مقاله ارزیابی اثر مدیریت دانش در خلق استراتژی رقابتی تمایز از مجرای زنجیره ارزش فعالیت‌های سازمان

اختصاصی از فی موو مقاله ارزیابی اثر مدیریت دانش در خلق استراتژی رقابتی تمایز از مجرای زنجیره ارزش فعالیت‌های سازمان دانلود با لینک مستقیم و پر سرعت .

ارزیابی اثر مدیریت دانش در خلق استراتژی رقابتی تمایز از مجرای زنجیره ارزش فعالیت‌های سازمان

چکیده

هدف تحقیق ارزیابی اثر مدیریت دانش در خلق استراتژی رقابتی تمایز از مجرای زنجیره ارزش فعالیت‌های سازمانی است. این مقاله بر اساس یافته‌های تحقیق میدانی در شرکت‌های فعال در زمینه صنعت نرم افزار شکل گرفته است. برای تدوین چارچوب نظری مدل تحقیق ادبیات و پیشینه تحقیق بررسی و مدل زنجیره ارزش فعالیت‌های سازمان مبنای ارزیابی اثر مدیریت دانش بر فرآیندهای سازمانی قرار گرفت. در این تحقیق پس از انجام مطالعات کتابخانه ای و اجرای مصاحبه‌های اکتشافی، مؤلفه‌های اثرگذار مدیریت دانش بر بخش‌های مختلف سازمانی استخراج؛ و از طریق تحقیق زمینه یابی و ابزار پرسش‌نامه مورد ارزیابی قرار گرفتند. سپس با استفاده از پرسش‌نامه هر کدام از مؤلفه‌های تحقیق مانند فرآیندهای مدیریت دانش، نوآوری(فردی ،گروهی و سازمانی)، مهارت‌های تخصصی کارکنان و رضایت مشتریان مورد سنجش قرار گرفتند. از مدل معادلات ساختاری و نرم افزاریLISREL جهت بررسی روابط میان مؤلفه‌ها استفاده شد و در پایان صحت روابط مؤلفه‌ها در مدل مفهومی مورد تأیید قرار گرفت.

واژه‌های کلیدی : مدیریت دانش، استراتژی رقابتی تمایز،زنجیره ارزش فعالیت‌های سازمان،نوآوری، توسعه مهارت‌های تخصصی کارکنان و رضایت مشتریان از خدمات.

دانلود مقاله ISI تمایز الگوریتم الحاقی GPU شتاب

اختصاصی از فی موو دانلود مقاله ISI تمایز الگوریتم الحاقی GPU شتاب دانلود با لینک مستقیم و پر سرعت .

موضوع فارسی :تمایز الگوریتم الحاقی GPU شتاب

موضوع انگلیسی :GPU-accelerated adjoint algorithmic differentiation

تعداد صفحه :12

فرمت فایل :PDF

سال انتشار :2016

زبان مقاله : انگلیسی

چکیده
بسیاری از مسائل علمی مانند آموزش طبقه بندی و یا بازسازی تصاویر پزشکی را می توان بیان
به عنوان حداقل رساندن مشتقپذیر توابع هزینه واقعی ارزش و حل مبتنی بر گرادیان تکراری
مواد و روش ها. الحاقی تمایز الگوریتم (AAD) را قادر می سازد محاسبه شیب چنین خودکار
توابع هزینه به عنوان برنامه های کامپیوتری اجرا شده است. به backpropagate مشتقات الحاقی، بیش از حد
حافظه به طور بالقوه مورد نیاز برای ذخیره مشتقات جزئی میانی در یک ساختار داده اختصاص داده شده،
به عنوان '' نوار '' نامیده می شود. موازی مشکل است زیرا موضوعات نیاز به همگام سازی دسترسی خود
در طول مداخله و پس انتشار خطا. این وضعیت برای معماری بسیاری از هسته تشدید، مانند
واحد پردازش گرافیکی (GPU ها)، به دلیل تعداد زیادی از موضوعات سبک وزن و محدود
اندازه حافظه به طور کلی و همچنین هر موضوع. ما نشان دهد که چگونه این محدودیت ها می توان اگر واسطه
تابع هزینه است با استفاده از عملیات بردار و ماتریس GPU شتاب که به رسمیت شناخته شده بیان
توابع به عنوان ذاتی توسط نرم افزار AAD ما است. ما این رویکرد در مقایسه با ساده و بی تکلف و برداری
پیاده سازی شده برای پردازنده است. ما با استفاده از چهار توابع هزینه به طور فزاینده پیچیده برای ارزیابی عملکرد
با توجه به مصرف حافظه و زمان انجام محاسبات شیب. با استفاده از vectorization، CPU و GPU
مصرف حافظه می تواند قابل ملاحظه نسبت به اجرای ساده و بی تکلف مرجع کاهش می یابد، در
برخی از موارد حتی منظور از پیچیدگی است. vectorization استفاده از اجازه از کتابخانه های موازی، بهینه
در طول جلو و عقب پاس که در تند بالا برای نسخه CPU برداری منجر
نسبت به اجرای مرجع ساده و بی تکلف. نسخه GPU به دست آورد تسریع اضافی از
7.5 ± 4.4، نشان دادن که قدرت پردازش GPU های را می توان برای AAD استفاده از این مفهوم استفاده شده است.
علاوه بر این، ما نشان می دهد که چگونه این نرم افزار می توان به طور سیستماتیک برای مشکلات پیچیده تر گسترش
مانند بازسازی جذب غیرخطی توموگرافی-فلورسانس واسطه