پیش بینی سری های زمانی مالی با استفاده از ترکیب شبکه عصبی و جستجوی هارمونی
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 991
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ITCC01_528
تاریخ نمایه سازی: 9 فروردین 1395
Abstract:
یکی از مسائل مهم در زمینه ی سری های زمانی، پیش بینی سری های زمانی مالی است که توجه بسیاری را به خود جلبکرده است. پیش بینی سری های زمانی مالی به مسائل سرمایه گذاری و تصمیم گیری های اقتصادی پرداخته و یک مدلاقتصادی سودآور را در آینده براساس نتایج اقتصادی گذشته ارائه میدهد. پیش بینی سری های زمانی مالی یک مسئله یچالش برانگیز در حوزه سریهای زمانی محسوب می شود و نظر بسیاری از پژوهشگران را به خود جلب نموده است. شبکهعصبی به عنوان یکی از بهترین روش های پیش بینی سری زمانی مالی شناخته شده است اما مشکلی که در پیش بینی سریهای زمانی مالی در شبکه عصبی مشاهده می شود تنظیم پارامترهایی چون تعداد لایه های مخفی، نرخ یادگیری و تعداددوره هایی است که باید تخمین زده شود. برای حل این مشکل، این مقاله به منظور تعیین مقادیر بهینه شبکه عصبی یکروش فرااکتشافی پیشنهاد می کند که بر اساس جستجوی هارمونی (HS) است. به منظور بهبود نرخ اکتشاف و استخراججستجوی هارمونی، پارامترهای کنترلی جستجوی هارمونی در طول نسل ها تطبیق می یابند. روش پیشنهادی در چندمجموعه داده سری زمانی مالی ارزیابی شد و با روش های GA-NN, PSO-NN هارمونی ساده و شبکه عصبی(بدون تنظیم پارامترهای اولیه) مقایسه گردید و برتری روش پیشنهادی از نظر دقت بر دیگر روش ها اثبات شد.
Keywords:
Authors
زینب فلاح شجاعی
دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی واحد بوئین زهرا، گروه مهندسی کامپیوتر،دانشکده فنی و مهندسی، بوئین زهرا، ایران
مهدی صادق زاده
دانشگاه آزاد اسلامی واحد ماهشهر، گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، ماهشهر، 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 :