مقایسه دو الگوریتم پس انتشار خطا و ژنتیک در یادگیری شبکه عصبی برای پیش بینی سری زمانی آشوبگونه
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 952
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
SENACONF02_043
تاریخ نمایه سازی: 30 آبان 1394
چکیده مقاله:
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:
نویسندگان
زهرا عربسرخی
دانشجوی ارشد علوم کامپیوتر , دانشکده پردیس , دانشگاه علامه طباطبایی (ره)
محمدرضا اصغری اسکویی
استادیار گروه رایانه , دانشکده علوم ریاضی و رایانه , دانشگاه علامه طباطبایی (ره)
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 :