موضوع شناخت و بررسی رفتار قیمت سهام، همواره یکی از موضوع های مهم و مورد توجه محافل علمی و سرمایه گذاری بوده است. اخیراً تعداد زیادی از پژوهشگران در پژوهش های خود بازار سهام را به عنوان یک سیستم پویای غیرخطی در نظر گرفته اند. در این پژوهش، تلاش شده است با استفاده از تبدیل موجک و شبکه عصبی مدلی ارایه شود که پیش بینی دقیق تر و با خطای کمتری از بازده شاخص بورس اوراق بهادار داشته باشد. در این مدل ترک...

تجزیه و تحلیل ارتعاشات ماشین آلات دوار می تواند وضعیت عیوب بالقوه مانند نابالانسی، ناهمراستایی، محور خم، ترک محور، لقی بیرینگ ، مالش روتور، لقی، غلغله و شلاق روغن و سایر عیوب را نشان دهد. تشخیص عیوب روتور در سال های اخیر دارای اهمیت شده است. مقالات بسیاری چاپ شده که با عیوب تکی کار کرده اند، اما معمولاً، بیش از یک عیب می تواند در روتور رخ دهد. این پژوهش کاربرد شبکه عصبی مصنوعی و تبدیل موجک برای ...

دقت پیش بینی ها از مهمترین فاکتور های مؤثر در انتخاب روش های پیش بینی می باشند. امروزه علی رغم وجود روش های متعدد پیش بینی، هنوز پیش بینی های دقیق، بویژه در بازارهای مالی کار چندان ساده ای نبوده و اکثر محققان درصدد بکارگیری و ترکیب روش های متفاوت به منظور حصول نتایج دقیق تر می باشند. در سال های اخیر تلاش های فراوانی به منظور بهبود روش های پیش بینی سری های زمانی صورت گرفته است. مدل های ترکیبی می...

     شبیه‌سازی فرآیند بارش - رواناب اولین و مهمترین گام برای کنترل سیلاب در مدیریت منابع آب می‌باشد. در این تحقیق  فرآیند بارش – رواناب  ماهانه رودخانه کاکارضا واقع در استان لرستان، با استفاده از شبکه عصبی بیزین موردبررسی قرار گرفت و نتایج آن با روش‌های برنامه‌ریزی بیان ژن و ماشین بردار پشتیبان مقایسه گردید. بر این اساس ترکیب‌های مختلفیبا استفاده از پارامترهای بارندگی و رواناب، طی دوره آماری (1...

این پژوهش با رویکرد ترکیبی، با به‌کارگیری شبکه عصبی بازگشتی مبتنی بر الگوریتم کلونی زنبورعسل مصنوعی (ABC-RNN)، درصدد ارائه مدلی بهینه برای پیش­بینی قیمت سهام در بورس تهران است. برای این منظور با استفاده از داده‌های سهام پذیرفته‌شده در بازار اول تابلوی اصلی بورس تهران که طی سال­های 1390 تا پایان سال 1394 مورد معامله قرارگرفته است، ضمن تعریف مؤلفه­های تکنیکال و بنیادی متعدد، با به‌کارگیری فرآیند ...

امروزه شبکه های عصبی مصنوعی جایگاه ویژه ای در حیطه مالی پیدا کرده است. پژوهش حاضر به دنبال یافتن روش بهتر برای ساخت و آموزش شبکه های عصبی مصنوعی است که منجر به پیش بینی دقیق‌تر در موضوع ورشکستگی شود. در این میان سه شبکه عصبی از نوع توابع شعاع مدار ساخته شد که به صورت جداگانه توسط متغیرهای مدل آلتمن (1983)، اسمایوسکی (1984) و ترکیبی آموزش داده شدند. پس از سنجش توانایی سه مدل در پیش بینی ورشکستگی...

این مقاله یک ترکیب هم­افزای شبکه عصبی آشوب‎گون با پسخوراند خودی، نمای لیاپانوف و تبرید تدریجی را برای حل مسائل بهینه‎سازی ترکیبی نظیر فروشنده دوره‌گرد (TSP) پیشنهاد می‎دهد. برخلاف شبکه‎های عصبی مصنوعی که با دینامیک گرادیان نزولی به سمت نقطه تعادل پایدار همگرا می‎شوند، شبکه­های عصبی آشوبی دینامیک­های فضایی - زمانی غنی‎تر و ساختار پیچیده‎تری دارند؛ بنابراین انتظار می­رود شبکه عصبی آشوبی توان زیاد...

- بار پردازشی زیاد، نیاز متناوب به به روزرسانی، پیچیدگی و خطای زیاد در تشخیص، برخی از مشکلات و ضعفهای موجود در طراحی سیستمهای تشخیص ناهنجاری و تشخیص سوءاستفاده است. هدف این تحقیق، طراحی نوعی سیستم تشخیص نفوذ مبتنی بر شبکه است که این ضعفها را تا حد امکان کم کند. برای رسیدن به این هدف، سیستمهای تشخیص سوءاستفاده و تشخیص ناهنجاری را ادغام کرده ایم. این رویکرد تاکنون در طراحی سیستمهای تشخیص نفوذ به ...

در این مقاله، به پیش‌بینی ریسک ورشکستگی مالی بر اساس مدل‌های حسابداری، بازاری و ترکیبی (ترکیب دو مدل فوق) با استفاده از تکنیک‌های MLP و RBF شبکه‌های عصبی پرداخته شده و نتایج تکنیک‌های مذکور بر اساس شاخص میانگین مربعات خطا در سه مدل یاد شده با هم  ...

متغیرهای مختلفی بر عملکرد مزارع نیشکر تأثیر‌گذارند. با بررسی این متغیرها و تعیین میزان اثر هر یک از آنها می‌توان به راهکارهایی به‌منظور افزایش بهره‌وری مزارع نیشکر دست یافت. امروزه استفاده از یافته‌های هوش مصنوعی و داده کاوی برای کمک به پیش‌بینی تولید محصول مورد توجه قرار گرفته است. هدف از این مقاله، معرفی روش‌ هوشمند سیستم استنتاج فازی- عصبی تطبیقی و ترکیب این تکنیک با الگوریتم بهینه‌س...