{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "QA292",
        "title": "یک مدل شبکه عصبی کارا برای حل مسئله انتخاب پرتفوی فازی",
        "publisher": "دانشگاه صنعتی شاهرود",
        "owner": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "license": "CC-BY-4.0",
        "license_url": "https://creativecommons.org/licenses/by/4.0/",
        "license_text": "استفاده، بازنشر، تحلیل، پردازش و بهره برداری پژوهشی، آموزشی و صنعتی با ذکر منبع دانشگاه صنعتی شاهرود مجاز است.",
        "publication_date": "1394",
        "last_update": "2026-07-11",
        "language": "fa",
        "format": "application/json",
        "contact": "thesis@shahroodut.ac.ir",
        "access": {
            "fulltext_available": "true",
            "public_access": "true"
        }
    },
    "data": {
        "thesis_id": "QA292",
        "title": "یک مدل شبکه عصبی کارا برای حل مسئله انتخاب پرتفوی فازی",
        "degree": null,
        "faculty": "علوم ریاضی",
        "year": 1394,
        "authors": [
            {
                "name": "میلاد رضائی",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "علیرضا ناظمی",
                "role": "استاد راهنما"
            }
        ],
        "keywords": [
            "شبکه‌های عصبی‏",
            "پایداری‏",
            "بهینه‌سازی‏",
            "پرتفوی‏",
            "فازی"
        ],
        "abstract": "مسائل بهینه‌سازی یکی از زمینه‌های جالب، مهم و پرطرفدار در ریاضیات مالی است. در زمینه انتخاب پرتفوی بهینه، تخصیص دارایی، مدیریت ریسک و قیمت گذاری اختیار به صورت هرچه کاراتر و دقیق‌تر مدل‌های بهینه سازی خطی و غیرخطی مختلفی تعریف می‌شود.‎\r\n‎‎‎‏در چند دهه اخیر روش‌های بهینه‌سازی که بر پایه هوش مصنوعی توسعه یافته‌اند، موفقیت‌های چشم‌گیری در حل موثر و کارای مسائل بهینه‌سازی به‌دست آورده‌اند. روش‌هایی چون الگوریتم ژنتیک‏، جستجوی ممنوع‏، شبیه‏‌سازی تبریدی‏، شبکه عصبی و ... قابلیت‌های خود را در حل مسائل بزرگ علمی به‌خوبی نشان داده‌اند. امتیازات ویژه‌ی موجود در مدل‌های شبکه عصبی امکان کاربرد آنها را در حوزه وسیعی از تحقیقات فراهم ساخته است. از جمله آن امتیازات می‌توان به امکان یاد‌گیری و بهبود عملکرد بر‌اساس داده‌‌های ورودی‏، امکان انجام محاسبات به‌صورت موازی و مستقل از  نقطه شروع بودن این مدل‌ها بر‌خلاف مدل‌های کلاسیک اشاره کرد \r\nدر این پایان‌نامه با استفاده از یک مدل شبکه عصبی کارا به حل مسئله انتخاب پرتفوی فازی در شرایطی که هر بازده تضمین شده آن به کلاس معینی از متغیر‌های فازی تعلق دارد، پرداخته خواهد‌ شد. با استفاده از یک تابع لیاپانوف مناسب، ثابت خواهیم‌کرد که مدل شبکه عصبی بیان شده به طور مجانبی پایدار بوده و به جواب بهینه مسئله اصلی همگرایی سراسری دارد. در انتها نتایج کار و پیشنهاداتی برای کارهای آتی ارائه خواهیم داد.",
        "repository": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "note": "حقوق مادی و معنوی متعلق به دانشگاه صنعتی شاهرود می باشد.",
        "download_url": "https://shahroodut.ac.ir/fa/thesis/files/somefiles/sf_QA292.pdf"
    },
    "dictionary": {
        "thesis_id": "شناسه پایان نامه",
        "title": "عنوان پایان نامه",
        "degree": "مقطع تحصیلی",
        "faculty": "دانشکده",
        "year": "سال دفاع",
        "authors": "پدیدآورندگان",
        "keywords": "کلیدواژه ها",
        "abstract": "چکیده",
        "repository": "محل نگهداری",
        "note": "یادداشت",
        "download_url": "آدرس فایل پایان نامه"
    }
}