CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

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

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۸۶۶ | نظرات: ۰
سال انتشار: ۱۳۹۳
کد COI مقاله: AEBSCONF01_407
زبان مقاله: فارسی
حجم فایل: ۷۱۲.۲۲ کیلوبایت (فایل این مقاله در ۸ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۸ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳۰,۰۰۰ ریال بلافاصله دریافت فرمایید
قبل از اقدام به دریافت یا خرید مقاله، حتما به فرمت مقاله و تعداد صفحات مقاله دقت کامل را مبذول فرمایید.
علاوه بر خرید تک مقاله، می توانید با عضویت در سیویلیکا مقالات را به صورت اعتباری دریافت و ۲۰ تا ۳۰ درصد کمتر برای دریافت مقالات بپردازید. اعضای سیویلیکا می توانند صفحات تخصصی شخصی روی این مجموعه ایجاد نمایند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۸ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

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

  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

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.

کلیدواژه‌ها:

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

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-AEBSCONF01-AEBSCONF01_407.html
کد COI مقاله: AEBSCONF01_407

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
آقاخانی, کیارش و عباس کریمی، ۱۳۹۳، ارائه روشی نوین جهت پیش بینی سری های زمانی با استفاده از شبکه عصبیپرسپترون چندلایه و الگوریتم فرا ابتکاری جستجوی هارمونی، همایش ملی الکترونیکی دستاوردهای نوین در علوم مهندسی و پایه، تهران، مرکز پژوهشهای زمین کاو، https://www.civilica.com/Paper-AEBSCONF01-AEBSCONF01_407.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (آقاخانی, کیارش و عباس کریمی، ۱۳۹۳)
برای بار دوم به بعد: (آقاخانی و کریمی، ۱۳۹۳)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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. ۱۳۸۴ مبانی شبکه های عصبی (هوش محاسباتی). ...
  • اتالوپس، اس . وی. (۱۳۸۱ 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 ...
  • کدام مقالات به این منبع استناد نموده اند


    بر اساس سیستم تحلیلی استنادات مقالات، تاکنون برای نگارش ۱ مقاله استفاده شده است.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: ۵۵۵
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.