پیش بینی تمایلات تجاری میان کشورها با روشهای بهبود یافته گرافهای زمانی

چکیده مقاله

پیش بینی روابط تجاری میان کشورها یکی از مسائل چالش برانگیز در تحلیل داده ها است این روابط به طور مداوم تغییر می کنند و تحت تاثیر عوامل مختلفی مانند سیاست های اقتصادی و تحولات جهانی قرار دارند در این مقاله روشی جدید برای پیش بینی تمایلات تجاری کشورها با استفاده از گراف های زمانی و ماتریس انتشار پویا ارائه می شود این روش به ما کمک می کند تا روابط غیرمستقیم و بلندمدت میان کشورها را به طور دقیق تری مدل سازی کنیم روش پیشنهادی بر روی دیتاست tgbn trade که شامل روابط تجاری ۲۵۵ کشور در طول زمان است آزمایش شده است نتایج نشان می دهند که این روش می تواند دقت پیش بینی روابط تجاری را به طور قابل توجهی نسبت به مدل های قبلی افزایش دهد همچنین با تغییر پارامتر آلفا در ماتریس انتشار پویا، می توان دقت مدل را بهینه کرد این تحقیق نشان می دهد که روش پیشنهادی می تواند ابزار مفیدی برای تحلیل و پیش بینی روابط تجاری پیچیده باشد

کلیدواژه‌ها

نویسندگان

محمد مهدی باباافضلی

دانشجوی ارشد گروه هوش مصنوعی دانشکده برق و کامپیوتر دانشگاه کاشان

امیر قاسمی

دانشجوی ارشد گروه هوش مصنوعی دانشکده برق و کامپیوتر دانشگاه کاشان

عطیه کاظمی

دانشجوی ارشد گروه هوش مصنوعی دانشکده برق و کامپیوتر دانشگاه کاشان

امیرحسین اسکندری

دانشجوی ارشد گروه هوش مصنوعی دانشکده برق و کامپیوتر دانشگاه کاشان

مهدی وحیدی پوره

هیئت علمی گروه هوش مصنوعی دانشکده برق و کامپیوتر دانشگاه کاشان

�اباافضلی، محمد مهدی و قاسمی، امیر و کاظمی، عطیه و اسکندری، امیرحسین و وحیدی پوره، مهدی،1404،پیش بینی تمایلات تجاری میان کشورها با روشهای بهبود یافته گرافهای زمانی،دومین کنفرانس بین المللی دو سالانه پیشرفت ها در هوش مصنوعی و علوم داده،بوشهر

ارائه‌شده در

همایش «بسیج، پیشرفت و امنیت پایدار در منطقه جنوب شرق کشور»7 بهمن 1404 · تهران