مروری بر شبکه های عصبی مصنوعی، تاریخچه شبکه های عصبی مصنوعی، شبکه پرسپترون چند لایه

 

رضایت نهایی مشتریان
2-3-6-2- مدل فورنل
شاخص رضایتمندی کشور سوئد در سال 1989 توسط پروفسور فونل براساس یک مدل ساخت یافته و با استفاده از نظرسنجی مشتریان طراحی شده بود، بررسی فعالیت های تحقیقاتی در کشور سوئد موجب شد تا مدل فورنل به عنوان بهترین روش جهت ارائه یک شاخص استاندارد در سطح ملی شناخته شود. ویژگی و شاخصه مهم این مدل جامعیت آن، امکان استفاده از آن جهت ارزیابی کیفیت در یک مقیاس وسیع و امکان مرتبط ساختن کیفیت با رفتار مشتری می باشد(کاوسی و سقایی، 1384).
2-3-6-3- مدل اسکمپر
تکنیک اسکمپر توسط دکتر « اسبورن » ارائه شده است و یکی از مدلهای جلب رضایت مشتری و ایجاد خلاقیت و ابتکار در رسیدن به هدف است. این تکنیک به نام سوالات ایده برانگیز و یا صورت تطبیقی نیز معروف است. کلمه ی اسکمپر از حروف اول هفت کلمه تشکیل شده است.هر یک از آنها نشانه ی یک جهت و سمت و سوی فکری است که شامل یک سری سئوالات تیپ می باشد. این تکنیک که کاربرد اصیلش بر پایه ایده یابی فردی طراحی شده است، می تواند به نحو بسیار اثر بخشی برای گروه ها نیز مفید باشد. به عنوان مثال می توان از آن، قبل از جلسات یورش فکری استفاده کرد. هدف اصلی این تکنیک تحریک قدرت تصور است تا آنرا در جهات و ابعاد مختلف و ضروری به حرکت در آورد. این تحریک بوسیله یک سری سئوالات تیپ و ایده برانگیز صورت می گیرد که شخص در رابطه با مسئله مورد نظرش از خود سئوال می کند و نهایتا با افزایش ایده ها، کیفیت ایده ها تضمین و ارتقا می یابد. نظر به اهمیت و فراگیری این تکنیک، برای هر یک از جهات فکری، تعدادی سئوال نمونه و تعدادی مثال واقعی ارائه و در پایان، تمریناتی برای هر یک از آنها تهیه شده است.لازم به توضیح است که مقصود از تمرینات این بخش گرفتن نتیجه ای کاربردی، دقیق و صحیح و قابل اجرا نیست بلکه انتظار می رود خواننده با کوشش ذهنی که در این تمرینات به عمل می آورد آمادگی بیشتری برای ایده یابی در مسایل و امور واقعی و اجرایی خود پیدا کند(دیواندری و دلخواه، 1384).
2-3-6-4- مدل سروکوال
این مدل در اوایل دهه 80 میلادی توسط پاراسورامن و همکاران معرفی شد. در این مدل رضایت مشتریان از کیفیت خدمات ارائه شده سنجیده می شود. در این مدل پرسشنامه ای طراحی گردیده که شامل 22 معیاری بود که گیرندگان خدمات و مشتریان در گروه های کانونی تشکیل شده توسط این گروه محقق، جهت ارزیابی کیفیت خدمات به کار می بردند، این 22 پرسش، 5 جنبه مختلف خدمات کیفیت را شامل می شد و در سال 88 میلادی جنبه دیگری نیز به آن اضافه شد که برخی از جنبه ها و ابعاد مدل سروکوال عبارتند از(دیواندری و دلخواه، 1384):
محسوس ها: شامل وسایل فیزیکی، تجهیزات، ظاهر کارکنان و وسایل ارتباطی به لحاظ ظاهری.
قابلیت اطمینان : تونایی انجام خدمات تعهد شده با دقت کامل و قابل اطمینان.
پاسخ دهی : شامل رغبت کمک به مشتری و فراهم کردن فوری خدمات.
