@article { author = {Poormohammadi, Hadi and Sardari Zarchi, Mohsen and Sehati, Mohamad Ali and Mirabi, Mohamad and Mortazavi Zarch, Seyaed Hasan}, title = {A novel Algorithm for constructing rooted phylogenetic trees based on rooted triplets}, journal = {Journal of Advanced Mathematical Modeling}, volume = {11}, number = {2}, pages = {195-209}, year = {2021}, publisher = {Shahid Chamran University of Ahvaz}, issn = {2251-8088}, eissn = {2645-6141}, doi = {10.22055/jamm.2021.35124.1860}, abstract = {Phylogenetics is a field in bioinformatics that categorizes and structures the evolutionary hisotiry of currently living species. Phylogenetics uses network tools to represent evolutionary histories in a comprehensive model. The simpleset possible network model is a tree model that is called a phylogenetic tree. Phylogenetic trees are divided into two categories, which are rooted and un-rooted. In this research, rooted phylogenetic trees are of interest. There are different types of input for constructing rooted phylogenetic trees. Rooted triplets are one of the important inputs for constructing rooted phylogenetic trees, which are used in this study. A rooted triplet is a rooted binary tree with three leaves. The rooted triplet is the most simplest model, which contains valuable information. The problem of building a rooted phylogenetic tree that includes the maximum number of a set of rooted triplets is an optimizataion problem, known as MRTC problem. The important challenge in phylogenetics is that MRTC is NP-hard. Therefore, the focus of this research is to introduce a novel algorithm for MRTC problem. The aim of the new algorithm is to improve the consistency of input rooted triplets with the final rooted phylogenetic tree. In order to indicate the performance of the new algorithm, it is compared with on of the best methods on biological data which is called TRH. The Experimental results on triplets that are obtained from biological data show that our new algorithm outperforms TRH base on time complexity and consistency.}, keywords = {Bioinformatics,Biological sequence,MRTC problem,Rooted phylogenetic tree,Rooted triplet}, title_fa = {ارائه الگوریتمی نوین برای حل مساله ساخت درخت فیلوژنتیک ریشه‌دار بر اساس سه‌تایی‌های ریشه‌دار ورودی}, abstract_fa = {فیلوژنتیک شاخه‌ای از دانش بیوانفورماتیک است که تاریخچه روابط تکاملی بین گونه‌های موجودات زنده را بررسی می‌کند و مدل‌هایی را ارائه می‌دهد و گونه‌ها را دسته‌بندی نیز می‌کند. فیلوژنتیک از شبکه‌ها برای بیان روابط تکاملی در یک مدل جامع استفاده می‌کند. ساده‌ترین مدل شبکه ای، یک درخت است که درخت فیلوژنتیک نامیده می‌شود. درختهای فیلوژنتیک به دو زیرمجموعه ریشه‌دار و بدون ریشه تقسیم می‌شوند. در این پژوهش علاقه ما، درخت‌ها‌‌ی فیلوژنتیک ریشه‌دار است. ورودی‌های مختلفی برای ساخت درخت‌های فیلوژنتیک ریشه‌دار موجود است. سه‌تایی‌های ریشه‌دار یکی از انواع مهم ورودی‌ها در تحلیل روابط بین گونه‌ها و ساخت درخت فیلوژنتیک ریشه‌دارند که در این پژوهش از آن استفاده می‌کنیم. سه‌تایی ریشه‌دار یک درخت دودویی ریشه‌دار با سه برگ است. سه‌تایی ریشه‌دار ساده‌ترین مدل درختی ریشه‌دار است که حاوی اطلاعات است. مساله ساخت درخت فیلوژنتیک ریشه‌داری که دربرگیرنده بیش‌ترین سه‌تایی ورودی باشد، یک مساله بهینه سازی است و به مساله MRTC مشهور است. چالش مهم در فیلوژنتیک، -NP سخت بودن مساله MRTC است. از این‌رو در این مقاله، یک الگوریتم نوین برای مساله MRTC با هدف افزایش میزان سازگاری سه‌تایی‌های ریشه‌دار ورودی با درخت نهایی، معرفی می‌شود. با هدف بیان کارایی الگوریتم نوین، روش معرفی‌شده را با روش TRH و بر روی داده‌های واقعی مقایسه می‌کنیم. الگوریتم TRH یکی از بهترین روش‌ها برای حل مساله MRTC و بر روی سه‌تایی‌های ریشه‌داری است که از روی داده‌های واقعی به‌دست آمده‌اند. نتایج آزمایش‌ها نشان می‌دهد که با در نظر گرفتن زمان اجرا و سازگاری سه‌تایی‌ها با درخت نهایی، الگوریتم ما نتایج TRH را بهبود می‌بخشد.}, keywords_fa = {بیوانفورماتیک,توالی زیستی,مساله MRTC,درخت فیلوژنتیک ریشه‌دار,سه‌تایی ریشه‌دار}, url = {https://jamm.scu.ac.ir/article_16755.html}, eprint = {https://jamm.scu.ac.ir/article_16755_c19001bf23d4094fb9617a88c0f71227.pdf} } @article { author = {Azizi, Esmaeel and MirMostafaee, S.M.T.K.