استفاده از آخرین دستاوردهای علمی در راستای توزیع سبز برای عرضه کالای شبز

بر اساس نتایج به دست آمده از فرضیه ۲ پژوهش پیشنهاد می­ شود:
افزایش کانال­های تبلیغات دهان به دهان برند بیستون با بهره گرفتن از راهکارهای زیر:
فراهم کردن امکان تبلیغات دهان به دهان برای مصرف کنندگان به شیوه­ هایی مانند کامنت یا ارائه نظر در وب سایت شرکت
ارائه تبلیغات آگاه کننده از طریق کاتالوگ و بنرهای خیابانی
انتشار تبلیغات دهان به دهان از طریق نصب تابلوها در فروشگاه­ها
انتشار تبلیغات دهان به دهان از طریق سیستم پیام کوتاه(پیامک).
استفاده از منابع معتبر برای تبلیغات دهان به دهان با راهکارهای زیر:
استفاده از رهبران عقیده مشهور و صاحب نفوذ برای تبلیغات برند بیستون
مدیریت و هدایت جریان انتشار تبلیغات دهان به دهان در فروشگاه­های بزرگ و سوپرمارکت­ها
برگزاری قرعه کشی در میان مشتریان و اهدا محصولات رایگان به مشتریان برنده
ثبت اطلاعات مشتریان و مطلع نمودن آن­ها از محصولات جدید
با توجه به فرضیات سوم تا ششم که محصول، قیمت، ترفیع و توزیع سبز از طریق تبلیغات دهان به دهان باعث افزایش ارزش برند شرکت می­شوند موارد زیر پیشنهاد می­ شود:
از مشتریان در خصوص قیمت­ها نظر خواهی و در صورت امکان اصلاح شود
کیفیت ارئه خدمات محصول سبز بر اساس نظرات مشتریان تغییر یابد
در صورت امکان تخفیفات با نظر مشتریان اجرا شود.
استفاده بیشتر از تبلیغات آگاهی دهند تلویزیونی و ترفیع محصول سبز
استفاده از رهنمودهای ایزو ۱۴۰۰۰ و ایزوهای زیست محیطی دیگر
توجه ویژه به اهمیت و مسائل زیست محیطی و بیان اقدامات و فعالیت­های که در راستای حفاظت از محیط زیست و کاهش تاثیرات منفی بر روی آن انجام داده­اند به اطلاع مصرف کنندگان برسانند.
استفاده از ناوگان حمل و نقل مدرن و دوستار محیط زیست در توزیع محصولات
بیلبوردهای تبلیغاتی، بروشورها و تامین کننده­ها می ­تواند ابزار موثری در ایجاد ارزش ویژه برند باشند. یکی از مهم­ترین کانال­های ارتباطی که تحت کنترل غیر مستقیم شرکت قرار دارد ارتباطات دهان به دهان است که شرکت با برنامه ریزی صحیح و سرمایه گذاری برای ایجاد رضایت مشتریان می ­تواند در ایجاد تبلیغات دهان به دهان مثبت نقش زیادی داشته باشد.
۵-۴ پیشنهادات برای تحقیقات آتی
محققین آینده می­توانند به مقایسه مدل ساختاری تحقیق حاضر در سایر سازمان­ها به منظور بررسی نقاط ضعف و قوت آن تا بدین طریق گامی در جهت بهبود یا اصلاح مدل برای دسیابی به یک مدل مناسب با بافت جامعه بومی دست یابند.
بررسی اثرات ابعاد هر یک از آمیخته بازاریابی سبز بطور جداگانه بر ارزش ویژه برند با در نظر گرفتن متغیرهای میانجی دیگر
در تحقیقات آتی جمع­آوری اطلاعات مورد نظر به صورت سری زمانی باشد، نه از یک مقطع زمانی تا نتایج بهتری حاصل شود.
رتبه بندی ابعاد آمیخته بازاریابی سبز بر ارزش ویژه برند
بررسی و سنجش این موضوع در دیگر حوزه ­های کسب­وکار
بررسی سنجش این موضوع از دیدگاه خریداران عمده(خرده نمایندگی­ها خرید و عاملین فروش)
۵-۵ موانع پژوهش
پژوهش حاضر با مانع خاصی روبرو نبوده و آنچه دیده شده است از جمله موانع ذاتی است که در تمام پژوهش هایی که صورت می­گیرد وجود دارد، مجموعه شرایط و موانعی که خارج از کنترل محقق می­باشد ولی بطور بالقوه می ­تواند نتایج تحقیق را تحت تأثیر قرار دهد که از آن جمله می­توان به عدم همکاری برخی پاسخ دهندگان جهت قراردادن اطلاعات در اختیار پژوهشگر، و عدم پاسخگویی یا مطالعه دقیق سؤالات پرسش­نامه به طور کامل و یا عدم برگشت تعدادی از آن ها اشاره نمود که منجر به تحلیلی غیر واقع بینانه از وضعیت موجود شرکت­ها خواهد شد.
۵-۶ خلاصه فصل
این فصل از پژوهش، به نتیجه گیری و پیشنهادات اختصاص یافته بود. ابتدا نتایج به دست آمده برای هر یک از فرضیه ­ها تشریح شد و نتایج حاصل از تحلیل مسیر حاکی از این بود هر ۶ فرضیه مورد تأیید قرار گرفت. محدودیت­های تحقیق مورد کنکاش قرار گرفت و در نهایت با پیشنهاداتی در جهت بهبود آمیخته بازاریابی سبز و تبلیغات دهان به دهان و ارزش ویژه برند شرکت لبنی بیستون و همچنین پیشنهاداتی برای تحقیقات آتی ارائه شد.
منابع و ماخذ
منابع فارسی :
الوانی، سید مهدی و قاسمی، احمدرضا. (۱۳۷۷). مدیریت و مسئولیت­های اجتماعی سازمان، تهران، مرکز آموزش مدیریت دولتی.
آشتیانی، غفار پیمان. (۱۳۸۴). تبلیغات شفاهی پارادایم هزاره سوم، ماهنامه تدبیر، شماره ۱۶۶٫
باغبان، علی و موسوی، سیدعباس. (۱۳۸۳). “ارزش نام تجاری “،ماهنامه تدبیر، شماره ۱۴۹، مهرماه ۱۳۸۳، ص۱٫
بلوریان تهرانی، م. (۱۳۷۶). بازاریابی و مدیریت بازار، تهران، موسسه مطالعات و پژوهش­های بازرگانی، چاپ اول.
پایگاه اینترنتی مجله برند www.brandmagazine.ir
تقی­زاده، سحر. (۱۳۹۰). رابطه بین ابعاد ارزش ویژه برند و نیات رفتاری مشتریان(مورد بیمه ایران). پایان نامه کارشناسی ارشد دانشگاه تهران، دانشکده مدیریت.
جلیلوند، م. و ابراهیمی، ا. (۱۳۹۰). تؤثیر ارتباطات دهان به دهان بر خرید خودروهای داخلی(مطالعه موردی خودروی سمن شرکت ایران خودرو)، نشریه مدیریت بازرگانی، ۳(۹)، صص ۷۰-۵۷٫
حافظ نیا، محمدرضا. (۱۳۸۳). مقدمه­ای بر روش تحقیق در علوم انسانی. تهران: سمت.
حکیم آرا، محمدعلی. (۱۳۸۴). ارتباطات متقاعدگرانه و تبلیغ، تهران:
سازمان مطالعات کتب علوم انسانی، سمت.
خورشیدی، غ. و مقدمی، ص. (۱۳۸۲). تبیین مفهوم بازاریابی اجتماعی، فصلنامه پژوهشنامه بازارگانی، شماره ۲۸، ۱۶۳-۱۴۱٫
خاکی، غلامرضا. (۱۳۸۸). روش تحقیق با رویکرد به پایان نامه نویسی، تهران: انتشارات بازتاب.
داودی، علی. (۱۳۸۹). ارائه مدلی برای اندازه ­گیری تداعی­های برند در صنایع مختلف، پایان نامه کارشناسی ارشد، دانشگاه تهران.
دعایی، حسن؛ فتحی، ع. و شیخیان، ع (۱۳۸۵). بازاریابی سبز راهی به سوی رقابت پایدار، تدبیر، شماره ۱۷۳، ۲۰-۲۵٫
رادمهر، ر.، رضائی دولت آبادی، ح. و شالی کار، م. (۱۳۹۰). بررسی تبلیغات دهان به دهان الکترونیکی در مدیریت گردشگری، اولین همایش بین المللی مدیریت گردشگری و توسعه پایدار.
رنجبر، ب. (۱۳۸۹). بررسی تاثیر ارزش­های محیطی و سبک زندگی به عنوان عوامل تعیین کننده رفتار الکولوژیک مصرف کننده، پایان نامه کارشناسی ارشد، دانشگاه ازاد اسلامی واحد قزوین.
روستا، ا. (۱۳۸۷). همایش رویکردهای نوین موفقیت پایدار در سازمان، تدبیر، شماره ۲۰۲، ۷۶-۸۳٫
سنجری، احمدرضا. (۱۳۸۸). روش­های تحقیق در مدیریت. تهران: مهرگان قلم.
سرمد، زهره و بازرگان، عباس و حجازی، الهه. (۱۳۹۰). روش­های تحقیق در علوم رفتاری، تهران: آگاه.

