختلف منتج به اتخاذ تصميم گرديده و اين موضوع بيان¬گر تأثيرگذاري و اهميت ويژه فرآيندهاي تصميم¬گيري در تمامي علوم مي¬باشد. بر اين اساس بهبود كيفيت، كارايي و اثربخشي فرآيندهاي تصميم¬گيري همواره دغدغه محققان بوده و هيچ¬گاه تحقيقات مربوط به بهبود اين مهم متوقف نگرديده¬است. از آن¬جايي كه عدم¬قطعيت يك عنصر كليدي موثر بر فرآيندهاي تصميم¬گيري بوده لذا مدل¬سازي صحيح آن موجب بهبود و افزايش كارائي و اثربخشي اين فرآيند جهت اخذ تصميم¬هاي استوار و افزايش اعتماد به نتايج تصميمات اتخاذي مي¬گردد. از اين رو، بهبود توانايي تعميم مدل¬ها كه ارتباط مستقيمي با كيفيت تصميمات دنياي واقعي دارد در ادبيات پيش¬بيني و مدل¬سازي به يكي از چالش برانگيزترين حوزه¬هاي تحقيقاتي تبديل شده-است. بر اين مبنا، رويكرد¬هاي مدل¬سازي مختلف در ادبيات موضوع با ويژگي¬ها و مشخصه¬هاي متفاوت براي پوشش دقيق ¬مسائل متفاوت دنياي واقعي ايجاد شده¬است. با اين وجود، عليرغم همه تفاوت¬هاي ظاهري در رويكردهاي مدل¬سازي، تمام آن¬ها از يك مفهوم و ايده مشابه كه به حداكثر رساندن دقت در يك مجموعه داده آموزش از پيش تعيين شده مي¬باشد، پيروي مي¬كنند. هدف نهايي چنين فرآيندهايي، ارائه دقيق¬ترين عملكرد و حداكثر توانايي تعميم در مجموعه داده¬هاي آزمون نامعلوم و يا ناديده است. اگرچه اين يك رويه منطقي و رايج است، با اين وجود دقت عملكردي عامل منحصر به فرد توضيح دهنده چگونگي تغيير توانايي تعميم مدل محسوب نمي¬شود. در اين راستا به نظر مي¬رسد اطمينان به دقت عملكردي يكي ديگر از عوامل تأثيرگذار بر قابليت تعميم مدل باشد كه در روند مدل¬سازي معمول مورد توجه قرار نگرفته است. پايداري در مدل¬سازي يك سيستم با داده¬هاي مختلف به قابل اعتماد بودن نتايج اشاره دارد. بنابراين، سطح اطمينان دقت و دقت از عوامل موثر بر توانايي تعميم مدل و مدل¬سازي عدم¬قطعيت به حساب مي¬آيند. از اين¬رو در اين رساله، متدولوژي جديد مدل¬سازي مبتني بر قابليت اعتماد ارائه شده تا به جاي دقت، قابليت اطمينان مدل را به حداكثر برساند. منطق عملكردي پيشنهادي از محاسبه تغييرات در دقت عملكردي مدل¬هاي اجرا شده بر روي داده¬هاي اعتبار¬سنجي الهام مي-گيرد. بنابراين، اساس منطق رويكرد پيشنهادي بر اين اصل استوار است كه انتظار مي¬رود مدل¬هاي با تغييرات دقت كمتر در برابر داده¬هاي اعتبارسنجي، نتايج قابل اعتمادتري در داده¬هاي آزمون داشته باشند. نتايج به وضوح تأثير قابل توجه قابليت اطمينان نتايج بر قابليت تعميم را نشان داده كه در هيچ يك از روش¬هاي مدل¬سازي معمول لحاظ نگرديده¬است. به اين ترتيب مي¬توان با جايگزيني فرآيندهاي معمول با فرآيند پيشنهادي در انواع دسته¬بندي¬ها و مدل¬ها، كلاس جديدي از رويكردهاي مدل¬سازي اعتمادي ايجاد نمود. براي ارزيابي جامع عملكرد متدولوژي قابليت اعتماد محور پيشنهادي در حيطه مدل¬هاي غيرديفرانسيلي با ناظر، مدل¬هاي پركاربرد و محبوبي در طبقه مدل¬هاي آماري، هوشمند؛ سببي، سري زماني؛ خطي، غيرخطي؛ پيوسته، گسسته؛ فازي، غيرفازي همچون رگرسيون خطي چندگانه، رگرسيون لجستيك، ميانگين متحرك اتورگرسيو همبسته و پرسپترون چندلايه بر روي مجموعه داده¬هاي معيار مختلفي با مشخصات و حوزه¬هاي كاربردي متفاوت از UCI براساس هر دو رويكرد پيشنهادي و معمول پياده¬سازي گرديده¬ و نتايج مورد تجزيه و تحليل قرار گرفته¬اند. همچنين به شناسايي عوامل موثر بر برتري متدولوژي پيشنهادي در مقايسه با متدولوژي دقت محور كلاسيك پرداخته شده¬است. نتايج حاكي از برتري قابليت تعميم متدولوژي پيشنهادي قابليت اعتماد محور نسبت به متدولوژي كلاسيك دقت محور در طيف گسترده¬اي از مسائل تصميم¬گيري در حوزه¬هاي كاربردي متفاوت است. از اين¬رو، رويكرد پيشنهادي را مي¬توان به عنوان يك گزينه مناسب در زمينه¬هاي مدل¬سازي به ويژه هنگامي كه تعميم بيشتري مدنظر است، در نظر گرفت. در واقع در اين رساله به منظور بررسي تا حد امكان جامع
