پیش بینی قیمت طلا مبتنی بر روش های ترکیبی یادگیری عمیق و شاهین هریس
- سال انتشار: 1402
- محل انتشار: هفتمین کنفرانس بین المللی مطالعات جهانی در مهندسی کامپیوتر، برق و مکانیک
- کد COI اختصاصی: ENPMCONF07_045
- زبان مقاله: فارسی
- تعداد مشاهده: 319
نویسندگان
عضو هیات علمی و استادیار بخش مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد استهبان ، استهبان، ایران
دانشجوی کارشناسی ارشد مهندسی کامپیوتر شرکت توزیع نیروی برق استان فارس
چکیده
طلا به عنوان یکی از پر اهمیت ترین فلزات قیمتی در جهان، همواره توجه سرمایه گذاران و تجارت کاران رابه خود جلب کرده است. برای پیش بینی روند قیمتی طلاء از روش های مختلفی استفاده می شود که می توان به روش های تحلیل تکنیکال. تحلیل فاندامنتال، الگوریتم های یادگیری ماشین و الگوریتم های تکاملی اشاره کرد. با این حال، پیش بینی قیمت طلا چالش های متعددی را به همراه دارد. برای مثال در تحلیل تکنیکال با توجه به الگوها و شاخص های قیمتی گذشته. ممکن است نتایجی بدست آمده با وضعیت فعلی بازار مطابقت نداشته باشد. همچنین، در تحلیل فاندامنتال نیز بر اساس عوامل اقتصادی و سیاسی، قیمت طلا پیش بینی می گردد که این پیش بینی نمی تواند صحت کافی داشته باشد. از همین رو نیاز به یک سیستم قدرتمند جهت پیش بینی روندقیمتی طلا بیش از بیش احساس می گردد. در این پژوهش جهت پیش بینی روند قیمتی طلا از یک مدل ترکیبی استفاده گردیده است که در مرحله ی نخست عملیات پیش یردازش بروی قیمت های طلا صورت می گیرد. در مرحله ی دوم، جهت استخراج ویژگی های رفتاری طلا از شبکه ی عصبی کانولوشن بهره گرفته شده است که خروجی این شبکه به الگوریتم آدابوست جهت پیش بینی روند قیمتی طلا داده می شود. در نهایت برای کسب نتیجه ی نهایی از الگوریتم شاهین هریس جهت ترکیب نتایج الگوریتم های پیش بینی روند قیمت طلا استفاده گردیده است. نتایج روش پیشنهادی بروی مجموعه داده ی طلا که از سایت HistData گرفته شده است. بروی ماه های March, February, January و April سال ۲۰۲۳ براساس معیارهای MAE, RMSE, MSE و R۲ ۲ گزارش گردیده است. نتایج حاصل از آزمایش ها نشان دهنده ی کارایی قابل قبول روش پیشنهادی جهت پیش بینی روند قیمتی طلا بوده است.کلیدواژه ها
بازارهای جهانی، طلا، پیش بینی روند قیمت، شبک های عصبی کانولوشن، الگوریتم آدابوست، الگوریتم شاهین هریسمقالات مرتبط جدید
- توسعه مدل های یادگیری چندعاملی برای هماهنگی خودمختار در سیستم های سایبری-فیزیکی با بهره گیری از تقویت یادگیری عمیق چندعاملی
- پیش بینی تطبیقی احساسات در گفتار چند زبانه با استفاده از مدل های ترنسفورمر چندوجهی و یادگیری انتقالی
- معماری های اصلی شبکه های عصبی عمیق و مقایسه آنها
- Beyond Counsel: The Role of Artificial Intelligence in Transforming Legal Practice and Justice Access
- معماری بهینه برای شبکه حسگر بیسیم با بیشترین کاهش انرژی
اطلاعات 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.