پاورپوینت بررسی مفاهیم پایه و بهینه سازی پرتفولیو مدل مارکوئیتز
| دسته بندی | حسابداری |
| بازدید ها | 0 |
| فرمت فایل | pptx |
| حجم فایل | 3187 کیلو بایت |
| تعداد صفحات فایل | 61 |
پاورپوینت بررسی مفاهیم پایه و بهینه سازی پرتفولیو مدل مارکوئیتز در 61 اسلاید زیبا و قابل ویرایش با فرمت pptx
فهرست مطالب :
مقدمه
شیوه های ارزیابی و انتخاب سهام
تجزیه و تحلیل بنیادی
مدلهای تنزیل جریانات نقدی
شیوه ی ارزیابی نسبی
تجزیه و تحلیل فنی
نظریه ی نوین پرتفوی اوراق بهادار
فرایند مدیریت پرتفوی
یادگیری اصول اساسی مالی
ایجاد پرتفوی
مدیریت و حفاظت پرتفوی
ریسک و بازده سرمایه گذاری
افزایش سرمایه از محل اندوخته (سهام جایزه)
افزایش سرمایه از محل مطالبات و آورده ی نقدی
تجزیه ی سهام
تجمیع سهام
ریسک
مسئله ی انتخاب پرتفوی
ارزش اولیه و پایانی
رکودستیزی و ریسک گریزی
مطلوبیت
مطلوبیت نهایی
منحنی های بی تفاوتی
مدل تئوری کلاسیک پرتفولیو مارکوئیتز
مفروضات مبنای مدل مارکوئیتز
ورودی های مورد نیاز
بازده مورد انتظار یک ورق بهادار
ریسک یک اوراق بهادار
بازده مورد انتظارپرتفولیو
ریسک پرتفوی
کواریانس
ضریب همبستگی
روابط بین ضریب همبستگی و کواریانس
مفهوم ریسک پرتفولیو
پرتفولیو کارا
تعیین پرتفولیو کارا
مرزکارا در حالت فروش استقراضی مجاز
انتخاب پرتفوی بهینه
مدل تک شاخص
شماتیک مدل تک شاخص
استفاده از مدل برای تخمین ورودی ها
مدلهای چند شاخصی
منابع و ماخذ
پاورپوینت تهیه شده بسیار کامل و قابل ویرایش بوده و به راحتی می توان قالب آن را به مورد دلخواه تغییر داد و در تهیه آن کلیه اصول نگارشی، املایی و چیدمان و جمله بندی رعایت گردیده است.
پاورپوینت مفاهیم پایه و بهینه سازی پرتفولیو مدل مارکوئیتز
| دسته بندی | مدیریت مالی |
| بازدید ها | 0 |
| فرمت فایل | pptx |
| حجم فایل | 3187 کیلو بایت |
| تعداد صفحات فایل | 61 |
عنوان: پاورپوینت مفاهیم پایه و بهینه سازی پرتفولیو مدل مارکوئیتز
دسته: حسابداری- مدیریت مالی(ویژه ارائه کلاسی درسهای مهندسی مالی- مدیریت سرمایه گذاری - تصمیم گیری در مسائل مالی)
فرمت: پاورپوینت (PowerPoint)
تعداد اسلاید: 61 اسلاید
این فایل در زمینه " مفاهیم پایه و بهینه سازی پرتفولیو مدل مارکوئیتز " می باشد که در حجم 61 اسلاید همراه با نمودارها، توضیحات کامل و همچنین مثالهای تشریحی با فرمت پاورپوینت تهیه شده است که می تواند به عنوان ارائه کلاسی(کنفرانس) درسهای مهندسی مالی، مدیریت سرمایه گذاری و تصمیم گیری در مسائل مالی رشته های حسابداری و مدیریت مالی در مقطع کارشناسی ارشد و دکتری مورد استفاده قرار گیرد. بخشهای عمده این فایل شامل موارد زیر می باشد:
مقدمه
شیوه های ارزیابی و انتخاب سهام
تجزیه و تحلیل بنیادی
مدلهای تنزیل جریانات نقدی
شیوه ی ارزیابی نسبی
تجزیه و تحلیل فنی
نظریه ی نوین پرتفوی اوراق بهادار
فرایند مدیریت پرتفوی
یادگیری اصول اساسی مالی
ایجاد پرتفوی
مدیریت و حفاظت پرتفوی
ریسک و بازده سرمایه گذاری
