رویکردها و ابزارهای پیش بینی هوشمند فازی در حوزه ارزهای دیجیتال
Publish place: Financial Economics، Vol: 18، Issue: 66
Publish Year: 1403
Type: Journal paper
Language: Persian
View: 214
This Paper With 26 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_ECJ-18-66_012
Index date: 4 February 2024
رویکردها و ابزارهای پیش بینی هوشمند فازی در حوزه ارزهای دیجیتال abstract
چکیده سیستم های ترکیبی مبتنی بر شبکه های عصبی مصنوعی و سیستم های فازی مدل های مختلفی را برای پیشرفت علم ارائه می دهند از آنجا که آنها مدل هایی هستند که می توانند با آموزش عملی شبکه های عصبی و ظرفیت تفسیری سیستم های فازی کار کنند. لذا هدف این پژوهش، بررسی سیستماتیک مهمترین تئوری های پیش بینی ارز دیجیتال مبتنی بر مدل های ترکیبی فازی و شبکه های عصبی مصنوعی است مدل هایی که عمدتا بر روش های نظارت شده جهت سنجش مدل های ترکیبی متمرکز هستند همچنین، این بررسی ، تاریخچه مدل های ترکیبی، ترکیبات و قابلیت های معماری ، پردازش داده ها و روش های سنجش آنها، ویژگی های مدل های برجسته(پیشرو) و کاربردهای آنها در پیش بینی ارز دیجیتال را نیز شامل می شود نتایج نشان می دهد که مدل های شبکه عصبی فازی و مشتقات آنها در پیش بینی ارز دیجیتال با دقت بسیار بالا و با قابلیت توجیه مناسب که در طیف وسیعی از حوزه های اقتصادی و علمی کاربرد دارد، کارآمد هستند
رویکردها و ابزارهای پیش بینی هوشمند فازی در حوزه ارزهای دیجیتال Keywords:
واژه های کلیدی: پیش بینی , ارز دیجیتال , شبکه های عصبی فازی , سیستم های فازی , مدل های ترکیبی. طبقه بندی JEL : G۱۱ , G۲۱ , P۳۴
رویکردها و ابزارهای پیش بینی هوشمند فازی در حوزه ارزهای دیجیتال authors
داود زارع خانقاه
گروه حسابداری، واحد زنجان، دانشگاه آزاد اسلامی، زنجان، ایران
علی محمدی
گروه حسابداری، واحد زنجان، دانشگاه آزاد اسلامی، زنجان، ایران
محمد ایمانی برندق
گروه حسابداری و مدیریت دانشگاه زنچان،زنجان ،ایران
امیر نجفی
گروه مهندسی صنایع، واحد زنجان، دانشگاه آزاد اسلامی، زنجان ، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :