به کارگیری مدل ترکیبی شبکه‌های عصبی مصنوعی با رگرسیون فازی با هدف پیش‌بینی قیمت طلا

Authors

  • مهدی بیجاری دانشگاه صنعتی اصفهان
Abstract:

یکی از مشکلات مهم در پیش‌بینی با شبکه‌های عصبی مصنوعی، فراهم کردن داده‌های لازم برای پیش‌بینی است؛ چرا که شبکه‌های عصبی برای حصول نتایج دقیق نیاز به داده‌های زیادی دارند. اما باید توجه داشت که جمع‌آوری داده‌های مورد نیاز شبکه، نخست، بسیار هزینه‌بر است و دوم، مدت زمان طولانی را طلب می‌کند. بنابراین با توجه به تغییرات سریع در محیط‌های واقعی و به ویژه سیستم‌های اقتصادی و مالی، پیش‌بینی در این‌گونه محیط‌ها نیازمند روش‌هایی است که با تعداد داده‌های قابل حصول کم نیز کارآمد و کارا باشند. روش‌های پیش‌بینی فازی، به دلیل استفاده از اعداد فازی به ‌جای اعداد قطعی، نسبت به سایر روش‌های مشابه به داده‌های کمتری نیاز داشته، اما عملکرد آنها همیشه رضایت‌بخش نیست. در این مقاله برای بر طرف‌ کردن محدودیت تعداد داده‌های مورد نیاز شبکه‌ و حصول نتایج دقیق‌تر برای پیش‌بینی قیمت طلا، مدل ترکیبی شبکه‌های عصبی مصنوعی با رگرسیون فازی پیشنهاد شده است. نتایج تجربی بیانگر کارآمدی این روش در پیش‌بینی قیمت طلا است.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

به کارگیری مدل ترکیبی شبکه های عصبی مصنوعی با رگرسیون فازی با هدف پیش بینی قیمت طلا

یکی از مشکلات مهم در پیش بینی با شبکه های عصبی مصنوعی، فراهم کردن داده های لازم برای پیش بینی است؛ چرا که شبکه های عصبی برای حصول نتایج دقیق نیاز به داده های زیادی دارند. اما باید توجه داشت که جمع آوری داده های مورد نیاز شبکه، نخست، بسیار هزینه بر است و دوم، مدت زمان طولانی را طلب می کند. بنابراین با توجه به تغییرات سریع در محیط های واقعی و به ویژه سیستم های اقتصادی و مالی، پیش بینی در این گونه...

full text

مقایسه تأثیر وضعیت طاق باز و دمر بر وضعیت تنفسی نوزادان نارس مبتلا به سندرم دیسترس تنفسی حاد تحت درمان با پروتکل Insure

کچ ی هد پ ی ش مز ی هن ه و فد : ساسا د مردنس رد نامرد ي سفنت سرتس ي ظنت نادازون داح ي سکا لدابت م ي و نژ د ي سکا ي د هدوب نبرک تسا طسوت هک کبس اـه ي ناـمرد ي فلتخم ي هلمجزا لکتورپ INSURE ماجنا م ي دوش ا اذل . ي هعلاطم ن فدهاب اقم ي هس عضو ي ت اه ي ندب ي عضو رب رمد و زاب قاط ي سفنت ت ي هـب لاتـبم سراـن نادازون ردنس د م ي سفنت سرتس ي لکتورپ اب نامرد تحت داح INSURE ماجنا درگ ...

full text

پیش‌بینی بارش ماهانه با مدل ترکیبی شبکه ‌عصبی مصنوعی-موجک و مقایسه با مدل شبکه‌ عصبی ‌مصنوعی

بدون شک اولین قدم در مدیریت رودخانه پیش­بینی بارش سطح حوضه آبریز می­باشد. با این حال، با توجه به بالا بودن خاصیت تصادفی فرآیندها، بسیاری از مدل­ها هنوز هم به منظور تعریف چنین پدیدة پیچیده­ای در زمینه مهندسی هیدرولوژیک توسعه داده می­شوند. اخیراً شبکه­های ­عصبی ­مصنوعی به عنوان یک برون­یابی و درون‌یابی غیرخطی گسترده توسط هیدرولوژیست­ها مورد استفاده قرار می­گیرد. در پژوهش حاضر، تجزیه و تحلیل­ موجک ...

full text

شناسایی دستکاری قیمت سهام از طریق مدل ترکیبی الگوریتم ژنتیک – شبکه عصبی مصنوعی و مدل SQDF

هدف این پژوهش، شناسایی دستکاری قیمت سهام در بورس اوراق بهادار تهران می­باشد که از طریق مدل ترکیبی الگوریتم ژنتیک-شبکه عصبی مصنوعی (ANN-GA)[1] و مدل تابع تفکیکی درجه دوی تعدیل شده (SQDF)[2] انجام گرفته است. در این پژوهش از متغیرهای قیمت، حجم معاملات و سهام شناور آزاد برای تطبیق نتایج مدل و داده­های واقعی از دستکاری قیمت استفاده شده است. در مدل ترکیبی ابتدا داده­های مربوط به 316 شرکت از نخستین رو...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 44  issue 1

pages  -

publication date 2010-03-21

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023