A Novel Neurodynamic Model for Data Envelopment Analysis: A Case Study on Iran’s Olympic Sports Caravan

Der Artikel stellt ein neuartiges neurodynamisches Modell vor, das rekursive neuronale Netzwerke (RNNs) nutzt, um Probleme mit der Datenhüllungsanalyse (DEA) zu lösen. DEA ist eine Technik zur Bewertung der relativen Effizienz von Entscheidungseinheiten mit mehreren Inputs und Outputs. Herkömmliche DEA-Methoden können rechenintensiv sein, insbesondere bei großen Datensätzen. Das vorgeschlagene RNN-Modell formuliert das DEA-Problem in ein dynamisches System um, das schnellere und effizientere Lösungen ermöglicht. Das Modell wird durch eine Fallstudie zur iranischen Olympischen Sportkarawane validiert, die seine praktische Anwendbarkeit und überlegene Leistung im Vergleich zu bestehenden Methoden demonstriert. Der Artikel enthält auch theoretische Analysen, die die Konvergenz und Stabilität des vorgeschlagenen Modells belegen, was es zu einem bedeutenden Beitrag auf dem Gebiet der Optimierung und Anwendungen neuronaler Netzwerke macht.