<?xml version="1.0" encoding="utf-8"?>
<journal>
<title>Journal title</title>
<title_fa>عنوان نشریه</title_fa>
<short_title>International Journal of Industrial Engineering &amp; Production Management</short_title>
<subject>Literature &amp; Humanities</subject>
<web_url>http://ijiepm.iust.ac.ir</web_url>
<journal_hbi_system_id>18</journal_hbi_system_id>
<journal_hbi_system_user>agent2</journal_hbi_system_user>
<journal_id_issn></journal_id_issn>
<journal_id_issn_online></journal_id_issn_online>
<journal_id_pii></journal_id_pii>
<journal_id_doi>doi</journal_id_doi>
<journal_id_iranmedex></journal_id_iranmedex>
<journal_id_magiran></journal_id_magiran>
<journal_id_sid></journal_id_sid>
<journal_id_nlai></journal_id_nlai>
<journal_id_science></journal_id_science>
<language>fa</language>
<pubdate>
	<type>jalali</type>
	<year>1392</year>
	<month>2</month>
	<day>1</day>
</pubdate>
<pubdate>
	<type>gregorian</type>
	<year>2013</year>
	<month>5</month>
	<day>1</day>
</pubdate>
<volume>24</volume>
<number>1</number>
<publish_type>online</publish_type>
<publish_edition>1</publish_edition>
<article_type>fulltext</article_type>
<articleset>
	<article>


	<language>fa</language>
	<article_id_doi></article_id_doi>
	<title_fa>بهینه سازی همزمان عوامل تاثیرگذار بر عملکرد شبکه عصبی مصنوعی با استفاده از طرح باکس- بنکن و برنامه ریزی فازی</title_fa>
	<title></title>
	<subject_fa>روش های تحلیل روش ها و تصمیم گیری </subject_fa>
	<subject>Decision Analysis and Methods</subject>
	<content_type_fa>پژوهشي</content_type_fa>
	<content_type>Research</content_type>
	<abstract_fa>تنظیم مناسب پارامترها، مهمترین نقش را در عملکرد شبکه عصبی ایفا می کند. لیکن بدلیل اینکه هنوز هیچ روش مشخصی برای انجام این کار وجود ندارد، تنظیم پارامترها همچنان مهمترین مشکل در استفاده از شبکه عصبی مصنوعی محسوب میشود. در این مطالعه، سه معیار به عنوان معیارهای عملکرد شبکه عصبی مصنوعی و سه عامل کنترلی که بیشترین تاثیر را روی معیارهای عملکرد دارند، معرفی شده اند. علاوه بر آن طرح باکس- بنکن برای طراحی آزمایشات مربوط به تنظیم پارامترها بکار برده شده است. بررسی یک فرآیند واقعی برای چنین موضوعاتی از اهمیت ویژه ای برخوردار می باشد، لیکن به منظور بررسی و پیش بینی عملکرد روش پیشنهادی، فرض شده است که متغیر خروجی فرآیند شبیه سازی شده دارای یک تابع نسبتا پیچیده اما معین با متغیرهای ورودی می باشد. بعد از استخراج روابط عوامل کنترلی و معیارهای عملکرد تعیین شده مرتبط با شبکه عصبی طراحی شده، روش برنامه ریزی فازی برای یافتن بهینه ترین ترکیب عوامل کنترلی جهت بهترین عملکرد شبکه عصبی مصنوعی بکار گرفته شده است. نتایج حاصل از مثال عددی بررسی شده، کارایی روش پیشنهادی را نشان میدهد. این رویکرد می تواند برای تنظیم پارامترها در حل انواع مختلف مسائل با استفاده از شبکه عصبی مصنوعی استفاده شود.</abstract_fa>
	<abstract></abstract>
	<keyword_fa>شبکه عصبی مصنوعی ، تنظیم پارامترها ، طرح باکس – بنکن ، برنامه ریزی فازی</keyword_fa>
	<keyword></keyword>
	<start_page>81</start_page>
	<end_page>94</end_page>
	<web_url>http://ijiepm.iust.ac.ir/browse.php?a_code=A-10-475-1&amp;slc_lang=fa&amp;sid=1</web_url>


<author_list>
	<author>
	<first_name></first_name>
	<middle_name></middle_name>
	<last_name></last_name>
	<suffix></suffix>
	<first_name_fa>مهدی</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>بشیری</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>Bashiri.m@gmail.com</email>
	<code>180031947532846005997</code>
	<orcid>180031947532846005997</orcid>
	<coreauthor>Yes
</coreauthor>
	<affiliation></affiliation>
	<affiliation_fa>دانشگاه شاهد</affiliation_fa>
	 </author>


	<author>
	<first_name></first_name>
	<middle_name></middle_name>
	<last_name></last_name>
	<suffix></suffix>
	<first_name_fa>امیر</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>فرشباف گرانمایه</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>Farshbaf@shahed.ac.ir</email>
	<code>180031947532846005998</code>
	<orcid>180031947532846005998</orcid>
	<coreauthor>No</coreauthor>
	<affiliation></affiliation>
	<affiliation_fa>دانشگاه شاهد</affiliation_fa>
	 </author>


</author_list>


	</article>
</articleset>
</journal>