}, title = {‎Expected Experimentation Time, Estimation and Prediction for the Power Lindley Distribution Based on Progressively Type II Censored Data ‎W‎ith Binomial Removals}, journal = {Journal of Advanced Mathematical Modeling}, volume = {11}, number = {2}, pages = {210-240}, year = {2021}, publisher = {Shahid Chamran University of Ahvaz}, issn = {2251-8088}, eissn = {2645-6141}, doi = {10.22055/jamm.2020.31724.1782}, abstract = {In this paper, the problem of estimation and prediction for the power Lindley distribution is studied based on progressively Type-II censored data with binomial removals. First, we work on the estimation of the parameters of the power Lindley distribution with the help of maximum likelihood and Bayesian methods. The Bayesian estimation is done based on the symmetric squared error loss function and the asymmetric general entropy loss function. Since the Bayesian estimates involve integrals that do not seem to have explicit forms, we use the Metropolis-Hastings algorithm to approximate these integrals. A simulation study is presented to evaluate the performance of the estimators of the parameters. In the sequel, the problem of one-sample and two-sample prediction is discussed. A real example is given to illustrate the application of the theoretical methods given in the paper. In addition, the problem of expected experimentation time is studied with the help of drawing plots. The paper ends with several conclusions.}, keywords = {Metropolis-Hastings algorithm,General entropy loss function,Expected experimentation time,Delta method,Progressive censoring with binomial removals,Simulation}, title_fa = {زمان مورد انتظار آزمایش‏، برآوردیابی و پیش بینی برای توزیع لیندلی توانی بر اساس داده‌های سانسور شده‌ی فزاینده‌ی نوع دو با برداشت‌های دوجمله‌ای}, abstract_fa = {در این مقاله، مسأله‌ی برآوردیابی و پیش‌بینی برای توزیع لیندلی توانی بر اساس داده‌های سانسورشده‌ی فزاینده‌ی نوع دو با برداشت‌های دوجمله‌ای مورد مطالعه قرار می‌گیرد. ابتدا به برآوردیابی پارامترهای توزیع لیندلی توانی به کمک روش‌های درست‌نمایی ماکسیمم و بیزی می‌پردازیم. برآوردیابی بیزی پارامترها بر اساس تابع زیان متقارن توان دوم خطا و تابع زیان نامتقارن آنتروپی عمومی صورت می‌پذیرد. از آن‌جا که برآوردهای بیزی شامل انتگرال‌هایی است که به‌نظر می‌رسند فرم صریحی ندارند، برای تقریب این انتگرال‌ها از الگوریتم متروپولیس-هستینگس بهره می‌گیریم. یک مطالعه‌ی شبیه‌سازی برای بررسی عملکرد برآوردگرهای پارامترها ارائه شده است. در ادامه، مسأله‌ی پیش‌بینی بیزی یک‌نمونه‌ای و دونمونه‌ای مورد بحث قرار می‌گیرد. یک مثال واقعی برای نشان دادن کاربرد روش‌های نظری ارائه‌شده در مقاله ارائه می‌گردد. همچنین، مسأله‌ی زمان مورد انتظار آزمایش با کمک رسم نمودارهایی مورد مطالعه قرار می‌گیرد. مقاله با چندین نتیجه‌‌گیری پایان می‌پذیرد.}, keywords_fa = {الگوریتم متروپولیس-هستینگس,تابع زیان آتتروپی عمومی,زمان مورد انتظار آزمایش,روش دلتا,سانسور فزاینده با برداشت دوجمله‌ای,شبیه‌سازی}, url = {https://jamm.scu.ac.ir/article_16756.html}, eprint = {https://jamm.scu.ac.ir/article_16756_653763fb2cbb2afff104f2c9bf79287c.pdf} } @article { author = {Soltanpour, Somayeh}, title = {Functionally Separable Subalgebra of C(X)}, journal = {Journal of Advanced Mathematical Modeling}, volume = {11}, number = {2}, pages = {241-252}, year = {2021}, publisher = {Shahid Chamran University of Ahvaz}, issn = {2251-8088}, eissn = {2645-6141}, doi = {10.22055/jamm.2021.35004.1870}, abstract = {The useful role of $C_c(X)$ in studying $C(X)$ motivated us to introduce and study the functionally separable subalgebra $C_{cd}(Y)$ of $C(X)$. Let $Y$ be a dense subset of $X$, $C_{cd}(Y)={fin C(X): |f(Y)|leq {aleph}_0}$. Clearly, $C_c(X)subseteq C_{cd}(Y)subseteq C(X)$ and $C_{cd}(Y)$ behaves like $C(X)$ and $C_c(X)$ in more properties. If $X$ is a functionally countable or separable space then $C_{cd(Y)=C(X)$, in this case $X$ is called functionally separable space. Whenever $X$ is pseudocompact and $beta X$ is separable, then each $fin C(X)$ is countable on a dense subset of $X$. Conversely, if each $fin C(X)$ is countable on a dense subset of $X$ and each $G_{delta}$‌-set has nonempty interior, then $C(X)=C_c(X)$. ‌ Locally functionally separable subalgebra of $C(X)$ is denoted by $C_{cod}(X)$ where $C_{cod}(X)={fin C(X) : |f(Y)|leq aleph_0 , text{~~for some open dense subset $Y$ of $X$}}$, clearly $C_{cod}(X)subseteq L_c(X)$. For a locally compact and pseudocompact space $X$, $C_{cod}X)=C(X)$ if and only if $C_{cod}(beta X)=C(beta X)$. We introduce $z_{cod}$-ideals in $C_{cod}(X)$ and trivially observe that most of the facts related to $z$-ideals are extendable to $z_{cod}$-ideals.