تنظیم پویای پارامترهای الگوریتم یادگیری فراشناختی در شبکه های عصبی فازی تمام مختلط با استفاده از سیستم فازی برای پیش بینی داده های بازار فارکس
محل انتشار: دوازدهمین سمپوزیوم پیشرفت های علوم و تکنولوژی کمیسیون دوم:سرزمین پایدار تازه های کامپیوتر و فناوری اطلاعات
سال انتشار: 1396
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 644
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
COMPUTER04_008
تاریخ نمایه سازی: 21 اردیبهشت 1397
چکیده مقاله:
دراین مقاله، یک شبکه عصبی فازی مختلط) MCNFIS ( برای پیش بینی داده های بازاربزرگ جهانی فارکس پیشنهاد میشود. بنابراین بااستفاده ازداده های کنونی وباکمک MCNFIS ، مقداربعدی رابرای طلاونفت پیش بینی می کنیم. هدف MCNFIS یافتن ارتباط تابعی بین ورودی وخروجی است. الگوریتم یادگیری MCNFIS دارای قابلیت خودتنظیمی است که ازجنبه فراشناختی مغزبشرالهام گرفته شده است. MCNFIS در مورد اینکه چه داده ای، چه زمانی وچگونه آموزش ببیند، تصمیم می گیرد. الگوریتم یادگیری به وسیله پارامترهای فراشناختی کنترل می شود و ازسیستم فازی برای بروز رسانی حدود آستانه خودتنظیم، استفاده می کند) FB – MCNFIS (. تصمیم گیری به معنی اعمال یکی ازاستراتژیها، مبنی برحذف، آموزش و یا ذخیره داده می باشد. کارایی سیستم FB-MCNFIS در مسیله پیش بینی با استفاده از داده های طلاونفت فارکس موردارزیابی قرارگرفته است. نتایج با روش MCNFIS پایه، که ازرابطه وفقی برای بروز رسانی پارامترها استفاده می کند، مقایسه شده است که حاکی از بهبودکارایی FB-MCNFIS ، نسبت به MCNFIS پایه می باشد.
کلیدواژه ها:
نویسندگان
اعظم جناب
دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی واحد مشهد
سیدمحمدجواد سیدمهدوی چابک
استاد یار دانشگاه آزاد اسلامی واحد مشهد