فهرست نشریات علمی دسترسی آزاد ایران

هدف: در این مقاله، یک متدولوژی جدید برای مدل‌سازی‌های آماری ارایه گردیده است که برخلاف تمامی مدل‌ها و الگوریتم‌های توسعه‌یافته معمول، قابلیت اعتماد به نتایج را به‌جای دقت حاصله به حداکثر می­‌رساند. بر این اساس در این مقاله، یک دسته جدید از رویکردهای مدل‌سازی آماری با جایگزینی فرآیندهای معمول با فرآیند پیشنهادی پیشنهاد گردیده است.روش‌شناسی پژوهش: در این مقاله، روش رگرسیون خطی چندگانه به‌منظور پیاده‌سازی متدولوژی پیشنهادی انتخاب شده است. برای ارزیابی جامع عملکرد مدل رگرسیون پیشنهادی، 10 مجموعه داده معیار از ادبیات موضوع مدل‌سازی‌های آماری درنظر‌گرفته شده است.یافته‌ها: به‌طو‌رکلی، نتایج حاصله نشان می‌دهد که در %65 از مجموعه داده‌های بررسی‌شده، مدل پیشنهادی توانایی تعمیم بیش‌تری نسبت به رگرسیون خطی چندگانه معمول ایجاد نموده است. مدل رگرسیون پیشنهادی، به‌طور میانگین توانسته است دقت مدل‌سازی‌ها را به ترتیب به میزان %571/5 و %466/6 در میانگین قدرمطلق خطا و میانگین مربعات خطا نسبت به نسخه کلاسیک خود بهبود بخشد. این نتایج، به‌وضوح اثر قابل‌توجه اعتماد به نتایج را بر میزان قابلیت تعمیم نشان می‌دهد که اساسا در فرآیندهای مدل‌سازی آماری معمول لحاظ نمی‌گردد.اصالت/ارزش‌افزوده علمی: مدل‌سازی‌های آماری یکی از مهم‌ترین ابزارهای موجود به‌منظور شبیه‌سازی سیستم‌های تحت مطالعه و مجموعه داده‌های دنیای واقعی می‌­باشد که اغلب به‌منظور تصمیم‌گیری در طیف وسیعی از علوم مورداستفاده قرار می‌گیرد. چندین رویکرد متفاوت در ادبیات موضوع با ویژگی‌های متفاوت برای پوشش مسایل دنیا واقعی با دقت مطلوب توسعه یافته‌اند. با این‌حال، این‌گونه از روش‌ها از یک مفهوم و ایده مشابه در فرآیند مدل­‌سازی پیروی می‌­کنند. اساس عملکردی در تمامی رویکردهای مدل‌سازی آماری معمول، بر پایه این فرض استوار بوده که حداکثر دقت در داده‌های آزمایش و غیرقابل‌دسترس از مدل‌هایی با حداقل‌سازی میزان خطا در داده‌های آموزش به‌دست خواهند آمد. اگر‌چه، این یک رویه منطقی و استاندارد در فضاهای مدل‌سازی آماری معمول می‌باشد، اما تنها شیوه منحصربه‌فرد برای دستیابی به حداکثر قابلیت تعمیم محسوب نمی‌گردد. به‌عبارت‌دیگر، قابلیت تعمیم مدل به‌طور هم‌زمان وابسته به‌دقت مدل و هم‌چنین سطح قابلیت اعتماد به نتایج حاصله می‌­باشد. در این مقاله، یک متدولوژی جدید برای مدل‌سازی‌های آماری ارایه گردیده است که برخلاف تمامی مدل‌ها و الگوریتم‌های توسعه‌یافته معمول، قابلیت اعتماد به نتایج را به‌جای دقت حاصله به حداکثر می‌­رساند.