بعد از هیدرولیز اسیدی مقدار کل قندها ۳۷/۱۹ بود در صورتیکه قندهای قابل تخمیر ۱۵/۱۸ می‌باشد. (بر اساس ۳۶/۰ قندهای آزادشده در هر گرم ppw خشک شده خام). نشاسته هیدرولیز شده پوست سیب‌زمینی چه حاصل از هیدرولیز آنزیمی و چه هیدرولیز اسیدی به مدت ۴۸ ساعت با ساکارومایسس سروزیه واریه بایانوس تحت شرایط استاندارد (rpm100، ۳۲و ۵) در ارلن مایر ۲۵۰ میلی‌لیتری با تله تخمیر قرار می‌گیرد. مایع تلقیح ۶٪ (V/V) و به مدت ۲ روز تخمیر ادامه داشت. در پایان تخمیر قند کل ۳۴/۴ و قند کاهنده قابل تخمیر ۰۶/۴ بود. بنابراین مقدار قند کاهنده قابل مصرف ۰۸/۱۴ و PH نهایی در آخر تخمیر ۸۹/۳ بود.

شکل ۴-۲ نمودار تولید اتانول برحسب گرم بر لیتر، از قندهای قابل تخمیر حاصل از هیدرولیز اسیدی ضایعات پوست سیب‌زمینی را نشان می‌دهد. بیشترین میزان تولید اتانول ۹۷/۶ بعد از ۴۸ ساعت تخمیر بوده است و تا ۶۰ ساعت یک میزان ثابت در تولید مشاهده شده است و پس از آن میزان تولید کاهش می‌یابد. بازده تولید (گرم محصول تولیدی به گرم قند مصرفی) ۴۶۳/۰ درصد بوده است. این نتایج با۶/۹۲ درصد بازده نظری بدست آمده مطابقت داشت (وقتی سوبسترا گلوکز خالص بوده است) (براین، ۱۹۹۰).
۴-۱-۴- هیدرولیز آنزیمی
درجه هیدرولیز نشاسته طبیعی ضایعات پوست سیب‌زمینی به فاکتورهایی مانند غلظت سوبسترا، نوع و غلظت آنزیم استفاده شده و شرایط فرایند مانند pH و دما و … وابسته می‌باشد.
در وحله‌ی اول توانایی هر آنزیم برای تجزیه کربوهیدراتهای ضایعات پوست سیب‌زمینی (قندهای احیاء قابل تخمیر) امتحان شده بود.
استفاده از ۶۵/۴ Ternamyl، ۰۳/۴ Liquozyme و فقط ۷/۰ Viscozyme قندهای قابل احیاء آزاد کرده بود.
Ternamylو Liquozyme آنزیم‌هایی برای روان سازی آنزیمی نشاسته و Viscozyme آنزیمی برای ساکاریفیکاسیون می‌باشد.
Viscozyme L یک آنزیم کمپلکس از Aspergillus aculeatus می‌باشد. فعالیت این آنزیم FBGU/ml ^[۶۰] ۱۲۰ می‌باشد. یک FBG مقدار آنزیم لازم تحت شرایط استاندارد ( ۳۰، PH برابر ۵ و به مدت ۳۰دقیقه) برای تجزیه -گلوکان جو به قندهای احیاء با یک قدرت احیاءکنندگی برابر با ۱میکرومول گلوکز در دقیقه می‌باشد.
)
زمان (ساعت)
شکل۴-۲: نمودار تولید اتانول برحسب گرم بر لیتر از قندهای قابل تخمیر حاصل از هیدرولیز اسیدی پوست سیب‌زمینی
Ternamyl 120L یک آمیلاز مقاوم به حرارت حاصل از B.licheniformis می‌باشد. فعالیت آنزیمی آن۱۲۰KNU/g بود. KNU ^[۶۱] مقدار آنزیم لازم برای شکستن ۲۶/۵ گرم نشاسته در ساعت مطابق با روش Novozyme برای تعیین آمیلاز می‌باشد.
Liquzyme supra نیز یک آمیلاز مقاوم به حرارت حاصل از B.licheniformis می‌باشد. فعالیت آنزیمی آن KNU/g 200می‌باشد.
Celluclast 1/5L یک مایع سلولاز تهیه شده با فعالیت آنزیمی NCU/g 1500 می‌باشد. یک NCU^[62] مقدار آنزیمی است که تحت شرایط استاندارد کربوکسی‌متیل سلولز را به قندهای احیاء با یک قدرت احیاءکنندگی برابر با یک میکرومول گلوکز در هر دقیقه تبدیل می‌کند. Celluclast توسط تخمیر یک گونه Trichoderma reesi حاصل می‌شود.
برای هیدرولیز آنزیمی ۲ گرم پوست سیب‌زمینی با آب ۱۰۰ میلی‌لیتر اب مقطر مخلوط شده بود. مخلوط حاصل در ۲ یا ۳ مرحله تحت آنزیم قرار گرفته بود.
مرحله‌ی اول روان‌سازی آنزیمی می‌باشد که یا تحت Ternamyl 120L تحت دمای ۸۵درجه ‌سانتی‌گراد و pH برابر ۶ به مدت ۱ ساعت و یا Liquozyme supra تحت دمای ۵۵ درجه و pH برابر ۵/۵ و زمان واکنش ۲۰ ساعت قرار گرفته بود.
مرحله‌ی دوم ساکاریفیکاسیون می‌باشد که Viscozyme تحت دمای ۴۴درجه سانتی‌گراد و pH برابر ۶/۴ به مدت ۵/۲ ساعت اعمال شده بود و یک مرحله‌ی اضافی با Celluclast تحت دمای ۵۰ درجه‌ سانتی‌گراد و pH برابر ۵ به مدت ۲ ساعت جهت تجزیه سلولز اعمال شده بود. در پایان هر مرحله آنزیم‌ها در حمام بخار تحت دمای ۹۵ درجه سانتی‌گراد و pH برابر ۶/۴ و به مدت ۱۰ دقیقه غیر فعال می‌شدند.
نتایج نشان داد که مرحله ساکاریفیکاسیون به تنهایی ناکافی است و یک مرحله ابتدایی روان سازی آنزیمی لازم بوده است. بر اساس این نتایج استفاده از ترکیب آنزیم‌ها برای هیدرولیز موثر لازم و ضروری است.
جدول۴-۲ قندهای احیاء آزادشده بعد از هیدرولیز آنزیمی، بقیه قندهای احیاء بعد از تخمیر توسط ساکارومایسس سروزیه واریه بایانوس بعلاوه قندهای مصرف‌شده در تخمیر را نشان می‌دهد.
به دلیل آزاد سازی کمتر قندهای احیاء و زمان واکنش بیشتر (۲۰ساعت) استفاده از liquozyme به جهت روان سازی آنزیمی نشاسته پذیرفته نشده بود و از طرف دیگر Ternamyl به جهت هیدرولیز بالا قندهای احیاء و زمان واکنش کمتر انتخاب شده بود (۱ ساعت). نتایج نشان داد که غلظت زیاد آنزیم منجر به میزان بالای قندهای قابل احیاء می‌شود. بدیهی است که تبدیل‌های مشابه را با غلظت کمتر آنزیم می‌توان بدست آورد، اگرچه نیاز به زمان طولانی دارد. قرار گرفتن در معرض طولانی آنزیم با دمای بالا (۸۵ درجه سانتی‌گراد برای Ternamyl) برای ژلاتینه شدن گرانول‌های نشاسته لازم و ضروری است، که نایل شدن به طرز عمل و کارکرد خوب آنزیمی، ممکن است منجر به غیر فعال شدن مقدار ناچیز آنزیم گردد (موجوویک و همکاران، ۲۰۰۶). از طرف دیگر، تیمارضایعات پوست سیب‌زمینی با Celluclast به طور قابل توجهی آزاد سازی قندهای احیاء را افزایش می‌دهد(۰۵/۰>p) که علت آن تجزیه سلولز اضافی می‌باشد. افزایش غلظت Celluclast از ۱ درصد به۲ درصد، افزایش قابل ملاحظه‌ایی در میزان قندهای احیاء مشاهده نمی‌شود.
با بهره گرفتن از این ترکیب در انتهای فعالیت تخمیر مقدار قند کاهش یافته برابر ۹۳/۱ بدست می‌آید. بنابراین مقدار قند مصرف شده ۵/۱۶ است (جدول ۴-۲). در تمام مشاهدات مقدار قند غیر قابل تخمیر بسیار ناچیز بوده و مقدار قند مصرفی در طول تخمیر بسیار زیاد و نزدیک به ۸۹ درصد بوده است. با توجه به توانایی ساکارومایسس سروزیه واریته بایانوس در تبدیل زیستی قند کاهنده.
جدول ۴-۳ تولید اتانول، بازده تولید (Υ) و درصد بازده نظری تولید را با بهره گرفتن از ترکیب مختلف آنزیمی را نشان می‌دهد. در همه تیمارهای آنزیمی، بیشترین میزان اتانول (۶/۷-۰/۶) تولید می‌شود، به جزء ترکیب(b) که میزان تولید اتانول کم بوده است ( ۲/۴) .بازده تولید در همه موارد ۴۶/۰ بوده است و این میزان در همه موارد با بازده نظری ۹۱درصد مطابقت داشت. نتایج نشان داد که پارامترهای مهم و حساس تولید اتانول از زائدات پوست سیب‌زمینی، ترکیب آنزیمی، میزان(دوز) و مدت زمان هیدرولیز می‌باشد. بعد از روان‌سازی آنزیمی و ساکاریفیکاسیون، تخمیر توسط ساکارومایسس سروزیه قندها را به اتانول (بالاترین میزان تولید) تبدیل می‌کند.
معلوم است که هیدرولیز آنزیمی ضایعات پوست سیب‌زمینی، قندهای قابل تخمیر زیادی در مقایسه با هیدرولیز توسط اسید هیدروکلریک آزاد می‌کند. خصوصیت یا ویژگی ترکیب آنزیمی که بالاترین آزادسازی قندهای احیاء را داشت شامل ترکیب آنزیمی زیر می‌باشد:
Ternamyl0/24 KNU+ Viscozyme 12 FBGU+ Celluclast 1%
با این ترکیب‌آنزیمی، در پایان فرایند تخمیر قندهای احیاء ۹۳/۱ بود. از این رو قندهای مصرفی ۵۵/۱۶ بود. تولید اتانول ۵۸/۷ و با ماکزیمم بازده نظری ۶/۹۱ درصد مطابق بود.
نتایج ثابت کرد که ضایعات پوست‌ سیب‌زمینی یک محصول فرعی حاصل از صنایع سیب‌زمینی می‌تواند برای تولید اتانول به طور موثری مورد استفاده قرار بگیرد. این تکنیک می‌تواند در مقیاس وسیعتر در جهت تولید اقتصادی مورد استفاده قرار بگیرد و تحقیقات و بررسی‌ها در این جهت انجام بگیرد (آراپوگلووهمکاران،۲۰۱۰).
جدول ۴-۲: قندهای احیاء قابل تخمیر آزادشده بعد از هیدرولیز آنزیمی پوست‌ سیب‌زمینی تحت ترکیب آنزیمی مختلف، قند احیاء بعد از فرایند تخمیر و قند مصرفی در طول تخمیر

