ارائه روشی نوین جهت پیش بینی سری های زمانی با استفاده از شبکه عصبیپرسپترون چندلایه و الگوریتم فرا ابتکاری جستجوی هارمونی

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,662

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

AEBSCONF01_407

تاریخ نمایه سازی: 6 آبان 1393

چکیده مقاله:

در سال های اخیر با پیشرفت هایی که در زمینه رایانه، هوش مصنوعی و هم چنین کشف روابط آشوبی در سری های زمانی غیر خطی پدید آمد ، تکنیک های هوش مصنوعی شامل شبکه های عصبی و بهره گیری از الگوریتم های بهینه سازی و فراابتکاری نتایج موفقیت آمیزی در این زمینه به دست آورده است. همانطور که تحقیقات متعدد در زمینه شبکه عصبی انجام شده، آموزش شبکه عصبی با استفاده از الگوریتم های مبتنی بر گرادیان با موفقیت خوبی انجام میشود ولی دلیل استفاده از الگوریتم های بهینه سازی تکاملی، بخشی از تعیین ساختار شبکه عصبی است که الگوریتم های مبتنی بر گرادیان نمی توانند مورد استفاده قرار بگیرند و همچنین آموزش شبکه عصبی با استفاده از الگوریتم های بهینه سازی دقت پیش بینی را افزایش میدهد، از این رو ما در این تحقیق جهت پیش بینی سری های زمانی، با ارائه تکنیکی نوین، بجای استفاده از روش های رایج مبتنی بر گرادیان از الگوریتم فرا ابتکاری جستجوی هارمونی برای تعیین وزن های شبکه عصبی پرسپترون چند لایه، که همان فاز آموزش است استفاده می کنیم. سری زمانی مورد استفاده قیمت روزانه طلا در بازار جهانی از سال 2002 الی 2012 همچنین نتایج بدست آمده، با آموزش شبکه عصبی مبتنی بر دو الگوریتم ژنتیک و رقابت استعماری مقایسه شده و در نهایت برتری الگوریتم پیشنهادی را با استفاده از معیارهای ارزیابی R2,MAE,RMSE,MSE,MAPE همچنین انطباق داده های واقعی و پیش بینی شده، بیان خواهیم نمود.

کلیدواژه ها:

پیش بینی سری های زمانی ، پیش بینی قیمت جهانی طلا ، آموزش شبکه عصبی ، شبکه عصبی پرسپترون چند لایه ، الگوریتم جستجوی هارمونی

نویسندگان

کیارش آقاخانی

دانشجوی کارشناسی ارشد ، دانشگاه آزاد اسلامی واحد آشتیان، گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، آشتیان ، ایران

عباس کریمی

دانشگاه آزاد اسلامی واحد اراک، گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، اراک ، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :
  • آقاخانی، کیارش، ارائه یک تکنیک نوین هوشمند جهت پیش بینی ...
  • منهاج، م. ب. 1384 مبانی شبکه های عصبی (هوش محاسباتی). ...
  • اتالوپس، اس . وی. (1381 دمنطق فازی و شبکه های ...
  • R. A. Schwartz and D. K. Whitcomb (June 1977). "Evidence ...
  • Aiken, M. and Bsat. _ (1999). "Forecasting market trends with ...
  • Boyd, M. and Kaastra, I., Designing a Neural Network for ...
  • Haykin, S., Neural Networks: A Comprehensive Foundation, Prentice-Hall, 1999. ...
  • Jang, J.R., Sun, C. and Mizutani, E., Neuro-Fuzzy and Soft ...
  • Shaikh, A.and Zahid, I., Using neural network for forecasting volatility ...
  • Wong, Bok., Bodnovich, Thomas A., Selvi, Yakup (1977). "Neural Network ...
  • Mahdavi, M., Fesanghary M. and Damangir E. (2007). An improved ...
  • Omran, M.G.H. and Mahdavi. M. (2008). Global-best harmony search. Appl. ...
  • Geem, Z.W., Kim, J.H., Loganathan, G.V, "A new heuristic optimization ...
  • Lee, K. S., Geem Z.W., Lee S. H. Bae K. ...
  • Pan, Q. K., Suganthan P.N., Fatih Tasgetiren M., Liang J.J. ...
  • Weiss, Gray (1992). "Chaos Hits wall Street-the Theory, that is", ...
  • Robert J. & Van Eyden (1996). "The Application of Neural ...
  • Jones, P. (1999). Investment; Analysis and management Jane Wiley and ...
  • Kim, K.J. and Han I. (2000), "Genetic algorithms approach to ...
  • Garliuskas, A. (1999) "Neural Networks Chaos and computational algorithms of ...
  • Rafiul, H., Nath, B., Michael, K.(2007). "A fusion model of ...
  • نمایش کامل مراجع