{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "QA585",
        "title": "روش هموارسازی در حل بهینه‌سازی سهام با روش CVaR و کاربرد‌های آن در تخصیص دارایی تولید",
        "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": "1398",
        "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": "QA585",
        "title": "روش هموارسازی در حل بهینه‌سازی سهام با روش CVaR و کاربرد‌های آن در تخصیص دارایی تولید",
        "degree": null,
        "faculty": "علوم ریاضی",
        "year": 1398,
        "authors": [
            {
                "name": "سعیده اشک ‌تلخ",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "علیرضا ناظمی",
                "role": "استاد راهنما"
            },
            {
                "name": "عبدالمجید عبدالباقی عطاآبادی",
                "role": "استاد راهنما"
            }
        ],
        "keywords": [
            "پرتفوی",
            "بهینه سازی",
            "شبکه های عصبی",
            "ارزش در معرض ریسک",
            "متوسط ارزش در معرض ریسک"
        ],
        "abstract": "در این پایان نامه یک روش عددی بر مبنای شبکه های عصبی برای حل رده ای از مسائل \r\nبهینه سازی مالی در فضای عدم قطعیت با مقدار متوسط ارزش در معرض ریسک به عنوان\r\nاندازه ریسک ارائه می دهیم. برای این کار ابتدا تعاریفی از مفاهیم مالی در ریاضی و مقدماتی از\r\nبهینه سازی را ارائه می دهیم. سپس نظریه اعتبار و فازی را مورد بررسی قرار می دهیم. شرایط\r\nبهینگی را برای مسأله بهینه سازی مورد نظر می نویسیم. سپس یک مدل شبکه عصبی متناظر\r\nبا آن طراحی می کنیم. ثابت می کنیم که نقطه تعادل شبکه عصبی متناظر جواب بهینه مسأله\r\nاصلی است. با ارائه یک تابع لیاپانوف مناسب، پایه ای و همگرایی سراسری مدل ارائه شده را\r\nاثبات می کنیم. فضای متغیرهای نامعین را مورد بررسی قرار می دهیم. سپس به حل مسأله\r\nبهینه سازی پرتفوی با بازده نامعین در فضای نامعین با در نظر گرفتن اندازه ریسک به عنوان\r\nارزش در معرض ریسک و متوسط ارزش در معرض ریسک با استفاده از شبکه عصبی ارائه شده\r\nمی پردازیم.",
        "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_QA585.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"
    }
}