سری های زمانی و شبکه های پیچیده

پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه زنجان - دانشکده علوم انسانی
نویسنده سمیه کریمی
استاد راهنما امیر حسین درونه
تعداد صفحات: ۱۵ صفحه ی اول
سال انتشار 1390

چکیده

نظریه شبکه ها روشی دیگر برای بررسی سامانه های پیچده است. در این روش اجزاء سامانه به صورت گره و برهم کنش هر دو جزء را با پیوندی میان گره های مریوط به آن ها نشان می دهیم. برای هر شبکه می توان کمیت های بزرگ مقیاس یا توپولوژیک تعریف کرد که اطلاعاتی راجع به حالت کلی شبکه در اختیار ما می گذارند. مطالعه این کمیت ها به ما کمک می کند تا شناخت از سامانه مورد بررسی خود پیدا کنیم. بررسی چنین سامانه هایی به روش های گوناگونی انجام می شود. گاهی کمیتی مشاهده پذیر از این سامانه را می توان در زمان های متوالی اندازه گیری کرد. بدین ترتیب سری زمانی به دست می آید که در خود اطلاعاتی راجع به سامانه را نهفته است. روش های مختلفی برای آشکار سازی اطلاعات درون سری زمانی وجود دارد که یکی از مهم ترین آن ها تحلیل روند زدای افت و خیز هاست. یافتن ارتباط بین روش های مختلف برای بررسی سری زمانی مسئله مهمی است. در این مطالعه می خواهیم با روشی جدید سری زمانی را به شبکه ای پیچده بنگاریم و بین کمیت های ماکروسکوپیک آن ها ارتباطی بیابیم.

۱۵ صفحه ی اول

برای دانلود 15 صفحه اول باید عضویت طلایی داشته باشید

ثبت نام

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

کاربردهای شبکه های عصبی در پیش بینی سری های زمانی

استفاده از روش های غیر کلاسیک در شناسایی مدل و پیش بینی رفتار سیستم های پیچیده، مدتهاست در محافل علمی و حتی حرفه ای متداول و معمول شده است. در بسیاری از سیستم های پیچیده و خصوصا غیر خطی که مدل سازی و به دنبال آن پیش بینی و کنترل آنها از طریق روش های کلاسیک و تحلیلی امری بسیار دشوار و حتی بعضا غیر ممکن می نماید، از روش های غیر کلاسیک که از ویژگی هایی همچون هوشمندی، مبتنی بر معرفت و خبرگی برخوردا...

متن کامل

مقایسه ی مدل های شبکه های عصبی مصنوعی و سری های زمانی برای پیش بینی قیمت گوشت مرغ در ایران

با توجه به اهمیت پیش بینی قیمت گوشت مرغ، در تحقیق حاضر قیمت این محصول با استفاده از روش ARIMA و شبکه های عصبی مصنوعی برای افق های زمانی یک ماهه، شش ماهه و دوازده ماهه پیش بینی گردید و این فرضیه که شبکه ی عصبی در پیش بینی قیمت گوشت مرغ از کارایی بیشتری نسبت به مدل های سری زمانی برخوردار است، مورد بررسی قرار گرفت. داده های مربوط به این متغیّر برای دوره ی زمانی1371:1 تا 1385:11 بوده و از شر...

متن کامل

پیش بینی تورم ایران با استفاده از مدل های ساختاری ، سری های زمانی و شبکه های عصبی

امروزه ، پیش بینی متغیر های کلان اقتصادی از اهمیت ویژه ای برای سیاستگذاران و سایر واحد های اقتصادی برخوردار است. در نتیجه ، دردهه های اخیر ، مدل های پیش بینی گوناگونی توسعه یافته و به رقابت با یکدیگر پرداخته اند. اخیراً به موازات مدل های متداول قبلی مانند مدل های ساختاری و سری زمانی ، مدل های دیگری تحت عنوان شبکه های عصبی مصنوعی در زمینه پیش بینی متغیر های مالی و پولی بکار گرفته شده اند. این م...

متن کامل

مقایسه روش‌های خودگردان و شبکه عصبی خودگردان در سری-های زمانی غیرخطی

شبکه‌های عصبی مصنوعی‏، از جمله مد‎ل‎های ریاضی جدیدی هستند که با دقت بالا به مد‏‎ل‎بندی ساختار سر‏ی‌های زمانی غیرخطی می‌پردازند. مزیت این مدل‌ها در مقایسه با مدل‌های سری زمانی این است که نیاز به فرضیات محدود کننده نمی‌باشد. دقت برآوردگرهای حاصل از شبکه عصبی به عنوان یک مدل ناپارامتری از مسائل مهم می‌باشد. برای این منظور با استفاده از روش‌های خودگردان، می‌توان دقت برآوردگرها را در ساختارهای پیچید...

متن کامل

کاربردهای شبکه های عصبی در پیش بینی سری های زمانی

متن کامل

مطالعه روش های آنالیز شبکه جهت تفسیر فنوتیپ های پیچیده در شبکه های بیولوژیک

آنالیز شبکه ژنی بخش مهمی از مطالعات بیولوژی سیستم ها است. در مقایسه با مطالعات سنتی ژنوتیپ / فنوتیپ که با تمرکز بر ایجاد روابط بین ژنهای منفرد و ویژگی مورد نظر است ، آنالیز شبکه ما را قادر می سازد تا به مشاهده تمام ژن ها با هم پرداخته که به نوبه خود عملکرد بیولوژیکی درست را نشان می دهد. آنالیز شبکه همچنین کمک به استنتاج اطلاعاتی سودمند از شبکه می کند و در کشف فرآیندهای بیولوژیکی از یک شبکه نی...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}

نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه زنجان - دانشکده علوم انسانی

کلمات کلیدی

شبکه های پیچیده تحلیل سری های زمانی

میزبانی شده توسط پلتفرم ابری doprax.com