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

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

کلیدواژه‌ها

نویسندگان

حمید رحیمی

گروه هوش مصنوعی ،دانشکده مهندسی ، واحد مشهد، دانشگاه آزاد اسلامی ، مشهد ، ایران

�حیمی، حمید،1396،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،پنجمین کنفرانس بین المللی مهندسی برق و کامپیوتر با تاکید بر دانش بومی،تهران

ارائه‌شده در

مجموعه مقالات پنجمین کنفرانس بین المللی مهندسی برق و کامپیوتر با تاکید بر دانش بومی19 بهمن 1396 · تهران