اسماعیل نورانی - دانشجوی کارشناسی ارشد مهندسی نرم افزار کامپیوتر
امیر امیدی

این مقاله تاکیدی است برراهگشایی و کارساز بودن استفاده از شبکه های عصبی برای زمینه هایی ازعلوم که مدلهای ریاضی برای آنها به سختی قابل تصور است به طور خاص بازار سهام ارزیاب شاخص سهام و پیش بینی های لازم برای اعمال تصمیماتی در جهت سود آوری هرچه بیشتر عرصه ای است که اخیرا مورد توجه بسیاری ازمحققین بوده است دراکثر مقالات ارائه شده شفافیت لازم درپیاده سازی شبکه عصبی کارآمد قابل توجه نیست به همین جهت دراین مقاله سعی شده است همزمان با معرفی مبانی و اصولی که در طراحی شبکه وجود دارد به جزئیات پیاده سازی آن نیز اشاره شود. ابتدا دادههای ورودی شاخص سهام ش رکت تراکتورسازی ایران در بازه سالهای 84 تا 86 برای آموزش شبکه از طریق پردازشهای مقدماتی آماده می گردد و سپس با استفاده از معماری 1- 8-8-30 و تکنیک پس انتشار خطا مورد آموزش قرارگرفته و نتایج حاصل از شبکه آمزش داده شده به شکل کاملا کاربردی در تصمیم سازی برای انجام معاملات بازار بورس مورد استفاده قرارگرفته است.

شبکه های عصبی، پس انتشار خطا back propagation، بازار بوس، پیش بینی شاخص سهام