افزایش سرمایه از محل اندوخته (سهام جایزه)
افزایش سرمایه از محل مطالبات و آورده ی نقدی
تجزیه ی سهام
تجمیع سهام
ریسک
مسئله ی انتخاب پرتفوی
ارزش اولیه و پایانی
رکودستیزی و ریسک گریزی
مطلوبیت
مطلوبیت نهایی
منحنی های بی تفاوتی
مدل تئوری کلاسیک پرتفولیو مارکوئیتز
مفروضات مبنای مدل مارکوئیتز
ورودی های مورد نیاز
بازده مورد انتظار یک ورق بهادار
ریسک یک اوراق بهادار
بازده مورد انتظارپرتفولیو
ریسک پرتفوی
کواریانس
ضریب همبستگی
روابط بین ضریب همبستگی و کواریانس
مفهوم ریسک پرتفولیو
پرتفولیو کارا
تعیین پرتفولیو کارا
مرزکارا در حالت فروش استقراضی مجاز
انتخاب پرتفوی بهینه
مدل تک شاخص
شماتیک مدل تک شاخص
استفاده از مدل برای تخمین ورودی ها
مدلهای چند شاخصی
منابع و ماخذ
پاورپوینت تهیه شده بسیار کامل و قابل ویرایش بوده و به راحتی می توان قالب آن را به مورد دلخواه تغییر داد و در تهیه آن کلیه اصول نگارشی، املایی و چیدمان و جمله بندی رعایت گردیده است.
ترجمه مقاله وظیفه بهینه سازی برنامه ریزی در رایانش ابری بر اساس الگوریتم اکتشافی
| دسته بندی | مهندسی کامپبوتر و فناوری اطلاعات |
| بازدید ها | 39 |
| فرمت فایل | doc |
| حجم فایل | 1340 کیلو بایت |
| تعداد صفحات فایل | 17 |
ترجمه مقاله وظیفه بهینه سازی برنامه ریزی در رایانش ابری بر اساس الگوریتم اکتشافی در 17 صفحه فارسی ورد قابل ویرایش با فرمت doc به همراه اصل مقاله انگلیسی
عنوان فارسی :
وظیفه بهینه سازی برنامه ریزی در رایانش ابری بر اساس الگوریتم اکتشافی
عنوان انگلیسی :
Task Scheduling Optimization in Cloud Computing Based on Heuristic Algorithm
تعداد صفحات فارسی : 17 صفحه ورد قابل ویرایش
سطح ترجمه : متوسط
شناسه کالا : broo
دانلود رایگان مقاله انگلیسی : http://ofmas.ir/dlpaper/broo.pdf
دانلود ترجمه فارسی مقاله : بلافاصله پس از پرداخت آنلاین 14 هزار و 500 تومان قادر به دانلود خواهید بود .
بخشی از ترجمه :
چکیده
محاسبات ابری تکنولوژی در حال ظهور بوده و اجازه می دهد تا کاربران به عملکرد بالایی در این زمینه دست پیدا کنند . محاسبات ابری یک سیستم ناهمگن است و همچنین مقدار زیادی از اطلاعات نرم افزاری را در خود ذخیره می کند . در این روند برنامه ریزی برای بعضی داده های فشرده و یا محاسبه یک برنامه فشرده خواهد بود و بیان می کند که بهینه سازی زمان انتقال و پردازش به یک برنامه کاربردی بسیار مهم نیاز دارد . در این مقاله به منظور به حداقل رساندن هزینه های پردازش ما تدوین و فرموله کردن مدل را برای برنامه ریزی کار و بهینه سازی ازدحام ذرات (PSG) الگوریتم داریم که در آن ارزش موقعیت بر اساس قوانین ارائه شده است. به موجب مقایسه الگوریتم PSG با الگوریتم PSG جاسازی شده در Crossover و Mutation و در تحقیق محلی، نتایج آزمایش نشان می دهد که الگوریتم PSG نه تنها سریعتر همگرا می شود بلکه سریع تر از دو الگوریتم های دیگر در مقیاس بزرگ اجرا می شود .
