سیدمحسن میرحسینی - استادیار، گروه مهندسی کامپیوتر، واحد ه یدج، دانشگاه آزاد اسلامی، هیدج، ایران
حمید نقی لو - فارغ التحصیل مقطع کارشناسی ارشد ، گروه مهندسی کامپیوتر ، واحد هیدج، دانشگاه آزاد اسلامی، هیدج ، ایران
آرش شعبانی - استادیار، گروه مهندسی برق ، واحد هیدج ، دانشگاه آزاد اسلامی ، هیدج ، ایران

پیش بینی دقیق بازارهای مهم مالی از جمله بورس، همواره به عنوان یک چالش جدی مطرح بوده است. پیشرفت تکنولوژی موجبشده که پژوهشگران به سراغ روش های نوین برای پیش بینی بروند. شبکههای عصبی بازگشتی به عنوان زیر مجموعه ای ازیادگیری عمیق، یکی از مهمترین این روش هاست. این شبکه ها ضمن استخراج خودکار ویژگی ها، در به یادسپاری داده های وابسته به خوبی عمل می کنند. شبکه عصبی با حافظه کوتاه مدت بلند دو طرفه BILSTM نوعی از شبکه عصبی بازگشتی است که ضمن داشتن حافظه، با دو بارپیمایش داده ها، در به یادسپاری داده های با وابسته طولانی و احصاء ویژگی ها، نسبت به روش های مشابه، بهترعمل میکند که همین موضوع، موجب شده تا در این پژوهش نیز مورد استفاده قرار گیرد. جهت انتخاب مقدار بهینه ابرپارامترهایشبکه عصبی مذکور، از الگوریتم غذایابی باکتری بهبود یافته استفاده شده است. ضمن اینکه، از داده های مربوط به چهار سهم ازبازار بورس اوراق بهادار تهران برای آموزش و تست شبکه عصبی بهره برده شده است. ارزیابی روش پیشنهادی نشان از بهبوددقت پیشبینی توسط روش پیشنهادی دارد

یادگیری عمیق، شبکه های عصبی بازگشتی، حافظه کوتاه مدت بلند، الگوریتم بهینه سازی غذایابی باکتری