Szerző dc.contributor.author | Atta-ur-Rahman R | |
Szerző dc.contributor.author | Nasir Muhammad Umar | |
Szerző dc.contributor.author | Gollapalli Mohammed | |
Szerző dc.contributor.author | Zubair Muhammad | |
Szerző dc.contributor.author | Saleem Muhammad Aamer | |
Szerző dc.contributor.author | Mehmood Shahid | |
Szerző dc.contributor.author | Khan Muhammad Adnan | |
Szerző dc.contributor.author | Mosavi Amir | |
Elérhetőség dátuma dc.date.accessioned | 2023-02-16T11:25:25Z | |
Rendelkezésre állás dátuma dc.date.available | 2023-02-16T11:25:25Z | |
Kiadás dc.date.issued | 2022 | |
Issn dc.identifier.issn | 2169-3536 | |
Uri dc.identifier.uri | http://hdl.handle.net/20.500.12944/19966 | |
Kivonat dc.description.abstract | Given the importance of identifying key performance points in organizations, this re- search intends to determine the most critical intra- and extra-organizational elements in assessing the performance of firms using the European Company Survey (ECS) 2019 framework. The ECS 2019 survey data were used to train an artificial neural network optimized using an imperialist competitive algorithm (ANN-ICA) to forecast business performance and employee wellbeing. In order to assess the correctness of the model, root mean square error (RMSE), mean absolute per- centage error (MAPE), mean square error (MSE), correlation coefficient (r), and determination coefficient (R2) have been employed. The mean values of the performance criteria for the impact of internal and external factors on firm performance were 1.06, 0.002, 0.041, 0.9, and 0.83, and the value of the performance metrics for the impact of internal and external factors on employee wellbeing were 0.84, 0.0019, 0.0319, 0.83, and 0.71 (respectively, for MAPE, MSE, RMSE, r, and R2). The great performance of the ANN-ICA model is indicated by low values of MAPE, MSE, and RMSE, as well as high values of r and R2. The outcomes showed that skills requirements and skill matching and employee voice are the two factors that matter most in enhancing firm perfor- mance and wellbeing. | |
Nyelv dc.language | en | |
Kulcsszó dc.subject | genome disorder | |
Kulcsszó dc.subject | AlexNet | |
Kulcsszó dc.subject | deep learning | |
Kulcsszó dc.subject | machine learning | |
Kulcsszó dc.subject | artificial intelligence | |
Kulcsszó dc.subject | datascience | |
Kulcsszó dc.subject | information systems | |
Kulcsszó dc.subject | convolutional neural network | |
Cím dc.title | Advance genome disorder prediction model empowered with deep learning | |
Típus dc.type | folyóiratcikk | |
Változtatás dátuma dc.date.updated | 2023-02-14T14:16:27Z | |
Változat dc.description.version | kiadói | |
Hozzáférés dc.rights.accessRights | nyílt hozzáférésű | |
dc.description.notes | „A publikáció a Nemzeti Közszolgálati Egyetem 2020. évi Tématerületi Kiválóság Program keretében, a Fenntartható biztonság és társadalmi környezet elnevezésű projekt támogatásával valósult meg, az Innovációs és Technológiai Minisztérium Nemzeti Kutatási, Fejlesztési és Innovációs Alapból nyújtott támogatásával, a Nemzeti Kutatási, Fejlesztési és Innovációs Hivatal által kibocsátott támogatói okirat alapján.” Pályázat sorszáma: NKFIH-1273-6/2020 Támogató: NKFIH | |
Doi azonosító dc.identifier.doi | 10.1109/ACCESS.2022.3186998 | |
Tudományág dc.subject.discipline | Orvostudományok | |
Tudományterület dc.subject.sciencebranch | Elméleti orvostudományok | |
Mtmt azonosító dc.identifier.mtmt | 32914923 | |
Folyóirat dc.identifier.journalTitle | IEEE Access | |
Évfolyam dc.identifier.journalVolume | 10 | |
Terjedelem dc.format.page | 70317-70328 | |
Wos azonosító dc.identifier.wos | 000838689900001 | |
Scopus azonosító dc.identifier.scopus | 85133808297 | |
Folyóiratcím rövidítve dc.identifier.journalAbbreviatedTitle | IEEE ACCESS | |
Kiadás éve dc.description.issuedate | 2022 | |
Szerző intézménye dc.contributor.department | Óbudai Egyetem | |
Szerző intézménye dc.contributor.department | Szoftvertervezés- és Fejlesztés Intézet | |
Szerző intézménye dc.contributor.department | Információs Társadalom Kutatóintézet | |
Szerző intézménye dc.contributor.department | Információs Társadalom Kutatóintézet | |
Szerző intézménye dc.contributor.department | Informatikai Tudományok Doktori Iskola | |
Szerző intézménye dc.contributor.department | Biztonságtudományi Doktori Iskola | |
Szerző intézménye dc.contributor.department | Felsőbbfokú Tanulmányok Intézete |