طراحی خودکار مدل فازی عصبی خطی محلی با استفاده از برنامه نویسی ژنتیک کارتزین به منظور شناسایی داده های مالی
محل انتشار: مجله علوم رایانشی، دوره: 1، شماره: 3
سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 55
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_CSJI-1-3_002
تاریخ نمایه سازی: 14 بهمن 1402
چکیده مقاله:
مدل فازی عصبی خطی محلی یک سیستم فازی با ساختار شبکه های عصبی مصنوعی است که از امتیاز محلی گرایی برای تقریب و شناسایی بهره می برد. درخت مدل خطی محلی یا لالیموت الگوریتمی بر پایه استراتژی تقسیم و غلبه برای ساخت مدل های فازی عصبی خطی محلی می باشد. در این الگوریتم حل مساله پیچیده با کمک تقسیم مساله اصلی به زیرمساله های کوچکتر و ساده تر انجام می شود. در راستای بهبود دقت پیش بینی مدل های فازی عصبی خطی محلی، در این مقاله به معرفی الگوریتمی نوین می پردازیم. مدل پیشنهادی تحت عنوان Fuzzy Model Local Nonlinear Neuro- و به اختصار LNLNFM معرفی می شود. در روش پیشنهادی ابتدا یک تجزیه موجک روی سیگنال اعمال شده تا محتوای اطلاعاتی غنی تری مهیا شود، سپس با استفاده از روندی مشابه الگوریتم درخت مدل خطی محلی به افراز فضای داده می پردازیم و مدل های محلی را شکل می دهیم؛ تنها با این تفاوت که مدل ها، دیگر خطی نیستند و با استفاده از برنامه نویسی ژنتیک کارتزین، روابط غیر خطی مناسب برای تخمین سیگنال در مدل های محلی به دست می آید. جهت ارزیابی عملکرد مدل طراحی شده، از آن برای پیش بینی سری های مالی استفاده شده است. نتایج حاصل از این شبیه سازی ها دلالت بر بهبود دقت پیش بینی مدل پیشنهادی نسبت به مدل استاندارد فازی عصبی خطی محلی دارد.
کلیدواژه ها:
نویسندگان
حسین زینلی
دانشجوی دکتری، دانشکده مهندسی کامپیوتر دانشگاه صنعتی شریف، تهران
باقر باباعلی
استادیار، دانشکده ریاضی، آمار و علوم کامپیوتر پردیس علوم، دانشگاه تهران