تضمین : شامل دانش و نزاکت کارکنان و توانایی آنان در القای اعتماد به درستی خدمات.
همدلی : شامل توجه اختصاصی که شرکت برای مشتریان ویژ خود فراهم می آورد.
بهبود : شامل توانایی سازمان در اصلاح مشکلات بوجود آمده احتمالی.
بخش سوم: مروری بر شبکه های عصبی مصنوعی
2-4- شبکه های عصبی مصنوعی
2-4-1- تاریخچه شبکه های عصبی مصنوعی
از قرن نوزدهم به طور همزمان اما جداگانه از سویی نروفیزیولوژیست‌ها سعی کردند سامانه یادگیری و تجزیه و تحلیل مغز را کشف کنند و از سوی دیگر ریاضیدانان تلاش کردند تا مدل ریاضی بسازند که قابلیت فراگیری و تجزیه و تحلیل عمومی مسائل را دارا باشد. اولین کوشش‌ها در شبیه سازی با استفاده از یک مدل منطقی توسط مک کلوک و والتر پیتز انجام شد که امروزه بلوک اصلی سازنده اکثر شبکه‌های عصبی مصنوعی است. این مدل فرضیه‌هایی در مورد عملکرد نورون‌ ها ارائه می‌کند. عملکرد این مدل مبتنی بر جمع ورودی‌ها و ایجاد خروجی است. چنانچه حاصل جمع ورودی‌ها از مقدار آستانه بیشتر باشد اصطلاحا نورون برانگیخته می‌شود. نتیجه این مدل اجرای توابع ساده مثل AND و OR بود.
نه تنها نروفیزیولوژیست‌ها بلکه روان شناسان و مهندسان نیز در پیشرفت شبیه سازی شبکه‌های عصبی تاثیر داشتند. در سال 1958 شبکه پرسپترون توسط روزنبلات معرفی گردید. این شبکه نظیر واحدهای مدل شده قبلی بود. پرسپترون دارای سه لایه به همراه یک لایه وسط که به عنوان لایه پیوند شناخته شده می‌باشد، است. این سامانه می‌تواند یاد بگیرد که به ورودی داده شده خروجی تصادفی متناظر را اعمال کند. سامانه دیگر مدل خطی تطبیقی نورون می‌باشد که در سال 1960 توسط ویدرو و هاف (دانشگاه استنفورد) به وجود آمد که اولین شبکه‌های عصبی به کار گرفته شده در مسائل واقعی بودند.آدالاین یک دستگاه الکترونیکی بود که از اجزای ساده‌ای تشکیل شده بود، روشی که برای آموزش استفاده می‌شد با پرسپترون فرق داشت.در سال 1969 میسکی و پاپرت کتابی نوشتند که محدودیت‌های سامانه‌های تک لایه و چند لایه پرسپترون را تشریح کردند. نتیجه این کتاب پیش داوری و قطع سرمایه گذاری برای تحقیقات در زمینه شبیه سازی شبکه‌های عصبی بود. آنها با طرح اینکه طرح پرسپترون قادر به حل هیچ مساله جالبی نمی‌باشد، تحقیقات در این زمینه را برای مدت چندین سال متوقف کردند.
با وجود اینکه اشتیاق عمومی و سرمایه گذاری‌های موجود به حداقل خود رسیده بود، برخی محققان تحقیقات خود را برای ساخت ماشین‌هایی که توانایی حل مسائلی از قبیل تشخیص الگو را داشته با
شند، ادامه دادند. از جمله گراسبگ که شبکه‌ای تحت عنوان آوالانج را برای تشخیص صحبت پیوسته و کنترل دست ربات مطرح کرد. همچنین او با همکاری کارپنتر شبکه‌های ART را بنا نهادند که با مدل‌های طبیعی تفاوت داشت. اندرسون و کوهونن نیز از اشخاصی بودند که تکنیک‌هایی برای یادگیری ایجاد کردند. ورباس در سال 1974 شیوه آموزش پس انتشار خطا را ایجاد کرد که یک شبکه پرسپترون چند لایه البته با قوانین نیرومندتر آموزشی بود.