ارائه مدلی برای پیش بینی سری زمانی با استفاده از شبکه های عصبی مصنوعی
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 993
فایل این مقاله در 19 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
COMCONF02_024
تاریخ نمایه سازی: 5 بهمن 1395
چکیده مقاله:
هدف اصلی این تحقیق بهینه سازی ورودی و یافتن یک ماشین پیش بینی کننده با استفاده از شبکه عصبی است که می تواند با مشاهده مقادیری از یک (RBF) و شبکه عصبی توابع شعاعی بنیادین ، (MLP) پرسپترون چندلایه می باشد. در این تحقیق (MSE) سری زمانی، مقادیر آتی آن را پیش بینی کند. معیار ارزیابی ،روش میانگین مربعات خطا از یک مجموعه داده غنی بعنوان ورودی شبکه عصبی استفاده شده است. مجموعه داده مورد نظر مربوط به میزان مصرف برق طی یک بازه زمانی 43 ساله می باشد. در سایر تحقیقاتی که در این زمینه انجام شده محققان بیشتر روی ساخت خود شبکه متمرکز شده اند. اما ما در این تحقیق روی یک خلا که همان نحوه ورودی دادن بوده، متمرکز شده ایم. 80 درصد از دادهها برای آموزش شبکه و 20 درصد باقیمانده برای آزمون در نظر گرفته شده و به صورت تصادفی به شبکه عصبی مورد نظر می دهیم. در ابتدا ورودی ها را به صورت کورکورانه و پشت سرهم به شبکه های عصبی RBF و MLP می دهیم و نتایج میزان خطا را با تغییر پارامترهای آن طی 5 بار اجرا ثبت می کنیم. سپس نحوه ورودی دادن به شبکه عصبی خود رابهینه می کنیم و نتایج را همانند روش قبلی ثبت و ذخیره می کنیم. خواهیم دید که اگر داده ها را با استفاده از کارشناسان مربوط به آن داده و افراد خبره به صورت کارشناسانه به شبکه عصبی بدهیم نتایج بسیار خوبی خواهیم گرفت. پس از بررسی نتایج هر دو روش، برای شبکه های عصبیR RBو MLP با استفاده از شاخص عملکرد میانگین مربعات خطا مشاهده شد که اگر به شبکه های عصبی RBF , MLP ورودی های بهینه سازی شده داده شود با دقت بالایی پیش بینی خواهند نمود.
کلیدواژه ها:
نویسندگان
مقداد عسگری
کارشناس ارشد مهندسی فناوری اطلاعات، موسسه آموزش عالی پویندگان دانش چالوس
حسام عمران پور
دانشکده مهندسی کامپیوتر دانشگاه صنعتی امیرکبیر
رضا طاولی
عضو هیات علمی تمام وقت دپارتمان ریاضی دانشگاه آزاد اسلامی واحد چالوس
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 :