وظیفه شبکه‌های عصبی، یادگیری است. تقریباً چیزی شبیه یادگیری یک کودک خردسال. یادگیری در شبکه‌های عصبی رایج به شکل یادگیری تحت نظارت^[۵۵] است. نوع دیگر یادگیری یعنی یادگیری بدون نظارت^[۵۶] هم توسط شبکه‌های عصبی شبیه‌سازی شده است و کاربردهای کمتری دارد.

مفهوم شبکه

یکی از روش‌های کارآمد در حل مسائل پیچیده، شکستن آن به زیرمسئله‌های ساده‌تر است که هر کدام از این زیر بخش‌ها به نحو ساده‌تری قابل درک و توصیف باشند. در حقیقت یک شبکه، مجموع‌های از این ساختارهای ساده است که در کنار یکدیگر سیستم پیچیده نهایی را توصیف می‌کنند.
شبکه‌ها انواع مختلفی دارند امّا همگی آن‌ها از دو مؤلفه تشکیل می‌شوند:
مجموعه‌ای از گره‌ها؛
هر گره در حقیقت واحد محاسباتی شبکه است که ورودی‌ها را گرفته و بر روی آن پردازش انجام می‌دهد تا خروجی به دست آید. پردازش انجام شده توسط گره، می‌تواند از ساده‌ترین نوع پردازش‌ها نظیر جمع‌کردن ورودی‌ها تا پیچیده‌ترین محاسبات را شامل شود. در حالت خاص، یک گره می‌تواند خود، شامل یک شبکه دیگر باشد.
اتصالات بین گره‌ها؛
این اتصالات نحوه گذر اطلاعات بین گره‌ها را مشخص می‌کند. در حالت کلی اتصالات می‌توانند تک‌سویه^[۵۷] یا دوسویه^[۵۸] باشند. تعامل بین گره‌ها از طریق این اتصالات، سبب بروز یک رفتار کلی از سوی شبکه می‌گردد که چنین رفتاری به تنهایی در هیچ یک از اِلمان‌های شبکه دیده نمی‌شود. جامع بودن این رفتار کلی بر عملکرد موجود در هر گره، سبب تبدیل شبکه به یک ابزار توانمند می‌شود. به عبارت دیگر، مجموعه‌ای ساده‌ از اِلمان‌ها وقتی در قالب یک شبکه باشند می‌توانند رفتاری از خود بروز دهند که هیچ یک از آن اِلمان‌ها به تنهایی قادر به بروز چنین مشخصه‌ای نبود.

شبکه عصبی مصنوعی

آن‌چنان که بیان شد انواع مختلفی از شبکه‌ها وجود دارد. در این بین شبکه‌ای وجود دارد که گره را به عنوان یک نرون مصنوعی در نظر می‌گیرد. در اصطلاح، این چنین شبکه‌هایی را شبکه عصبی مصنوعی^[۵۹] یا به اختصار ANNمی‌نامند.
می‌توان یک نرون عصبی انسان و عملکرد آن را توسط مدل‌های ریاضی، مدل‌سازی کرد. شکل(۳-۱) ساختار یک نرون طبیعی را نشان می‌دهد.

شکل ‏۳‑ ۱ ساختار نرون طبیعی انسان
هر نرون طبیعی از سه قسمت اصلی تشکیل شده است :
بدنه سلول^[۶۰]؛
دندریت^[۶۱]؛
آکسون^[۶۲]؛
دندریت‌ها به عنوان مناطق دریافت سیگنال‌های الکتریکی، شبکه‌هایی تشکیل‌یافته از فیبرهای سلولی هستند که دارای سطح نامنظم و شاخه‌های انشعابی بی‌شمار می‌باشند. دندریت‌ها سیگنال‌های الکتریکی را به هسته سلول منتقل می‌کنند. بدنه سلول انرژی لازم را برای فعالیت نرون فراهم کرده و بر روی سیگنال‌های دریافتی عمل می‌کند، که با یک عمل ساده جمع و مقایسه با یک سطح آستانه مدل می‌گردد. آکسون بر خلاف دندریت‌ها از سطحی هموارتر و تعداد شاخه‌های کمتری برخوردار می‌باشد .آکسون طول بیشتری دارد و سیگنال‌های الکتروشیمیایی دریافتی از هسته سلول را به نرون‌های دیگر منتقل می‌کند. محل تلاقی یک آکسون از یک سلول به دندریت‌های سلول‌های دیگر را سیناپس می‌گویند .توسط سیناپس‌ها ارتباطات مابین نرون‌ها برقرار می‌شود. به فضای مابین آکسون و دندریت‌ها فضای سیناپسی گویند. در حقیقت دندریت‌ها به عنوان ورودی نرون و آکسون به عنوان خروجی و فضای سیناپسی محل اتصال این دو می‌باشد. زمانی که سیگنال عصبی از آکسون به نرون‌ها و یا عناصر دیگر بدن مثل ماهیچه‌ها می‌رسد، باعث تحریک آنها می‌شود. نرون‌ها از هر یک از اتصالات ورودی خود یک ولتاژ کم دریافت می‌کند(توسط سیگنال عصبی ورودی) و آنها را با هم جمع می‌زند .اگر این حاصل جمع به یک مقدار آستانه رسید اصطلاحاً نرون آتش می‌کند و روی آکسون خود یک ولتاژ خروجی ارسال می‌کند که این ولتاژ به دندریت‌هایی که به این آکسون متصلند رسیده و باعث یک سری فعل و انفعال‌های شیمیایی در اتصالات سیناپسی می‌شود و می‌تواند باعث آتش کردن نرون‌های دیگر شود .تمامی فعالیت‌های مغزی انسان توسط همین آتش کردن‌ها انجام می‌شود.

شکل(۳-۲) یک نرون عصبی مصنوعی را نشان می‌دهد.

شکل ‏۳‑ ۲ ساختار یک نرون مصنوعی
سیگنال‌های ورودی تا معادل سیگنال‌های عصبی ورودی و وزن‌های تا معادل مقادیر اتصالات سیناپسی ورودی‌های نرون می‌باشند که جمعاً ورودی نرون را تشکیل داده است.

مدل‌سازی شبکه عصبی

در یک شبکه عصبی نمونه، اطلاعات و پارامترهای ورودی، هرکدام به شکل یک سیگنال الکتریکی تحریکی به کانال‌های ورودی مدل ریاضی سلول عصبی وارد می‌شوند. مدل ریاضی یک سلول عصبی را یک پرسپترون^[۶۳] می‌نامند. هر یک از کانال‌های ورودی(شبیه اتصالات دندریت‌ها) دارای یک ضریب عددی هستند که وزن سیناپسی نامیده می‌شود. شدت تحریک الکتریکی در این ضریب ضرب می‌شود و به جسم سلولی می‌رسد. اگر مجموع تحریکات رسیده شده به جسم سلولی کافی باشد، نرون شلیک می‌کند و در مسیرهای خروجی(شبیه آکسون‌ها) جریان الکتریکی ثابتی را ایجاد می‌کند. تحریکات لایه ورودی^[۶۴] سلول‌ها به یک یا چند لایه واسط می‌رود که به نام لایه‌های مخفی^[۶۵] موسوم هستند. ادامه جریان تحریکات در این لایه‌ها(توسط همان وزن‌های سیناپسی) طوری هدایت می‌شود که پیچیدگی‌های تأثیرات جریان ورودی را شبیه‌سازی می‌کند. سپس تحریکات به لایه خروجی^[۶۶] می‌روند که هدف نهایی ما است.
به هنگام مدل کردن نرون‌ها، از پیچیدگی‌های آن‌ها صرف نظر می‌شود و تنها به مفاهیم پایه‌ای بها داده می‌شود، چرا که در غیر این صورت رویکرد مدل‌سازی بسیار دشوار خواهد شد. در یک نگاه ساده، مدل یک عصب باید شامل ورودی‌هایی باشد که در نقش سیناپس انجام وظیفه کنند. این ورودی‌ها در وزن‌هایی ضرب می‌شوند تا قدرت سیگنال را تعیین کنند. نهایتاً یک عملگر ریاضی تصمیم‌گیری می‌کند که آیا نرون فعال شود یا خیر و اگر جواب مثبت باشد، میزان خروجی را مشخص می‌سازد. بنابراین شبکه عصبی مصنوعی با بهره گرفتن از مدل ساده شده عصب واقعی به پردازش اطلاعات می‌پردازد. با توجه به این توضیحات، می‌توان مدل ساده‌ای برای توصیف یک نرون(یک گره در شبکه عصبی مصنوعی) پیشنهاد کرد. جدای از ساده‌‌سازی‌های اعمال شده، تفاوت اصلی این مدل با واقعیت در این است که در شبکه واقعی، ورودی‌ها سیگنال‌های زمانی هستند حال آن که در این مدل، اعداد حقیقی ورودی‌اند.
در مدل ارائه شده در شکل(۳-۲)، تنوع‌های بسیاری وجود دارد. از جمله این که وزن‌های یک شبکه عصبی، که مقدار خروجی را منتقل می‌کنند، می‌توانند مثبت یا منفی باشند. از طرفی، توابع مورد استفاده برای آستانه‌گذاری می‌توانند بسیار متنوع باشند. از جمله مشهورترین این توابع می‌توان به تابع‌هایی نظیر سیگموئید^[۶۷]، آرک‌تانژانت^[۶۸] و آرک‌سینوس^[۶۹] اشاره کرد. این توابع باید پیوسته و هموار بوده و مشتق‌پذیر باشند. همچنین تعداد گره‌های ورودی می‌تواند متغیر باشد. البته با زیاد شدن تعداد این گره‌ها، به وضوح تعیین وزن‌ها را با مشکل روبرو می‌کند. لذا باید به دنبال روش‌هایی برای حل این موضوع باشیم. روند تعیین وزن‌های بهینه و تنظیم مقادیر آنها عمدتاً به صورت بازگشتی انجام می‌شود. بدین منظور شبکه را با بهره گرفتن از قواعد و داده‌ها آموزش داده و با بهره گرفتن از قابلیت یادگیری شبکه، الگوریتم‌های متنوعی پیشنهاد می‌گردد که همگی سعی در نزدیک کردن خروجی تولید شده توسط شبکه به خروجی ایده‌آل و مورد انتظار دارند.