عدم¬قطعيت در فرآيندهاي تصميم¬گيري، در گام اول به ارائه تعريف پايه¬اي از مفهوم عدم¬قطعيت كه نقصان تعاريف موجود را مرتفع سازد، پرداخته مي¬شود. در گام دوم به ارائه طبقه¬بندي منابع ايجاد عدم¬قطعيت مبتني بر تعريف پيشنهادي كه تاحدامكان منابع مختلف ايجاد آن را در بر گيرد و قادر به بخش¬بندي فضاي مسائل مختلف عدم¬قطعيت در فرآيندهاي تصميم¬گيري باشد، اقدام مي¬گردد. نهايتاً در گام سوم به ارائه متدولوژي قابليت اعتماد محور پرداخته مي¬شود.
چكيده انگليسي :
Modeling is one of the most important components of decision support systems, which are frequently used to simulate and analyze under-studied systems in order to make more appropriate decisions in various science. In the modeling literature, various approaches with varying structures and characteristics have been proposed to cover a wide range of application categories and domains. Regardless of the differences between modeling approaches, all of them aim to maximize the accuracy of the results in order to achieve the most generalizable model and, as a result, a higher level of profitability decisions. Despite the theoretical significance and practical impact of reliability on generalizability, particularly in high-risk decisions and applications, a significant number of models in the fields of forecasting, classification, and time series prediction have been developed to maximize accuracy in mind. In other words, given the volatility of variables, it is also necessary to have stable and reliable forecasts in order to make sound decisions. Accordingly, a new methodology is proposed for modeling in which in contrast to traditionally developed models, the models’ reliability is maximized instead of its accuracy. In this way, a novel class of reliability-based modeling approaches can be created by replacing the usual processes with the proposed process in a variety of models. To comprehensively evaluate the performance of the proposed reliability-based modeling methodology, the Multilayer Perceptron, Multiple Linear Regression, Autoregressive Integrated Moving Average, and Logistic Regression are used in three categories of supervised modeling, namely causal forecasting, time series prediction, and classification. Also, the factors affecting the superiority of the proposed methodology in comparison with the classic accuracy-based methodology have been identified. The results indicate the superiority of the generalizability of the proposed reliability-based methodology over the classic accuracy-based methodology in a wide range of decision-making problems in different application areas. Therefore, the proposed approach can be regarded as an appropriate alternative in modeling fields, especially when more generalization is desired. Generally, in this thesis, in order to survey as comprehensively as possible uncertainty in decision-making processes, in the first step, a basic definition for the concept of uncertainty is provided. In the second step, the sources of creating uncertainty are presented based on the proposed definition for segmenting the space of uncertainty issues in decision-making processes. Finally, in the third step, the reliability-based modelling methodology is presented.
