چکیده:
سیستم استدلال (CBR) برای "تقلید تشخیصهای پزشکی" پزشکانی که با توجه به یک مورد جدید تشخیص می دهند. دقت در عمل بستگی به بازیابی موفقیت آمیز از موارد مشابه دارد. به دلیل استحکام پایه مورد خود سیستم CBR موفقیتهایی در برخورد با بیماری های ساده داشته اند. با این حال، هنگامی که با بیماریهای پیچیده به ویژه کسانی که درگیر حوزه های پزشکی اند متحمل دقت تشخیصی است. یک مثال از چنین شرایط سندرم قبل از قاعدگی (PMS) است که در زنان و روانپزشکی رخ می دهد. برای پرداختن به این موضوع، مقاله سیستم خبره مبتنی بر CBR-که با استفاده از نزدیکترین K
(KNN) را پیشنهاد می کند. الگوریتم موارد مشابه K را براساس اندازه گیری فاصله اقلیدس جستجو می کند. اخبار سیستم در طراحی انعطاف پذیر خودکار مجموعه تحمل (T)،که به عنوان یک آستانه برای استخراج موارد که شبیه هستند بیشتر از مقدار تخصیص داده شده از T عمل می کند.برای نمونه در درون سیستم ابزار نرم افزار با منو محور رابط کاربر گرافیکی (GUI) برای مورد ورودی، تجزیه و تحلیل نتایج، و انطباق مورد را توسعه داده است. در نهایت، در کارایی ابزار مجموعه ای از مواردPMS در دنیای واقعی بررسی می شود.
بانکها به واسطه سپرده گذاران و وام گیرندگان متعدد با انواع بازارهای پولی و مالی مرتبط بوده و در معرض انواع ریسکها قرار دارند. لذا همواره بانکها سعی بر آن داشته اند تا از طریق بکارگیری روشها و ابزارهای مختلف میزان بهینه نقد مورد نیاز خود را پیش بینی و نگهداری نمایند. در این پایان نامه به بررسی ساختار داراییها و بدهییها، انواع مدلهای نقدینگی و ریسکهای حاکم بر بانک خواهیم پرداخت.