}, keywords = {Scattered,Functionally countable,Separable,Functionally separable,Locally functionally separable}, title_fa = {زیرجبر تفکیک‌پذیر تابعی C(X)}, abstract_fa = {نقش مفید زیر جبر شمارا تابعی $C_c(X)$ در مطالعه‌ی $C(X)$، انگیزه‌بخش معرفی و مطالعه‌ی زیرحلقه‌ی $C_{cd}(Y)$ از $C(X)$ است که آن‌را زیرجبر تفکیک‌پذیر تابعی حلقه‌ی توابع پیوسته‌ی حقیقی می‌نامیم. گیریم $Y$ یک زیرمجموعه‌ی چگال $X$ ‌باشد، در این صورت $C_{cd}(Y)={fin C(X): |f(Y)|leq {aleph}_0}$. آشکارا $C_c(X)subseteq C_{cd}(Y)subseteq C(X)$، می‌بینیم که $C_{cd}(Y)$ در بسیاری خواص همانند $C(X)$ و $C_c(X)$ رفتار می‌کند. ارتباط خواص جبری $C_{cd}(Y)$ و خواص توپولوژیکی $X$ را بررسی نموده، به‌ویژه فضاهای توپولوژیکی $X$ را جست‌وجو می‌کنیم که برای آن‌ها $C_c(Y)=C_{cd}(X)$ یا $C_{cd}(Y)=C(X)$ که در حالت اخیر $X$ را فضای تفکیک‌پذیر تابعی می‌نامیم. هرگاه $X$ یک فضای شماراتابعی یا تفکیک‌پذیر باشد، آن‌گاه $C_{cd}(Y)=C(X)$. اگر فضای $X$ شبه‌فشرده و $beta X$ تفکیک‌پذیر باشد، آن‌گاه هر $fin C(X)$ روی یک زیرمجموعه چگال از $X$ شماراست. برعکس، اگر هر $fin C(X)$ روی یک زیرمجموعه چگال از $X$ شمارا و هر $G_{delta}$‌-مجموعه‌ دارای درون ناتهی باشد، آن‌گاه $C(X)=C_c(X)$. زیرجبر تفکیک‌پذیر تابعی موضعی $C(X)$ را به‌صورت $C_{cod}(X)={fin C(X) : f(Y)|leq aleph_0 , text{برای یک زیرمجموعه‌ی چگال باز $Y$ از $X$}}$ تعریف می‌کنیم، در این صورت $C_{cod} X)subseteq L_c(X)$. ثابت می‌کنیم که برای یک فضای فشرده موضعی و شبه‌فشرده‌ی $X$، $C_{cod}(X)=C(X)$ اگر و تنها اگر $C_{cod}(beta X)=C(beta X)$. در ادامه $z_{cod}$-ایدال‌ها در $C_{cod}(X)$ را معرفی نموده و می‌بینیم که بیشتر قضایای راجع به $z$-ایدال‌ها را می‌توان برای $z_{cod}$-ایدال‌ها هم بیان نمود.}, keywords_fa = {شمارا تابعی,تفکیک‌پذیر,تفکیک‌پذیری تابعی,تفکیک‌پذیر تابعی موضعی}, url = {https://jamm.scu.ac.ir/article_16761.html}, eprint = {https://jamm.scu.ac.ir/article_16761_669a55025e621c2a315ff1a73550ad72.pdf} } @article { author = {Mohammadinejad, Hajimohammad and Khosravi, Hassan}, title = {Numerical solution for a class of variable order fractional integral-differential equation with Atangana-Baleanu-Caputo fractional derivative}, journal = {Journal of Advanced Mathematical Modeling}, volume = {11}, number = {2}, pages = {253-270}, year = {2021}, publisher = {Shahid Chamran University of Ahvaz}, issn = {2251-8088}, eissn = {2645-6141}, doi = {10.22055/jamm.2021.35430.1866}, abstract = {In this paper we consider fractional integral-differential equations of variable order containing Atangana-Baleanu-Caputo fractional derivatives as follows: \begin{align*} \mathfrak{D}_{\alpha(t)}^{ABC}&\Big[u(x,t).g(x,t)\Big]+\frac{\partial u(x,t)}{\partial t}+\int_{0}^{t}u(x,Y)dY\nonumber\\ &+\int_{0}^{t}u(x,Y).k(x,Y)dY=f(x,t), \end{align*} We try to solve this equation using a numerical method based on matrix operators including Chebyshev polynomials. By using these operational matrixes the fractional order integral-differential equation is transformed into an algebraic system which by solving them, we will obtain the numerical answer of the above fractional integral-differential equation. To show the accuracy and efficiency of this method, we have calculated some numerical examples by MATLAB software.}, keywords = {Atangana-Baleanu-Caputo fractional derivative,Chebyshev polynomials,Operational matrixes,Fractional integral-differential equations}, title_fa = {روش عددی برای یک کلاس از معادله کسری انتگرال- دیفرانسیل کسری مرتبه متغییر با مشتقات کسری آتانگانا- بالینو-کاپوتو}, abstract_fa = {هدف اصلی ما در این مقاله، بررسی معادله انتگرال-دیفرانسیل کسری مرتبه متغیر شامل مشتقات کسری آتانگانا-بالینو-کاپوتو به‌صورت \begin{align*} &\mathfrak{D}_{\alpha(t)}^{ABC}\Big[u(x,t).g(x,t)\Big]+\frac{\partial u(x,t)}{\partial t}+\int_{0}^{t}u(x,Y)dY+\int_{0}^{t}u(x,Y).k(x,Y)dY\\ =&f(x,t), \end{align*} است. سعی کردیم با استفاده از یک روش عددی مبتنی بر عملگرهای ماتریسی شامل چند‌جمله‌ای چبیشف به حل عددی این معادله بپردازیم. این عملگرهای ماتریسی باعث تبدیل معادله انتگرال-دیفرانسیلی مرتبه کسری به یک سیستم‌ جبرخطی خواهد شد که با حل کردن این معادلات، جواب عددی معادله انتگرال-دیفرانسیل کسری فوق را به‌دست می‌آوریم. برای نشان دادن دقت و کارایی این روش چند مثال‌ عددی را که توسط نرم افزار متلب محاسبه شده است، بیان می‌کنیم. }, keywords_fa = {مشتق کسری آتانگانا-بالینو-کاپوتو,چند‌جمله‌ای چبیشف,ماتریس‌های عملیاتی,معادله انتگرال-دیفرانسیل کسری}, url = {https://jamm.scu.ac.ir/article_16770.html}, eprint = {https://jamm.scu.ac.ir/article_16770_e5f0394a0f53e68e822dbf4f66207d02.pdf} } @article { author = {Toubaei, Sedigheh and Garshsbi, M. and Reihani Ardabili, Parastoo}, title = {Determination of unknown source term and boundary flux in a time-fractional inverse diffusion problem}, journal = {Journal of Advanced Mathematical Modeling}, volume = {11}, number = {2}, pages = {271-287}, year = {2021}, publisher = {Shahid Chamran University of Ahvaz}, issn = {2251-8088}, eissn = {2645-6141}, doi = {10.22055/jamm.2021.35292.1862}, abstract = {In this work, we consider an inverse fractional parabolic problem that has many applications in different fields. Simultaneously determination of a source term and a boundary flux function in a time-fractional order parabolic equation is investigated using a mollified space marching method. Superposition and Duhamel's principles, the uniqueness of solution with respect to an over determination condition is proved. The stability and convergence of the numerical method are proved and two numerical test problems are conducted to illustrate the ability and accuracy of the numerical method.  }, keywords = {Time fractional,Inverse problem,mollication,marching method}, title_fa = {تعیین توابع منبع و شار مرزی مجهول در یک مساله نفوذ کسری-زمانی}, abstract_fa = {در این مقاله یک مساله سهموی کسری زمانی که کاربردهای متنوعی در توجیه پدیده‌های مختلف دارد، در نظر گرفته شده است. تعیین هم‌زمان توابع منبع و شار مرزی مجهول هدف اصلی این تحقیق است که برای نخستین بار مطرح می‌‌شود. وجود و یکتایی جواب مساله با اعمال شرط فوق اضافی و استفاده از قضیه دوهامل و اصل برهمنهی، اثبات می‌‌شود در ادامه از روش منظم‌سازی مولیفیکیشن بر پایه یک روش تفاضلات متناهی مارچینگ برای تعیین توابع مجهول در مساله استفاده شده است. برای روش عددی ارائه‌شده پایداری و همگرایی جواب‌های عددی مورد بررسی قرار گرفته‌اند. در پایان برای بررسی دقت و کارایی الگوریتم عددی روش مارچینگ، به حل دو مثال که دارای جواب دقیق هستند، پرداخته می‌‌شود. نتایج عددی حاصل نشان‌دهنده توانایی روش ارائه‌شده در حل عددی مسائل معکوس می‌باشد.}, keywords_fa = {کسری زمانی,مساله معکوس,مولیفیکیشن,روش مارچینگ}, url = {https://jamm.scu.ac.ir/article_16774.html}, eprint = {https://jamm.scu.ac.ir/article_16774_8868049e5efe08584902ac865bd845d7.pdf} } @article { author = {Hosseini, Fatemeh and Karimi, Omid}, title = {Bayesian Analysis of Spatial Econometrics Regression Models}, journal = {Journal of Advanced Mathematical Modeling}, volume = {11}, number = {2}, pages = {288-301}, year = {2021}, publisher = {Shahid Chamran University of Ahvaz}, issn = {2251-8088}, eissn = {2645-6141}, doi = {10.22055/jamm.2020.33734.1820}, abstract = {Spatial regression models are often used for modeling spatial economic data. The main purpose of studying these models is to obtain parameter estimates and then predict at new locations. For this purpose, the maximum likelihood approach is first investigated and in order to increase the accuracy of parameter estimation and reduce the computation time, the conventional Bayesian approach and an approximate Bayesian approach are examined for three regression models, spatial Lag model, spatial Durbin model and spatial error model. Finally, in a simulation study and a real example of housing data in Tehran, the performance of models and approaches are compared. The existence of a spatial effect and a direct relationship between housing price and area in the data is accepted. Using the Relative Root Mean Square Error for these two data sets, it was concluded that the approximate Bayesian approach for spatial econometric models has a better performance than the maximum likelihood and the conventional Bayesian approaches. In addition, it was found that the computational time of the Bayesian approach is about twice as long as the approximate Bayesian approach.