بررسی مقایسه‎ای توان پیش‎بینی شبکه‎های عصبی مصنوعی با روش توقف زود هنگام و فرایند سری زمانی خودبازگشت در براورد نرخ تورم

این مقاله به بررسی مقایسه ای توان شبکه های عصبی مصنوعی و سری های زمانی خودبازگشت در پیش بینی ایستای نرخ تورم ایران می پردازد. در یک بررسی، با استفاده از ۳۷ سال داده های تاریخی نرخ تورم ایران، مدل شبکه عصبی مصنوعی در پیش بینی آینده نزدیک در مقایسه با سری های زمانی خودبازگشت، به‎طور متوسط از عملکرد بهتری برخوردار است. در این بررسی، مزایای روش توقف زودهنگام در مرحله یادگیری شبکه عصبی برای پیش بینی سری های زمانی نشان داده شده است. طبقه‎بندی JEL: C۵۱, C۵۲, C۵۳, E۳۷

بررسی مقایسه‎ای توان پیش‎بینی شبکه‎های عصبی مصنوعی با روش توقف زود هنگام و فرایند سری زمانی خودبازگشت در براورد نرخ تورم Keywords:

انتخاب مدل , پیش بینی , تورم , سری های زمانی , شبکه عصبی

بررسی مقایسه‎ای توان پیش‎بینی شبکه‎های عصبی مصنوعی با روش توقف زود هنگام و فرایند سری زمانی خودبازگشت در براورد نرخ تورم authors

پیام حنفی زاده

استادیار گروه مدیریت صنعتی، دانشگاه علامه طباطبائی، دانشکده مدیریت و حسابداری

حسین پورسلطانی

کارشناسی ارشد مدیریت فن آوری اطلاعات، دانشگاه علامه طباطبائی، دانشکده مدیریت و حسابداری

پریسا ساکتی

کارشناسی ارشد مدیریت فن آوری اطلاعات، دانشگاه علامه طباطبائی، دانشکده مدیریت و حسابداری

Certificate
I'm the author of the paper

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

هوش مصنوعی > شبکه عصبی

Export:

Link to this Paper:

https://civilica.com/doc/1309708

Document National Code:

JR_JTET-42-4_002

Index date: 10 November 2021

How to cite:

If you want to refer to this Paper in your research work, you can simply use the following phrase in the references section:

زاده، پیام حنفی و پورسلطانی، حسین و ساکتی، پریسا،1386،بررسی مقایسه‎ای توان پیش‎بینی شبکه‎های عصبی مصنوعی با روش توقف زود هنگام و فرایند سری زمانی خودبازگشت در براورد نرخ تورم،https://civilica.com/doc/1309708

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این Paper اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1386، زاده، پیام حنفی؛ حسین پورسلطانی و پریسا ساکتی)
برای بار دوم به بعد: (1386، زاده؛ پورسلطانی و ساکتی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

Scientometrics

The specifications of the publisher center of this Paper are as follows:

Ranking of Allameh Tabatabai University

Type of center: دانشگاه دولتی

Paper count: 30,876

In the scientometrics section of CIVILICA, you can see the scientific ranking of the Iranian academic and research centers based on the statistics of indexed articles.