مقایسه دو الگوریتم پس انتشار خطا و ژنتیک در یادگیری شبکه عصبی برای پیش بینی سری زمانی آشوبگونه

تحقیقات زیادی در رابطه با یافتن بهترین جواب برای پیش بینی سری زمانی انجام شده است . رویکرد های خطی و غیر خطی , مدل های ترکیبی , رویکردهای الگوریتم ژنتیک و برنامه ریزی تکاملی با موفقیت در آن استفاده شده است. پژوهش حاضر به مقایسه الگوریتم ژنتیک و شبکه عصبی در آموزش مدل سری زمانی جهت پیش بینی پرداخته است و به این سوال که استفاده از استراتژی های تکاملی برای پیش بینی سری زمانی چقدر سودمند است؟ پاسخ داده می شود . سری زمانی های مورد بررسی در این پژوهش آشوبگونه اند . پارامترها و ساختارهای مختلف برای الگوریتم ژنتیک و شبکه عصبی بررسی شده و مقادیر بهینه ارزیابی می شوند. به منظور داشتن معیاری برای مقایسه از خطای ریشه میانگین مربع خطا استفاده شده است. آزمایشات نشان می دهند که استراتژی های الگوریتم ژنتیک برای پیش بینی سری زمانی با داده های معمولی و دنباله هایی که کامپیوتری تولید شده اند , بسیار مناسب هستند.اما برای سری های مالی و اقتصادی کافی نیست .

کلیدواژه ها:

پیش بینی سری زمانی ، الگوریتم ژنتیک ، الگوریتم پس انتشار خطا