بررسی قابلیت مدل یادگیری مورن در پیش بینی سری های زمانی آشوبگون

در اکثر نظریه های علوم شناختی ، معمولا تنها یک وجه از وجوه یادگیری انسان را مورد بررسی قرار می دهند. اگر بخواهیم چگونگی یادگیری انسان را مطالعه کنیم ، باید مجموع تمام نظریه های علوم شناختی را در نظر بگیریم ؛ زیرا در فرایند یادگیری انسان تفکیک آنها چندان معقول نیست . مدل های محاسباتی یادگیر عاطفی رهیافت نوینی است که امروزه در امر تحقیق بر روی یادگیری انسان و حتی ماشین از نظر محققان در دست بررسی می باشد. یکی از این مدل های یادگیر عاطفی ، مدل مورن می باشد. در این مقاله به تحلیل مدل یادگیری مورن پرداخته و یک مدل پیشنهادی برای مدل سازی و پیش بینی سری های زمانی آشوبگون با استفاده از این مدل شبیه سازی شده است .دامنه کاربرد پیش بینی سری های زمانی روزبه روز گستردهتر شده و نیاز دانش پژوهان در این زمینه افزونتر می گردد. سری های زمانی آشوبگون، زیرمجموعه ای از فرآیندهای غیرخطی با نتایج بسیار پیچیده و نامنظم ، تعریف می شوند. در طول چند دهه ی گذشته ، پیش بینی سری های زمانی آشوبی یکی از چالش های مهم بوده است . در نهایت مدل پیشنهادی با روش های گذشته پیش بینی سری های زمانی آشوبگون مقایسه شده است . نتایج شبیه سازی نشان می دهد که مدل سازی و پیش بینی با مدل مورن برای سری های زمانی آشوبگون ، نسبت به روش های گذشته بهبود یافته است .

کلیدواژه ها:

علوم شناختی ، مدل عاطفی مورن ، پیش بینی ، سری های زمانی آشوبگون.