مقایسه روش های خودگردان و شبکه عصبی خودگردان در سری-های زمانی غیرخطی
- سال انتشار: 1393
- محل انتشار: مجله مدل سازی پیشرفته ریاضی، دوره: 4، شماره: 1
- کد COI اختصاصی: JR_JAMFN-4-1_005
- زبان مقاله: فارسی
- تعداد مشاهده: 73
نویسندگان
گروه آمار، دانشگاه اصفهان
گروه آمار، دانشگاه اصفهان
گروه مهندسی فناوری اطلاعات، دانشگاه اصفهان
چکیده
شبکه های عصبی مصنوعی، از جمله مدلهای ریاضی جدیدی هستند که با دقت بالا به مدلبندی ساختار سری های زمانی غیرخطی می پردازند. مزیت این مدل ها در مقایسه با مدل های سری زمانی این است که نیاز به فرضیات محدود کننده نمی باشد. دقت برآوردگرهای حاصل از شبکه عصبی به عنوان یک مدل ناپارامتری از مسائل مهم می باشد. برای این منظور با استفاده از روش های خودگردان، می توان دقت برآوردگرها را در ساختارهای پیچیده و غیرخطی سری های زمانی محاسبه کرد. این روش ها که در سال های اخیر معرفی شده اند، در محاسبه اریبی و واریانس برآوردگرها، در مقایسه با سایر روش ها از دقت بالاتری برخوردار هستند. در این مقاله ابتدا به معرفی الگوریتم های شبکه عصبی خودگردان، خودگردان اتورگرسیو، خودگردان بلوک متحرک و خودگردان مانده ها در سری های زمانی پرداخته می شود. سپس این چهار الگوریتم در یک مطالعه شبیه سازی برای مدل های اتورگرسیو، اتورگرسیو نمایی، اتورگرسیو آستانه ای خودمحرک و اتورگرسیو تغییر وضعیت هموار برای اندازه دقت برآورد واریانس استاندارد شده سه برآوردگر میانگین، اتوکوواریانس مرتبه صفر(واریانس) و اتوکوواریانس مرتبه یک، مورد مقایسه قرار می گیرند. در نهایت با استفاده از داده های قیمت نفت سنگین ایران به ارائه یک مثال کاربردی پرداخته می شود.کلیدواژه ها
شبکه عصبی مصنوعی, خودگردان اتورگرسیو, خودگردان مانده ها, خودگردان بلوک متحرک, سری زمانی غیرخطی, شبیه سازی مونت کارلواطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.