}, keywords = {Spatial Lag model,Spatial Durbin model,Spatial error model,Approximate Bayesian approach}, title_fa = {تحلیل بیزی مدل‌های رگرسیونی اقتصادسنجی فضایی}, abstract_fa = {مدل‌های رگرسیونی فضایی اغلب برای مدل‌سازی داده‌های اقتصادی فضایی استفاده می‌شوند. هدف اصلی در مطالعه این مدل‌ها به‌دست آوردن براورد پارامترها و سپس پیشگویی در موقعیت‌های جدید است. برای این منظور، در این مقاله ابتدا رهیافت ماکسیمم درست‌نمایی بررسی شده است و در راستای بالابردن دقت براورد پارامترها و کاهش زمان محاسبات، رهیافت بیزی معمولی و بیزی تقریبی برای سه مدل‌ رگرسیونی دوربین فضایی، خطای فضایی و تاخیر فضایی مورد بررسی قرار می‌گیرد. در نهایت در یک مطالعه شبیه‌سازی و یک مثال واقعی مربوط به داده‌های مسکن شهر تهران به مقایسه عملکرد مدل‌‌ها و دو رهیافت پرداخته می‌شود. وجود اثر فضایی و ارتباط مستقیم بین قیمت مسکن و مساحت در داده‌های مورد بررسی پذیرفته می‌شود. با استفاده از معیار مجذور میانگین توان دوم خطای نسبی و براساس این دو مجموعه داده نتیجه شد که رهیافت بیزی تقریبی برای مدل‌های اقتصادسنجی فضایی نسبت به رهیافت ماکسیمم درست‌نمایی و رهیافت بیزی معمولی از عملکرد بهتری برخوردار است. علاوه بر این نتیجه شد زمان محاسبات رهیافت بیزی حدود دو برابر بیشتر از رهیافت بیزی تقریبی است.}, keywords_fa = {مدل تاخیر فضایی,مدل دوربین فضایی,مدل خطای فضایی,رهیافت بیزی تقریبی}, url = {https://jamm.scu.ac.ir/article_16793.html}, eprint = {https://jamm.scu.ac.ir/article_16793_0afad4ff57a0bbf6a0146440cf431347.pdf} } @article { author = {Mohammadzadeh, Zahra and Mahmoudzadeh Vaziri, Asadollah and Azemi, Asad and Rabieimotlagh, Omid}, title = {Investigation stability of a delayed Bidirectional Associative Memory (BAM) neural network}, journal = {Journal of Advanced Mathematical Modeling}, volume = {11}, number = {2}, pages = {302-316}, year = {2021}, publisher = {Shahid Chamran University of Ahvaz}, issn = {2251-8088}, eissn = {2645-6141}, doi = {10.22055/jamm.2021.34937.1851}, abstract = {In this paper, the stability of a delayed Bidirectional Associative Memory (BAM) neural network consisting of two layers has been investigated. The approach includes linearization of the BAM neural network, obtaining the characteristic equation, analyzing the nature of its roots, and obtaining the condition for the systems' stability. The results show that the neural network is asymptotically stable when the eigenvalues have a negative real part. Next, the effect of delay in creating oscillation in the system was investigated, and the relevant parameter was obtained. Compared to the other published work in this area, an advantage of the proposed approach is its ability to identify the system's stability in a much more straightforward and less complicated method. Finally, a 2-layer neuron network simulation, with three neurons in each layer, using Simulink software (affiliated with MATLAB), is presented. The simulation results confirm the efficiency of the proposed method.}, keywords = {Stability,Characteristic function,Linearization,Bidirectional Associative Memory (BAM) Neural Network}, title_fa = {بررسی پایداری شبکه عصبی BAM تاخیری دولایه براساس پارامترهای شبکه}, abstract_fa = {در این مقاله پایداری شبکه عصبی- تاخیری بم متشکل از دو لایه بررسی می‌شود. برای این کار بعد از خطی‌سازی شبکه عصبی بم به بررسی معادله مشخصه پرداخته و با توجه به حقیقی یا مختلط بودن ریشه‌های ماتریس اتصالات شرایطی به‌دست می‌آوریم تا سیستم اصلی دارای مقادیر ویژه با قسمت حقیقی مخالف صفر داشته باشد. با توجه به قضیه هارتمن-گروبمن ساختار کیفی سیستم با ساختار خطی آن یکسان است. بنابراین با توجه به حالات مقادیر ویژه ماتریس اتصال در چندجمله‌ای مشخصه، کرانی برای پارامترهای شبکه به‌دست می‌آوریم. که با توجه به شرایط به‌دست آمده، پایداری را تعریف می‌کنیم. نتایج نشان می‌دهد، زمانی که مقادیر ویژه دارای قسمت حقیقی منفی باشد، شبکه عصبی به پایداری مجانبی می‌رسد. همچنین به اثرگذاری تاخیر در ایجاد نوسان در شبکه عصبی بم نیز پرداخته شده و پارامتری برای این منظور در نظر گرفته شده است. روش پیشنهادی در این مقاله با روش‌های مشابه در مقالات دیگر از پیچیدگی کمتری برخوردار است و در عین حال توانایی بالایی از جمله ناوابستگی به تعداد ابعاد (تعداد نرون‌ها) مسئله دارد. همچنین در این مطالعه شرایط جدیدی براساس ماتریس اتصالات برای پایداری به‌دست آمد. در انتها با استفاده از نرم افزار سیمولینک (وابسته به متلب) شبیه‌سازی یک مدل شش نرونی (که در هر لایه سه نرون می‌باشد) ارائه شده ‌است. نتایج حاصل از شبیه‌سازی کارایی روش مورد نظر را تایید کرد.