۱-۱۲: روش و ابزار جمع آوری اطلاعات ۱۱
۱-۱۳: روش تجزیه وتحلیل ۱۱
۱-۱۴: چارچوب فصول پژوهش ۱۲
فصل دوم)ادبیات و پیشینه پژوهش ۱۴
۲-۱: مقدمه ۱۵
۲-۲: شبکه عصبی مصنوعی (ANN) 17
۲-۳: چراANNs ارزش مطالعه کردن دارند؟ ۲۰
۲-۴: ویژگی های شبکه های عصبی ۲۰
۲-۵: نرون عصبی انسان ۲۱
۲-۶: مفهوم شبکه ۲۵
۲-۷: مدل ریاضی شبکه عصبی مصنوعی ۲۵
۲-۸: شبکه های عصبی تک نرونه، تک لایه، چند لایه ۲۶
۲-۹: انواع شبکه های عصبی مصنوعی از نظر برگشت پذیری ۲۷
۲-۱۰: مراحل طراحی یک شبکه عصبی مصنوعی ۲۹
۲-۱۱: انواع یادگیری برای شبکه های عصبی ۳۱

۲-۱۱-۱: یادگیری با ناظر ۳۱
۲-۱۱-۲: یادگیری تشدیدی ۳۲
۲-۱۱-۳: یادگیری بدون ناظر ۳۲
۲-۱۲: زمینه‌ای در مورد پرسپترون ۳۳
۲-۱۲-۱: قدرت پرسپترون ۳۳
۲-۱۲-۲: دنباله‌های پرسپترون ۳۳
۲-۱۲-۳: قضیه بنیادی دنباله‌ها ۳۴
۲-۱۳: کاربردهای شبکه‌های عصبی مصنوعی ANN 35
۲-۱۴: برخی از کاربردهای شبکه های عصبی مصنوعی در مباحث مهندسی صنایع ۳۵
۲-۱۵: تعاریف متغیرهای پژوهش ۳۶
۲-۱۶: رگرسیون ۴۳
۲-۱۷: پیشینه تحقیق ۴۴
۲-۱۷-۱: پیشینه داخلی : ۴۴
۲-۱۷-۲: پیشینه خارجی : ۴۷
فصل سوم)روش شناسی تحقیق ۵۳
۳-۱ مقدمه ۵۴
۳-۲: روش تحقیق ۵۴
۳-۲-۱: طبقه‌بندی بر اساس روش ۵۴
۳-۲-۲ : طبقه‌بندی بر اساس هدف ۵۵
۳-۳: ابزار گردآوری داده ها ۵۵
۳-۴: روش تجزیه تحلیل داده ها ۵۵
۳-۴-۱ : رگرسیون ۵۶
۳-۴-۲: روش کار شبکه های عصبی ۵۷
۳-۵ : جامعه آماری، نمونه آماری و روش نمونه گیری ۶۲
۳-۵-۱: جامعه آماری ۶۲
۳-۵-۲: نمونه آماری ۶۳
۳-۶: الگوی تحقیق و متغیرها ۶۵
۳-۷: جمع بندی ۶۷
فصل چهارم)تجزیه و تحلیل داده های تحقیق ۶۸
۴-۱: مقدمه ۶۹
۴-۲: آمار توصیفی ۶۹
۴-۳: بررسی توزیع داده ها– نرمال بودن ۷۰
۴-۴: آزمون فرضیه ها ۷۱
۴-۵: مدل سازی و پیش بینی با بهره گرفتن از شبکه عصبی مصنوعی پرسپترون چندلایه ۷۲
۴-۶: اطلاعات شبکه ۷۲