طراحي سامانه تخمين تراز آزمون با استفاده از سيستم استنتاج عصبي فازي تطبيقي

Designing a system for estimating exam level using the adaptive neuro-fuzzy inference system

با شدت گرفتن رقابت در كنكورهاي تحصيلات تكميلي، علاوه بر تلاش دانشجويان، قدرت پيش‌بيني آينده بر اساس وضعيت موجود هر دانشجو اهميت قابل توجهي در مسيريابي تحصيلي آنان پيدا كرده است. با توجه به سابقه طولاني كنكورهاي تحصيلات تكميلي در كشور و همچنين وجود حجم قابل توجهي از شركت‌كنندگان مي‌توان به يك مجموعه غني از داده‌هاي متناسب تخمين براي هر رشته امتحاني دست يافت. لذا با بهره‌گيري از حجم قابل توجه داده‌هاي پيشين مي‌توان وضعيت نهايي هر دانشجو بر اساس آزمون‌هاي قبلي را تخمين زد و رتبه و تراز او را برازش نمود. در اين پژوهش با استفاده از داده‌هاي مربوط به دانشجويان حاضر در آزمون كارشناسي ارشد رشته مديريت صنعتي در سال ۱۳۹۵، يك سامانه تخمين رتبه طراحي شده است. در سامانه‌هاي معمول از روش‌هايي نظير درون‌يابي يا رگرسيون يا ساير روش‌هاي ابتدايي بهره گرفته مي‌شود اما در اين پژوهش از يك سامانه تركيبي عصبي - فازي استفاده شده است تا غناي تصميم‌گيري و حداقل‌سازي خطاي نهايي برازش با دقت بيشتري دنبال گردد. روش مورد استفاده سيستم استنتاج عصبي فازي تطبيقي (ANFIS) است كه بر اساس برازش داده‌هاي مورد نظر صورت مي‌گيرد. با استفاده از اين سامانه، مي‌توان وضعيت دانشجو را با توجه به آزمون سال مورد نظر تخمين زده و شركت او در كنكور كارشناسي ارشد را شبيه‌سازي نمود.

With the intensification of competition in graduate entrance exam, in addition to the efforts of students, the power of predicting the future based on the current status of each student has had vital importance in their academic routing. Achieving a set of relevant data for estimating each exam field is possible with considering the long history of graduate entrance exam in the country and also significant volume of participants. So we can estimate the final status of each student based on previous tests and fit his or her exam level with using the significant amount of previous data. In this research, using the data of the students who were at the master s industrial management entrance exam in 2016, a system that estimates the level is designed. In conventional systems, methods such as interpolation or regression or other primitive methods is used but in this research a neuro fuzzy system is used to pursue the richness of decision making and minimizing the final error of fitting with greater accuracy. Adaptive Neuro-fuzzy Inference System (ANFIS) which based on the fitting of the data is used.Using this system, you can estimate the student s situation according to the test of the selected year and simulate his company in the master s entrance exam.