رویکردها و ابزارهای پیش بینی هوشمند فازی در حوزه ارزهای دیجیتال
محل انتشار: فصلنامه اقتصاد مالی، دوره: 18، شماره: 66
سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 93
فایل این مقاله در 26 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_ECJ-18-66_012
تاریخ نمایه سازی: 15 بهمن 1402
چکیده مقاله:
چکیده سیستم های ترکیبی مبتنی بر شبکه های عصبی مصنوعی و سیستم های فازی مدل های مختلفی را برای پیشرفت علم ارائه می دهند از آنجا که آنها مدل هایی هستند که می توانند با آموزش عملی شبکه های عصبی و ظرفیت تفسیری سیستم های فازی کار کنند. لذا هدف این پژوهش، بررسی سیستماتیک مهمترین تئوری های پیش بینی ارز دیجیتال مبتنی بر مدل های ترکیبی فازی و شبکه های عصبی مصنوعی است مدل هایی که عمدتا بر روش های نظارت شده جهت سنجش مدل های ترکیبی متمرکز هستند همچنین، این بررسی ، تاریخچه مدل های ترکیبی، ترکیبات و قابلیت های معماری ، پردازش داده ها و روش های سنجش آنها، ویژگی های مدل های برجسته(پیشرو) و کاربردهای آنها در پیش بینی ارز دیجیتال را نیز شامل می شود نتایج نشان می دهد که مدل های شبکه عصبی فازی و مشتقات آنها در پیش بینی ارز دیجیتال با دقت بسیار بالا و با قابلیت توجیه مناسب که در طیف وسیعی از حوزه های اقتصادی و علمی کاربرد دارد، کارآمد هستند
کلیدواژه ها:
واژه های کلیدی: پیش بینی ، ارز دیجیتال ، شبکه های عصبی فازی ، سیستم های فازی ، مدل های ترکیبی. طبقه بندی JEL : G۱۱ ، G۲۱ ، P۳۴
نویسندگان
داود زارع خانقاه
گروه حسابداری، واحد زنجان، دانشگاه آزاد اسلامی، زنجان، ایران
علی محمدی
گروه حسابداری، واحد زنجان، دانشگاه آزاد اسلامی، زنجان، ایران
محمد ایمانی برندق
گروه حسابداری و مدیریت دانشگاه زنچان،زنجان ،ایران
امیر نجفی
گروه مهندسی صنایع، واحد زنجان، دانشگاه آزاد اسلامی، زنجان ، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :