در نظر گرفتن عوامل موثردر پیش بینی سری زمانی با بهبود الگوریتم سینوس کسینوس در انتخاب بهترین نمونه ها در مدل آموزش چندتایی شبکه عصبی
Publish place: Fifth International Conference on Electrical and Computer Engineering with Emphasis on Indigenous Knowledge
Publish Year: 1396
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 464
This Paper With 13 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:
COMCONF05_467
تاریخ نمایه سازی: 21 اردیبهشت 1397
Abstract:
بدلیل پیچیدگی بازار بورس و حجم بالای اطلاعات مورد پردازش ، اغلب استفاده از یک سیستم ساده برای پیش بینی نتایج خوبی بهمراه ندارد. به همین دلیل محققان با ارایه ی مدل های ترکیبی سعی در ارایه ی سیستمی با پیچیدگی کمتر و کارایی و دقت بیشتر کرده اند . در اکثر مدل های پیش بینی کننده ، سیستم فقط با استفاده از اطلاعات یک شاخص به پیش بینی پرداخته ، ولی در مدل پیشنهادی یک سیستم دو سطحی از شبکه های عصبی پرسپترون چند لایه پیشنهاد می شود و از چندین شاخص برای پیش بینی استفاده می شود و همچنین برای آموزش بهتر شبکه ی عصبی و در نتیجه بهبود نتایج بدست آمده، از الگوریتم سینوس کسینوس برای انتخاب بهترین نمونه ها برای آموزش شبکه عصبی استفاده شده است و نتایج بدست آمده نشان می دهد که مدل پیشنهادی توانسته با خطای پیش بینی پایین تری نسبت به دیگر مدل ها عمل کند.
Authors
حمید رحیمی
گروه هوش مصنوعی ،دانشکده مهندسی ، واحد مشهد، دانشگاه آزاد اسلامی ، مشهد ، ایران