در نظر گرفتن عوامل موثردر پیش بینی سری زمانی با بهبود الگوریتم سینوس کسینوس در انتخاب بهترین نمونه ها در مدل آموزش چندتایی شبکه عصبی
سال انتشار: 1396
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 468
فایل این مقاله در 13 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:
COMCONF05_467
تاریخ نمایه سازی: 21 اردیبهشت 1397
چکیده مقاله:
بدلیل پیچیدگی بازار بورس و حجم بالای اطلاعات مورد پردازش ، اغلب استفاده از یک سیستم ساده برای پیش بینی نتایج خوبی بهمراه ندارد. به همین دلیل محققان با ارایه ی مدل های ترکیبی سعی در ارایه ی سیستمی با پیچیدگی کمتر و کارایی و دقت بیشتر کرده اند . در اکثر مدل های پیش بینی کننده ، سیستم فقط با استفاده از اطلاعات یک شاخص به پیش بینی پرداخته ، ولی در مدل پیشنهادی یک سیستم دو سطحی از شبکه های عصبی پرسپترون چند لایه پیشنهاد می شود و از چندین شاخص برای پیش بینی استفاده می شود و همچنین برای آموزش بهتر شبکه ی عصبی و در نتیجه بهبود نتایج بدست آمده، از الگوریتم سینوس کسینوس برای انتخاب بهترین نمونه ها برای آموزش شبکه عصبی استفاده شده است و نتایج بدست آمده نشان می دهد که مدل پیشنهادی توانسته با خطای پیش بینی پایین تری نسبت به دیگر مدل ها عمل کند.
نویسندگان
حمید رحیمی
گروه هوش مصنوعی ،دانشکده مهندسی ، واحد مشهد، دانشگاه آزاد اسلامی ، مشهد ، ایران