}, keywords_fa = {پایداری,تابع مشخصه,خطی سازی,شبکه عصبی بم}, url = {https://jamm.scu.ac.ir/article_16794.html}, eprint = {https://jamm.scu.ac.ir/article_16794_469869e9b4ec734be09a167208be6edf.pdf} } @article { author = {Amiri, Mehdi and Eftekharian, Abbas and Roozegar, Roohollah}, title = {Stochastic comparisons in the scale mixture of the multivariate skew-normal family of distributions based on Hessian ordering with some applications}, journal = {Journal of Advanced Mathematical Modeling}, volume = {11}, number = {2}, pages = {317-338}, year = {2021}, publisher = {Shahid Chamran University of Ahvaz}, issn = {2251-8088}, eissn = {2645-6141}, doi = {10.22055/jamm.2021.35447.1867}, abstract = {In this paper, we compare the random vectors from the scale-mixture of multivariate skew-normal distributions, based on Hessian orderings. The necessary and sufficient conditions for this type of ordering are studied and by considering some convex cones, the results are expressed for some important cases. In the following, the increasing Hessian ordering and necessary and sufficient conditions for some important cases are investigated. Also, the linear orderings, based on usual and convex orderings, have been discussed and it has been shown that these linear orderings in the family of multivariate scale mixture of skew-normal distributions, are of the Hessian order type. The supermodular and concordance orderings, as the important tools of dependence ordering, are obtained as equivalent to the order of correlations and using these results, the order of risk or oscillations of different portfolios in economics is explained as the order of their correlations. In the insurance context, the order of risk of aggregate claims in different portfolios is obtained as equivalent to the order of average of correlations within the portfolios. Also, in the reliability context, the order of lifetimes of parallel and series systems can be expressed in terms of correlations of system components.}, keywords = {Hessian orders,Convex cone,Correlation order,Stop-loss order,Parallel system,Series system}, title_fa = {مقایسه‌‌ تصادفی در خانواده توزیع‌های آمیخته‌مقیاس چوله-نرمال چندمتغیره براساس ترتیب هسیان و برخی از کاربردهای آن}, abstract_fa = {در این مقاله، بردارهای تصادفی از توزیع آمیخته‌مقیاس چوله‌-نرمال چندمتغیره براساس ترتیب تصادفی هسیان مقایسه می‌شوند. شرایط لازم و کافی برای این نوع از ترتیب‌ها مورد مطالعه قرار گرفته و با در نظر گرفتن مخروط‌های محدب مختلف، نتیجه در چند حالت مهم از این نوع ترتیب بیان گردیده است. در ادامه ترتیب هسیان صعودی و شرایط لازم و کافی برای حالت‌های مهم مورد بررسی قرار گرفته است. همچنین ترتیب‌های خطی برپایه ترتیب‌های معمول و محدب نیز مورد بررسی قرار گرفته و نشان داده شده است که این ترتیب‌های خطی در خانواده توزیع آمیخته‌مقیاس چوله‌-نرمال از نوع ترتیب هسیان می‌باشند. ترتیب هماهنگی و سوپرمودولار به عنوان ابزارهایی مهم در ترتیب وابستگی، معادل با ترتیب مقادیر همبستگی بدست آمده و براساس این نتایج، ترتیب مخاطره یا نوسانات رشد نسبی مجموعه‌های مختلف در اقتصاد بر حسب ترتیب همبستگی آنها بیان شده است. در زمینه بیمه، ترتیب مخاطره مقدار مجموع بسته‌های مختلف براساس ترتیب متوسط همبستگی درون مجموعه‌ها بدست آمده است. همچنین در زمینه قابلیت اعتماد، ترتیب طول عمر سیستم‌های موازی و سری برحسب ترتیب میزان همبستگی مولفه‌های سیستم بیان گردیده است.}, keywords_fa = {ترتیب هسیان,مخروط محدب,ترتیب همبستگی,ترتیب زیان بس,سیستم موازی,سیستم سری}, url = {https://jamm.scu.ac.ir/article_16795.html}, eprint = {https://jamm.scu.ac.ir/article_16795_f54afeb6a45c962e61f1a19c6bfb3d53.pdf} } @article { author = {Afzalinejad, Mohammad}, title = {Evaluating the efficiency of two-stage systems under Stackelberg game and imprecise data conditions}, journal = {Journal of Advanced Mathematical Modeling}, volume = {11}, number = {2}, pages = {339-354}, year = {2021}, publisher = {Shahid Chamran University of Ahvaz}, issn = {2251-8088}, eissn = {2645-6141}, doi = {10.22055/jamm.2021.35837.1879}, abstract = {Many production processes have a two-stage structure in which production takes place through two stages with separate inputs and outputs for each stage. In these production systems, some outputs of the first stage form inputs for the second stage. These factors are called intermediate data. Since in many practical situations, data is not deterministic and is given in interval form, the efficiency evaluation under interval data is very important. In this paper, some data envelopment analysis models are proposed to evaluate the performance of two-stage systems with interval data and Stackelberg game tradeoff between the stages. By exploiting the mathematical properties of the models, some simplifications are provided to determine the interval efficiency of each stage. For optimistic and pessimistic scenarios, it is shown that the upper and lower bounds of efficiency scores are obtain at the upper/lower bounds of all data except the intermediate data. Using a numerical example, the application of the model and analysis of the results are described.