Abstract
Cloud computing is an emerging technology and it allows users to pay as you need and has the high performance. Cloud computing is a heterogeneous system as well and it holds large amount of application data. In the process of scheduling some intensive data or computing an intensive application, it is acknowledged that optimizing the transferring and processing time is crucial to an application program. In this paper in order to minimize the cost of the processing we formulate a model for task scheduling and propose a particle swarm optimization (PSO) algorithm which is based on small position value rule. By virtue of comparing PSO algorithm with the PSO algorithm embedded in crossover and mutation and in the local research, the experiment results show the PSO algorithm not only converges faster but also runs faster than the other two algorithms in a large scale. The experiment results prove that the PSO algorithm is more suitable to cloud computing.
یک شبکه عصبی فازی ژنتیکی بهینه شده برای کنترل کشتی
| دسته بندی | مقالات ترجمه شده isi |
| بازدید ها | 3 |
| فرمت فایل | docx |
| حجم فایل | 181 کیلو بایت |
| تعداد صفحات فایل | 25 |
اصل و ترجمه مقاله کنترل هوشمند کشتی با استفاده از شبکه عصبی و منطق فازی و ژنتیک الگوریتم
عنوان انگلیسی مقاله :
A Genetically Optimized Fuzzy Neural Network for Ship Controllers
عنوان فارسی مقاله :
یک شبکه عصبی فازی ژنتیکی بهینه شده برای کنترل کشتی
سال انتشار : 2006
کیفیت ترجمه : B
چکیده انگلیسی :
Abstract-A novel approach has been promoted for fuzzy neural ship controllers. An RBF neural network and GA optimization are employed in a fuzzy neural controller to deal with the nonlinearity, time varying and uncertain factors. Utilizing the designed network to substitute the conventional fuzzy inference, the rule base and membership functions can be auto-adjusted by GA optimization. The parameters of neural network can be decreased by using union-rule configuration in the hidden layer of the network. The performance of controller is evaluated by the system simulation conducted with Simulink tools, by which satisfied results have been obtained
.Index Terms- RBF network. Fuzzy control. Genetic algorithm. Union rule. Ship control
چکیده فارسی :
کلمات کلیدی : کنترل فازی. الگوریتم ژنتیک. مجموعه قوانین. کنترل کشتی.
اصل و ترجمه مقاله شبکه های عصبی فازی ژنتیکی بهینه شده برای کنترل کشتی
| دسته بندی | مقالات ترجمه شده isi |
| بازدید ها | 35 |
| فرمت فایل | docx |
| حجم فایل | 181 کیلو بایت |
| تعداد صفحات فایل | 26 |
A Genetically Optimized Fuzzy Neural Network for Ship Controllers
اصل و ترجمه مقاله شبکه های عصبی فازی ژنتیکی بهینه شده برای کنترل کشتی
IEEE 2006
|
چکیده - منطق فازی عصبی، رویکرد جدید شده است برای کنترل کشتی ها. |
abstract-A novel approach has been promoted for fuzzy neural ship controllers. |
|
یک شبکه عصبی RBF و بهینه سازی GA در یک کنترل عصبی فازی به کار برای مقابله با غیرخطی، زمان های مختلف و عوامل نامشخص است. |
An RBF neural network and GA optimization are employed in a fuzzy neural controller to deal with the nonlinearity, time varying and uncertain factors. |
|
با استفاده از شبکه طراحی شده به جای استنتاج فازی معمولی، پایگاه قوانین و توابع عضویت می تواند به صورت خودکار توسط بهینه سازی GA تنظیم شود. |
Utilizing the designed network to substitute the conventional fuzzy inference, the rule base and membership functions can be auto-adjusted by GA optimization. |
|
پارامترهای شبکه عصبی را می توان با استفاده از تنظیمات مجموعه قوانین در لایه مخفی از شبکه کاهش داد. |
The parameters of neural network can be decreased by using union-rule configuration in the hidden layer of the network. |
|
نتایج رضایت بخشی از عملکرد کنترل کننده های شبیه سازی سیستم، که توسط ابزار سیمولینک انجام می گردد دست آمده است. |
The performance of controller is evaluated by the system simulation conducted with Simulink tools, by which satisfied results have been obtained. |
|
کنترل فازی. الگوریتم ژنتیک. مجموعه قوانین. کنترل کشتی. |
Fuzzy control. Genetic algorithm. Union rule. Ship control. |