بررسی از شبکه های عصبی مختلط و داده های نرمال شده با تبدیل فوریه

در این پژوهش در مدل توسعه داده شده تخصیص، ظرفیت بازار با توجه به نوع اخبار و مکان آنها با هم ارزیابی می گردد و مناسب ترین مکان برای اخبار تعیین می گردد. شبکه عصبی که درای وزنها و توابع تجمعی و توابع فعالسازی اعداد مختلط بوده و ورودی از جنس اعداد حقیقی بگیرد و به نحوی خروج اعداد حقیقی تولید کند ورودی و خروج را نیز قبل از آموزش شبکه با تبدیل فوریه به اعداد مختلط تبدیل کنیم و سپس به شبکه ارائه کنیم. در جهان امروز اینترنت و اخبار موجود در آن مانند سرمایه های جاری هستند که در اختیار همگان قرار می گیرند و هرکس بتواند اطلاعات موجود در آن را به نحو درست جمع آوری کرده مورد تحلیل دقیق قرار دهد می تواند به بهترین شکل از این سرمایه بهره مند شود. با استفاده از این اطلاعات و در راه رسیدن به سود مالی، تحلیل اخبار موجود در متن در راستای پیش بینی جهت تغییر قیمت سهام شرکت ها از اهدافی است که چندیاست سازمان ها و افراد مختلف در پی آن هستند. در این پژوهش با استفاده از سیستم های داده کاوی سعی در ارائه راه حلی نوین برای انجام پیش بینی سهام با استفاده از سری های زمانی و شبکه های عصبی مختلط و تبدیل فوریه شده است. بدین منظور ابتدا به مفاهیم و اصول بنیادی پیش بینی های سری زمانی پرداخته شده سپس به تفضیل، پیش بینی سری زمان توسط شبکه عصبی بررسی شده است سپس شبکه عصبی عدد مختلط تعریف شده و با استفاده از تبدیل فوریه برای تبدیل داده های سری زمانی به انجام پیش بینی پرداخته شده است. در نهایت با انجام چندین آزمایش روی داده های مختلف و نهایتا سهام شرکت ها کارای آن بررسی شده است.

کلیدواژه ها:

شکبه عصبی ، اعداد مختلط ، تبدیل فوریه ، بازیابی اطلاعات ، داده کاوی