شبکه‌های پرسپترون چند لایه^[۷۰]

شبکه‌هایی که از یک نرون ساخته شده‌اند دارای محدودیت‌هایی می‌باشند .این شبکه‌ها توانایی پیاده‌سازی توابع غیرخطی را ندارند .به عنوان مثال توسط این شبکه‌ها نمی‌توان تابع XOR را پیاد‌ه‌سازی نمود .برای حل این مشکل شبکه‌های دیگری پیشنهاد می‌شود که در اینجا به یکی از آنان که بیشترین کاربرد را دارد و در این تحقیق نیز از آن استفاده شده است، اشاره می‌شود.
مدل عمومی شبکه‌های پرسپترون، شبکه جلو رونده(پیش خور)^[۷۱] با روال تعلیم انتشار به عقب^[۷۲] است. شبکه‌های جلو رونده شبکه‌هایی هستند که ورودی‌های لایه اول نرون‌های آن به لایه‌های بعدی متصل بوده و در هر سطح این مسئله صادق بوده تا به لایه خروجی برسد .روال انتشار به عقب بدین معنی است که پس از مشخص شدن خروجی شبکه، ابتدا وزن‌های لایه آخر تصحیح شده و بعد به ترتیب اوزان لایه‌های قبلی تصحیح می‌شوند. شبکه‌های پرسپترون از یک لایه ورودی، تعدادی لایه پنهان و یک لایه خروجی تشکیل شده است .
در این شبکه‌ها شرایط زیر وجود دارد :
نرون‌های هر لایه تنها به نرون‌های لایه بعدی متصل می‌باشند.
هر نرون به تمامی نرون‌های لایه بعد متصل است.
نرون‌های لایه ورودی عملی را انجام نمی‌دهند و اوزان آنها ثابت و برابر یک می‌باشد.
این نرون‌ها(نرون‌های لایه ورودی) فاقد تابع فشرده سازی می‌باشند.
انتشار عملگر رو به جلو است.
تمامی نرون‌ها به غیر از لایه ورودی جمع‌کننده بوده و هر نرون می‌تواند تابع فشرده‌سازی مستقلی داشته باشد.
هر نرون می‌تواند دارای تورش مستقل باشد.

آموزش شبکه به روش پس انتشار خطا

به طور کلی شبکه‌های عصبی مصنوعی از لحاظ یادگیری بر دو دسته‌اند:
شبکه‌های با وزن ثابت؛
شبکه‌های با وزن متغیر(شبکه‌های یادگیرنده)؛
خود شبکه‌های یادگیرنده نیز به دو دسته‌اند:
شبکه‌های یادگیرنده با سرپرست^[۷۳]؛
شبکه‌های یادگیرنده بدون سرپرست^[۷۴]؛
در شبکه‌های باسرپرست، در فاز آموزش از نمونه‌هایی استفاده می‌گردد که خروجی ایده‌آل(مطلوب) متناظر با آن‌ها از پیش موجود می‌باشد. به عبارت دیگر در این‌گونه شبکه‌ها، نمونه‌های داده ورودی، برچسب دارند.
در شبکه‌های بدون سرپرست، بر اساس یک معیار(مثلاً فاصله) و بر اساس نوعی رقابت، خروجی مورد نظر در کلاس جداگانه قرار می‌گیرد. با توجه به این که شبکه عصبی، مدل ساده‌شده اعصاب بدن است، درست به مانند آن‌ها قابلیت یادگیری دارد. به عبارت دیگر، شبکه با بهره گرفتن از اطلاعاتی که از ورودی و توسط سرپرست خود دریافت می‌کند، قادر به فراگیری روند موجود در الگوهاست. لذا به طور مشابه با انسان، روند یادگیری در شبکه عصبی نیز از مدل‌های انسانی الهام گرفته است بدین صورت که مثال‌های بسیاری را به دفعات بایستی به شبکه ارائه نمود تا بتواند با تغییر وزن‌های شبکه، خروجی مورد نظر را دنبال کند.
به منظور آموزش شبکه و اصلاح وزن‌ها تا رسیدن به یک خطای معنادار، روش‌های بسیار زیادی وجود دارد. یکی از مشهورترین این روش‌ها، الگوریتم پس انتشار خطا^[۷۵] است که در ادامه توضیح داده می‌شود.

الگوریتم پس انتشار خطا

این الگوریتم که در سال ۱۹۸۶ توسط روملهارت و مک‌کلیلاند پیشنهاد گردید، در شبکه‌های عصبی پیش‌خور(جلو رونده)^[۷۶] مورد استفاده قرار می‌گیرد. پیش‌خور(جلو رونده) بودن به این معنا است که نرون‌های مصنوعی در لایه‌های متوالی قرار گرفته‌اند و خروجی(سیگنال) خود را رو به جلو می‌فرستند. واژه پس‌انتشار نیز به معنای این است که خطاها به سمت عقب در شبکه تغذیه می‌شوند تا وزن‌ها را اصلاح کنند و پس از آن، مجدداً ورودی مسیر پیش‌سوی خود تا خروجی را تکرار کند. روش پس انتشار خطا از روش‌های با سرپرست است به این مفهوم که نمونه‌های ورودی برچسب خورده‌اند و خروجی مورد انتظار هر یک از آنها از پیش دانسته است. لذا خروجی شبکه با این خروجی‌های ایده‌آل مقایسه شده و خطای شبکه محاسبه می‌گردد. در این الگوریتم ابتدا فرض بر این است که وزن‌های شبکه به طور تصادفی انتخاب شده‌اند. در هر گام خروجی شبکه محاسبه شده و بر حسب میزان اختلاف آن با خروجی مطلوب، وزن‌ها تصحیح می‌گردند تا در نهایت این خطا، مینیمم شود. در الگوریتم پس انتشار خطا، تابع تحریک هر عصب به صورت جمع وزن‌دار ورودی‌های مربوط به آن عصب در نظر گرفته می‌شود. بدین ترتیب با فرض این که w وزن‌های متناظر بین لایه ورودی و لایه بعد باشد می‌توان نوشت:

حافظ گوید:

خرمشاهی در شرح بیت علاوه بر ذکر داستان نوح و چند شاهد شعری دیگر از حافظ، به نقل از علامه قزوینی می‌‌نویسد: «در این بیت تلمیح است به قصّه‌‌ی مشهور جسد آدم که نوح برای مهار کردن طوفان، که طغیانش از حد نگذرد، تبرکاً آن را همراه کشتی خود داشت. پس خاک در مصراع دوم جسد آدم است و طوفان هم طوفان نوح»^[۳۲۳] و کلاغ نفرین شده‌‌ی نوح است.^[۳۲۴] (طبری و سیوطی) مولانا گوید:

در فرهنگ تلمیحات، ص۵۸۷ اشاره شده است: «اهل کشتی از موش به نوح، علیه السّلام، بنالیدند که توشه‌‌ی ایشان می‌‌خورد و ایشان توشه‌‌ی یک ساله در آن کشتی نهاده بودند، نوح دعا کرد، جبرئیل، علیه‌السّلام، آمد. گفت: یا نوح، دست به پشت شیر فرو آر. فرو آورد شیر عطسه‌‌ای بزد، گربه از بینی او فرو آمد و در آن موشان افتاد…»^[۳۲۵]

ـ تحلیل نهایی
داستان نوح و کشتی و حوادث آن در قرآن به اختصار آمده است، امّا در کتاب مقدّس و تلمود با ذکر جزئیات مکان‌ها و نام‌ها و حوادث دیگر مانند گفتگوی شیطان با نوح و شراکت آن در نشاندن درخت انگور مشروح بیان شده است. حتّی موضوع فرزندان نوح و دو پرنده‌ی کلاغ و کبوتر هم در تورات هست و با مقایسه‌ی تفاسیری چون طبری و درّالمنثور سیوطی این جزئیات هماهنگ است و نشان از تأثیر اسرائیلیات فراوان در این تفسیرهاست و به طور پراکنده در ادب فارسی هم نمایان است، امّا در آثار عطار بیشتر از کشتی، گریه و رنج‌های نوح، طوفان و تنور، گاه کبوتر نوح و کلاغ اشاراتی صورت گرفته است. علاوه بر آن عطّار، داستان جعلی «دستور خدا بر کوزه‌شکستن کوزه‌گر» را به نوح نسبت می‌دهد.
بخش هفتم:
روایات مجعول و اسرائیلیات در داستان هاروت و ماروت
ـ هاروت و ماروت در قرآن
در قرآن کریم، تنها موردی که به هاروت و ماروت مربوط است قسمتی از آیه‌‌ی ۱۰۲ سوره‌ی بقره است که فرمود: «وَاتَّبَعُوا مَا تَتْلُو الشَّیَاطِینُ عَلَى مُلْکِ سُلَیْمَانَ وَمَا کَفَرَ سُلَیْمَانُ وَلَکِنَّ الشَّیَاطِینَ کَفَرُوا یُعَلِّمُونَ النَّاسَ السِّحْرَ وَمَا أُنْزِلَ عَلَى الْمَلَکَیْنِ بِبَابِلَ هاروتَ وَمَارُوتَ وَمَا یُعَلِّمَانِ مِنْ أَحَدٍ حَتَّى یَقُولَا إِنَّمَا نَحْنُ فِتْنَهٌ فَلَا تَکْفُرْ فَیَتَعَلَّمُونَ مِنْهُمَا مَا یُفَرِّقُونَ بِهِ بَیْنَ الْمَرْءِ وَزَوْجِهِ وَمَا هُمْ بِضَارِّینَ بِهِ مِنْ أَحَدٍ إِلَّا بِإِذْنِ اللَّهِ وَیَتَعَلَّمُونَ مَا یَضُرُّهُمْ وَلَا یَنْفَعُهُمْ وَلَقَدْ عَلِمُوا لَمَنِ اشْتَرَاهُ مَا لَهُ فِی الْآَخِرَهِ مِنْ خَلَاقٍ وَلَبِئْسَ مَا شَرَوْا بِهِ أَنْفُسَهُمْ لَوْ کَانُوا یَعْلَمُونَ»؛ (و گروهی از احبار یهود) به آنچه از شیطان‌صفتان و گناه پیشه‌‌گانشان درباره‌ی سلطنت سلیمان می‌‌خواندند، باور داشتند و از آن پیروی نمودند و حال آن که سلیمان هرگز کفر نورزیده بلکه شیطان‌صفتان گناه‌پیشه، کفر ورزیده‌‌اند؛ جادو و (خرافات و آثار به جای مانده) آنچه در بابل بر دو فرشته‌ی هاروت و ماروت نازل گردیده بود، می‌‌آموختند (دو فرشته‌‌ای که طریق سحر کردن را برای آشنایی به طرز ابطال آن به مردم یاد می‌‌دادند) و به هیچ کس چیزی نمی‌‌آموختند، مگر اینکه پیشاپیش به او می‌‌گفتند: ما وسیله‌ی آزمایش هستیم کافر نشو. (ما مردم) از ایشان چیزهایی آموختند که با آن میان مرد و همسرش جدایی می‌‌افکندند و حال آنکه با چنین جادویی نمی‌‌توانند به کسی زیان برسانند مگر اینکه با اجازه و خواست خدا باشد و آنان قسمت‌‌هایی را فرا می‌‌گرفتند که برایشان زیان داشت و بدیشان سودی نمی‌‌رساند و مسلماً دانستند هر کسی خریدار این‌‌گونه متاع باشد بهره‌‌ای در آخرت نخواهد داشت و چه زشت و ناپسند است آنچه خود را بدان فروخته، اگر می‌‌دانستند.^[۳۲۶]
با تأمّل در آیه، ملاحظه می‌‌شود از هاروت و ماروت نام برده شده، امّا دو فرشته خوش نام‌‌ بوده و برای هدفی مثبت و مأموریت الهی به زمین آمده و دچار اشتباه و گناهی نشده‌‌اند.
ـ هاروت و ماروت در کتاب مقدّس
در نامه‌‌ی دوم پطروس بند ۳و۴ آمده است: «این معلم‌‌نماها از روی طمع، با هرگونه سخنان نادرست خواهند کوشید پول شما را به چنگ آورند امّا خدا از مدت‌‌ها پیش ایشان را محکوم فرموده؛ پس نابودی‌‌شان نزدیک است.
خدا حتی از سر تقصیر فرشتگانی که گناه کردند نگذشت، بلکه ایشان را در ظلمت جهنّم محبوس فرمود تا زمان داوری فرا رسد.»^[۳۲۷]
در نامه‌‌ی یهودا بند ۵و۶و۷ می‌‌آید: «گرچه این حقایق را به خوبی می‌‌دانید، امّا می‌‌خواهم برخی نکات را بار دیگر یادآوری نمایم. همان‌‌گونه که می‌‌دانید، خداوند پس از آن قوم اسرائیل را از سرزمین مصر رهایی بخشید، تمام کسانی را که بی‌‌ایمان شده بودند و از خدا سرپیچی می‌‌کردند هلاک ساخت.
همچنین یادآوری می‌‌کنم که خدا فرشتگانی را که زمانی پاک و مقدّس بودند ولی خود را به گناه آلوده ساختند، در تاریکی مطلق محبوس فرموده تا روز داوری فرا برسد، در ضمن شهرهای سلدوم و عموره را نیز به یاد داشته باشید. اهالی آن‌‌جا و شهرهای مجاور، به انواع شهوات و انحرافات جنسی آلوده بودند. بنابراین همه‌‌ی آن‌‌ها نابود شدند تا برای ما درس عبرتی باشد و بدانیم که جهنّمی وجود دارد که در آن‌‌جا گناهکاران مجازات می‌‌شوند.»^[۳۲۸]
اگرچه نامی از دو فرشته هاروت و ماروت نیست امّا توصیف‌‌ها با داستان افسانه‌ای هماهنگی دارد.
ـ هاروت و ماروت در تفاسیر
در تفسیر الدرّ المنثور و طبری و.. روایات شگفت‌‌انگیزی درباره‌ی این داستان نقل شده است. «سیوطی از ابن عمر، ابن مسعود، علی، ابن عباس، مجاهد، کعب، ربیع و سدی روایت کرده و ابن جریر طبری از حاکم، ابن منذر، ابن ابی‌الدنیا، بیهقی و خطیب در تفاسیر و کتاب‌‌هایشان آن‌‌ها را روایت کرده‌‌اند.»^[۳۲۹]
خلاصه‌‌ی آن از ترجمه‌‌ی تفسیر طبری: «وقتی که انسان‌‌ها در روی زمین به فساد و تباهی مشغول شدند و فرشتگان اعتراض کردند، خداوند فرمود اگر شما هم مانند آدمیان دارای شهوت و هوای نفس باشید نمی‌‌توانید معصوم بمانید و تباهی می‌‌کنید و برای اثبات خداوند غریزه‌ی هوای نفس را به هاروت و ماروت(دو فرشته) عطا کرد وقتی که به زمین آمدند هر دو شیفته‌ی زنی زیبا شدند. زن برای آن‌‌ دو، سه شرط گذاشت: قتل کودک بی‌‌گناه، قرآن سوختن و نوشیدن شراب. هاروت و ماروت، نوشیدن شراب را انتخاب کردند و پس از مست شدن کودک را هم کشتند و قرآن هم سوختند. پس از درخواست دعوت زن، آن زن از آنان اسم اعظم را به او آموزند و پس از آموختن، زن به آسمان رفت.
آن‌‌گاه خداوند به هاروت و ماروت فرمود: حال عذاب در دنیا می‌‌خواهید یا آخرت؟آن‌‌ها عذاب دنیا را انتخاب کردند و خداوند ایشان را در چاه بابل تا روز قیامت نگونسار آویزان کرده و گویند هر کس جادوگری آموزد چون ایشان باشد.»^[۳۳۰]

