ارائه یک مدل جدید از شبکه های عصبی تحریکی - مهاری بازگشتی برای پیش بینی سری‌های زمانی مالی
کد مقاله : 1181-CFIS (R1)
نویسندگان:
سید عبدالحمید اصفهانی *
گروه کامپیوتر - دانشگاه ازاد اسلامی واحد قاینات
چکیده مقاله:
روش‌های هوشمند جایگزین کار آمدی برای روشهای آماری در پیش‌بینی سری زمانی طولانی، پیچیده و غیر خطی هستند. این روش‌ها در مقایسه با روش‌های کلاسیک قدرت بیشتری در یادگیری و پیش‌بینی سری‌های زمانی دارند.شبکه‌های عصبی بازگشتی و شبکه‌های پویا دو دسته از مدل‌های عصبی هستند که در پیش‌بینی‌های زمانی کاربرد دارند. در این مقاله یک مدل ترکیبی جهت پیش‌بینی سری‌های زمانی پیچیده معرفی شده است.این مدل از ترکیب شبکه‌ عصبی بازگشتی و شبکه عصبی تحریکی – مهاری بدست آمده است و ‌ سری‌های زمانی را با دقت بالای پیش‌بینی کند. علاوه براین با توجه به اینکه مدل پیشنهادی در این مقاله نسبت به سایر شبکه های عصبی سبک‌تر است و فقط یک لایه وروردی و یک لایه خروجی دارد سرعت اجرای نسبتا بالای در مقایسه با سایر شبکه‌های عصبی دارد. مدل پیشنهادی بر روی ارزش سهام شرکت اپل آزمایش شده و نتایج آن با شبکه عصبی بازگشتی المان – جردن و شبکه عصبی پرسپترون مقایسه شده است. مدل پیشنهادی نسبت نسبت به سایر مدل ها دقیق‌تر و سریع‌تر عمل می‌کند.
کلیدواژه ها:
شبکه عصبی تحریکی – مهاری ، شبکه عصبی بازگشتی، پیش‌بینی سری‌ زمانی، پیش بینی بازار سرمایه
وضعیت : مقاله برای ارائه شفاهی پذیرفته شده است