}, keywords = {Data envelopment analysis,Two-stage system,Leader-follower model,Interval data,Efficiency bounds,Network}, title_fa = {ارزیابی کارایی ساختارهای دومرحله‌ای تحت شرایط رقابتی استکلبرگ و عدم قطعیت داده‌ها}, abstract_fa = {بسیاری از فرایندهای تولید، دارای ساختاری دومرحله‌ای‌اند و عملیات تولید، طی دو مرحله صورت می‌گیرد که هر مرحله دارای ورودی‌ها و خروجی‌های جداگانه است. در چنین ساختارهایی، بخشی از خروجی‌های مرحله اول، ورودی‌های مرحله دوم را شکل می‌دهند. این خروجی‌ها، داده‌های میانی نامیده می‎‌شوند. از آنجا که در بسیاری از مسائل عملی، داده‌ها قطعی نبوده و به‌صورت بازه‌ای در دسترس‌اند ارزیابی کارایی تحت شرایط عدم قطعیت از اهمیت زیادی برخوردار است. در این مقاله، مدل‌های تحلیل پوششی داده‌ها برای بیان و ارزیابی کارایی ساختارهای دومرحله‌ای با داده‌های بازه‌ای و شرایط رقابتی استکلبرگ بین مراحل ارائه می‌شوند. با بهره‌گیری از ویژگی‌ها و روابط ریاضی، حل مدل‌ها ساده شده و نمایش اندازه کارایی به‌صورت یک عدد بازه‌ای فراهم می‌شود. ثابت می‌کنیم که کران‌های کارایی هر مرحله برای همه داده‌ها بجز داده‌های میانی، در یکی از کران‌های بالا یا پایین بازه رخ می‌دهد. با استفاده از یک مثال عددی، نحوه به‌کارگیری، حل و تحلیل نتایج مدل‌های پیشنهادی تحت سناریوهای خوش‌بینانه و بدبینانه مورد بحث قرار می‌گیرد.}, keywords_fa = {تحلیل پوششی داده‌ها,ساختار دومرحله‌ای,مدل پیشرو-پیرو,داده‌های بازه‌ای,کران‌های کارایی,شبکه}, url = {https://jamm.scu.ac.ir/article_16796.html}, eprint = {https://jamm.scu.ac.ir/article_16796_21203756cf8fea7b6da269f9a23e6bea.pdf} } @article { author = {Aliyan, Amir and Estaremi, Yousef and Ebadian, Ali}, title = {Investigation of some properties of weighted conditional expectation operators}, journal = {Journal of Advanced Mathematical Modeling}, volume = {11}, number = {2}, pages = {355-364}, year = {2021}, publisher = {Shahid Chamran University of Ahvaz}, issn = {2251-8088}, eissn = {2645-6141}, doi = {10.22055/jamm.2021.36045.1887}, abstract = {In this paper, we estimate the essential norm of weighted conditional expectation operators on Bergman spaces by means of related Carleson measures. As a consequence, we get an equivalence condition for compactness of these operators And we will mention an example. Our results extend similar results that were proven for multiplication operators on Bergman spaces.}, keywords = {conditional Carleson measure,Bergman space,Conditional expectation,Essential norm}, title_fa = {بررسی ویژگی‌هایی از عملگر‌های امید شرطی وزن‌دار}, abstract_fa = {در این مقاله، ما با استفاده از روش‌های کارلسون، نرم اساسی عملگرهای امید شرطی وزن‌دار را در فضاهای برگمن تخمین می‌زنیم. به‌عنوان یک نتیجه، ما برای فشردگی این عملگرها یک شرط هم ارزی بدست می‌آوریم. نتایج ما، نتایج مشابهی را که برای عملگرهای ضربی در فضاهای برگمن حاصل‌شده است، گسترش می‌دهد.}, keywords_fa = {اندازه کارلسون شرطی,فضای برگمن,امید شرطی,نرم اساسی}, url = {https://jamm.scu.ac.ir/article_16797.html}, eprint = {https://jamm.scu.ac.ir/article_16797_0fae5f16a757e15e4ffcf78522e6213b.pdf} } @article { author = {Shadrokh, Ali and Khadembashiri, Zahra and Yarmohammadi, Masoud}, title = {Regression Modeling Via T-Lasso Bayesian Method}, journal = {Journal of Advanced Mathematical Modeling}, volume = {11}, number = {2}, pages = {365-381}, year = {2021}, publisher = {Shahid Chamran University of Ahvaz}, issn = {2251-8088}, eissn = {2645-6141}, doi = {10.22055/jamm.2021.35112.1859}, abstract = {Choosing the optimal model is one of the important issues in regression models. The purpose of optimal model selection methods in regression models is to determine important explanatory variables and negligible variables and to express the relationship between response variable and explanatory variables more simply. Due to the limitations of classical variable selection processes such as stepwise selection, penalized regression methods can be used. One of the penalized regression models is Lasso regression in which the errors are assumed to follow a normal distribution. For statistical analysis of the data set in the presence of outlier observations, the student’s t distribution for error can be used and robust estimators can be provided. In this article, a variable selection method called Bayesian T-Lasso regression model is proposed based on Lasso Bayesian regression model in the presence of outlier observations in the data. The Bayesian T-Lasso regression model is presented with two different representations of the Laplace density function for the regression model coefficients, At the first the Laplace density function is represented as a scale mixture of normal distribution and then a scale mixture of uniform distribution. We demonstrate the utility of our Bayesian T-Lasso regression using simulation methods and real data analysis.