۳-۲-۱- جمع‌ آوری داده‌ها:

اولین قدم در روش‌های مبتنی بر داده‌کاوی و خوشه‌بندی، جمع‌ آوری داده‌ است. در برخی از منابع ، جریان بسته‌های سالم و بسته‌های آلوده ، شبیه‌سازی شده و سپس توسط نرم‌افزارهای مانیتورینگ ، بسته‌ها جمع‌ آوری می‌شوند. در شکل ۳-۲، نمایی از این ساختار مشاهده می‌شود. در بخی از منابع نیز از مجموعه‌داده‌های آماده که جریان واقعی شبکه را ذخیره نموده‌اند استفاده می‌شود. در این پایان‌نامه از روش دوم استفاده شده‌است. برای این منظور از مجموعه‌داده ISOT [1] استفاده شده‌است.

شکل ۳-۲: نمایی از ساختار پیشنهادی برای مانیتورینگ بسته‌های شبکه
این مجموعه‌داده، ترکیبی از چندین مجموعه‌داده دردسترس مخرب^[۷۴] و غیرمخرب^[۷۵] است که در طول بازه زمانی ۲۰۰۴ تا ۲۰۰۵ به ازای ۲۲ زیرشبکه^[۷۶]، جمع‌ آوری شده‌است. این مجموعه، شامل تنوع کاربردی از ایمیل و وب تا بسته‌های کنترلی و جریان‌های مدیا، می باشد که این امر نشان‌دهنده ماهیت طبیعی بودن داده‌ها می‌باشد. در شکل ۳-۳ نمایی از ساختار تجمیع این مجموعه‌داده مشاهده می‌شود.
شکل ۳-۳: نمایی از مجموعه داده ISOT
در مجموع، بیش از ۹۰% بسته‌ها، سالم و مابقی مخرب هستند. با توجه به مستندات این مجموعه‌داده ، هاست‌های سالم و مخرب مشخص شده‌اند که در ادامه و جهت ارزیابی الگوریتم خوشه‌بندی از این اطلاعات استفاده خواهد‌شد.
لازم به ذکر است که حجم فایل مورد نظر در حالت فشرده، در حدود ۳ گیگا بایت و در حالت غیرفشرده، بیش از ۱۱ گیگا بایت است. مجموع کل بسته‌ها نیز بیش از ۱۰۰۰۰۰۰ بسته می‌باشد که این بسته‌ها در قالب فایل با فرمت PCAP در دسترس قرار گرفته‌اند.

۳-۲-۲- تفسیر بسته‌ها

در مرحله دوم، باید تمام بسته‌ها خوانده و تفسیر شوند. به دلیل حجم بالای فایل PCAP و ضرورت دستیابی به سرعت بالا، از زبان C# در این قسمت استفاده‌شد. تمامی بسته‌ها از نوع اترنت۲^[۷۷] هستند. با توجه به مستندات این پروتکل، اطلاعات زیر از هر بسته استخراج شد:
IP فرستنده، IP گیرنده، طول بایت انتقالی، پروتکل ارتباطی، TTL
بعد از اتمام تفسیر بسته‌ها نوبت به جمع‌بندی داده‌ها و سازماندهی بر اساس هاست می‌رسد.

۳-۲-۳- داده‌های ساختاریافته

در این مرحله اطلاعات آماری تمامی هاست‌ها به ازای تحلیل همه بسته‌ها ، بر اساس متغیرهای زیر در قالب جدول، شکل‌دهی می‌شود. در جدول ۳-۱، نمونه‌ای داده‌ها مشاهده می‌شوند.
جدول ۳-۱: نمونه‌ای داده‌ها به همراه ویژگی‌ها