}, keywords = {Bayesian Lasso Regression,Penalized regression,Scale Mixture of uniform,Gibbs Sampling Algorithm,variable selection}, title_fa = {مدل‌سازی رگرسیونی به روش تی لاسو بیزی}, abstract_fa = {انتخاب مدل بهینه یکی از بحث‌های مهم در مدل‌های رگرسیونی است. هدف روش‌های انتخاب مدل بهینه در مدل‌های رگرسیونی این است که متغیرهای توضیحی مهم و متغیرهای قابل اغماض را تعیین نموده و رابطه‌ی بین متغیر پاسخ و متغیرهای توضیحی را به‌طور ساده‌تر بیان کند. با توجه به محدودیت‌های فرآیندهای کلاسیک انتخاب متغیر از قبیل انتخاب گام به گام، می‌توان از روش‌های رگرسیون تاوانیده استفاده کرد. یکی از مدل‌های رگرسیون تاوانیده، رگرسیون لاسو است که در آن فرض می‌شود خطاها از توزیع نرمال پیروی می‌کنند. برای تحلیل آماری مجموعه داده‌ها در حضور مشاهدات دورافتاده، می‌توان به جای توزیع نرمال از توزیع t-استیودنت برای خطا استفاده کرد. در این مقاله، روش انتخاب متغیری تحت عنوان مدل رگرسیون تی لاسو بیزی برای تحلیل داده‌ها در حضور مشاهدات دورافتاده، پیشنهاد می‌دهیم. مدل رگرسیون تی لاسو بیزی با دو نمایش متفاوت از تابع چگالی پیشین لاپلاس برای ضرایب مدل رگرسیونی مورد بررسی قرار می‌گیرد، به این صورت که ابتدا تابع چگالی لاپلاس به صورت توزیع آمیخته-مقیاس نرمال و سپس به صورت توزیع آمیخته‌-مقیاس یکنواخت نمایش داده می‌شود. سپس با استفاده از روش‌های شبیه‌سازی و تحلیل داده‌های‌ واقعی، ارجحیت روش رگرسیون تی لاسو بیزی با نمایش تابع چگالی لاپلاس به صورت آمیخته‌-مقیاس یکنواخت نسبت به نمایش آمیخته-مقیاس نرمال نشان داده می‌شود.}, keywords_fa = {رگرسیون لاسو بیزی,رگرسیون تاوانیده,نمایش آمیخته- مقیاس یکنواخت,الگوریتم گیبز,انتخاب متغیر}, url = {https://jamm.scu.ac.ir/article_16849.html}, eprint = {https://jamm.scu.ac.ir/article_16849_86e618a502854202a598a1d5cdbf0396.pdf} } @article { author = {Naghibi, Forough and Alavi, Sayed Mohammad Reza and Chinipardaz, Rahim}, title = {Skew multimodal normal distribution}, journal = {Journal of Advanced Mathematical Modeling}, volume = {11}, number = {2}, pages = {382-399}, year = {2021}, publisher = {Shahid Chamran University of Ahvaz}, issn = {2251-8088}, eissn = {2645-6141}, doi = {10.22055/jamm.2021.35652.1873}, abstract = {In this paper the multimodal normal distribution is introduced. This distribution is a generalization of the standard normal distribution and covers the symmetric distributions with up to three modes. Then the skew multimodal normal distribution is introduced as a skewed-symmetric distribution generated by the standard normal distribution. Some properties of this distribution are investigated. Data generation methods from this distribution are proposed and its location and scale distribution is introduced. The maximum likelihood estimates of the parameters are studied and evaluated using simulations. The famous geyser dataset is fitted to this distribution and compared with several competing distributions.}, keywords = {skew normal,multimodal,geyser data,Estimation}, title_fa = {توزیع چوله نرمال چندمدی}, abstract_fa = {در این مقاله ابتدا توزیع نرمال چندمدی که تعمیمی از توزیع نرمال است و توزیع‌های متقارن یک مدی، دومدی و سه مدی راپوشش می‌دهد، معرفی می‌شود و سپس توزیع چوله نرمال چند مدی به‌عنوان یک توزیع چوله- متقارن که بوسیله تابع توزیع نرمال استاندارد تولید می‌شود، معرفی و خواصی از این توزیع بررسی می‌شود. روش-های تولید داده از این توزیع مطرح شده و توزیع مکانی و مقیاسی آن معرفی می‌شود. برآورد پارامترها به روش ماکسیمم درستنمایی با توجه به خواص مجانبی آنها محاسبه و با استفاده از شبیه سازی برآوردها ارزیابی می‌شوند. مجموعه داده‌های معروف آبفشان به این توزیع برازش داده می‌شود و با استفاده از معیارهای آکائیک، آکائیک تعمیم یافته و معیار بیزی شوارتزبا چند توزیع رقیب مقایسه می‌گردند.}, keywords_fa = {چوله نرمال,چند مدی,داده‌های آبفشان,برآورد}, url = {https://jamm.scu.ac.ir/article_16850.html}, eprint = {https://jamm.scu.ac.ir/article_16850_2a4612de797b39598ca66140ecc53975.pdf} }