پیش بینی سری های زمانی بی نظم با ترکیب شبکه عصبی پرسپترون چند لایه و الگوریتم رقابت استعماری

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 656

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICFUZZYS15_014

تاریخ نمایه سازی: 25 بهمن 1394

چکیده مقاله:

پیش بینی سری های زمانی یکی از حوزه هایی است که بسیاری از روش های هوشمند و غیر هوشمند را به چالش کشیده است.این مقاله از روش جدیدی برای پیش بینی سری های زمانی بی نظم استفاده می کند. این روش از الگوریتم رقابت استعماری برای آموزش شبکه های عصبی پرسپترون چند لایه استفاده کرده و دقت پیش بینی را بهبود می دهد. از سری زمانی بی نظم Mackey-glass برای آزمایش روش پیشنهادی استفاده می شود و سپس با استفاده از شبکه عصبی پرسپترون با الگوریتم های یادگیری متفاوت سری زمانی پیش بینی شده و با روش پیشنهادی مقایسه خواهند شد.

کلیدواژه ها:

شبکه عصبی پرسپترون چند لایه ، الگوریتم رقابت استعماری ، پیش بینی سری های زمانی بی نظم

نویسندگان

میثم ثمره قاسم

دانشجوی کارشناسی ارشد علوم کامپیوتر،دانشکده ریاضی و کامپیوتر، دانشگاه شهید باهنر کرمان

مرجان کوچکی رفسنجانی

عضو هیئت علمی گروه علوم کامپیوتر،دانشکده ریاضی و کامپیوتر، دانشگاه شهید باهنر کرمان

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 :
  • R. S. Tsay, Analysis of Financial Time Series, John Wiley ...
  • Neuro computing, vol. 73, pp. 2540-2553, 20)1). [3]E. ...
  • Series Prediction with R ecurrent Neural Networks Trained by a ...
  • Prediction, Neuro computing, vol. 86, pp. 116-123, 2012. ...
  • Neuro computing, vol. 74, pp. 1936-1944, 2011. ...
  • Bioinformatics, vol. 1, pp. 377-383, 2012. ...
  • Y. Fu, C. Wu, J. Jeng, C. Ko, ARFNNs with ...
  • V. A. Gromov, A. N. Shulga, Chaotic TimeSeries Prediction with ...
  • Optimization for Support Vector Machines, Expert Systems with Applications, vo]. ...
  • Model: Artificial Neural Network, _ _ Hydrology, vol. 323, no. ...
  • Algorithm, Neuro computing, vo]. 73, pp. 449-460, 2009. ...
  • L. P. Maguire, B. Roche, T. M. McGinnity, _ J. ...
  • ]. P. Menezes, G. A. Barreto, Long Term Tine Series ...
  • H. Mirzaee, Lnear Combination Rule i Genetic Algorithm for Optimization ...
  • H. J. Song, C. Y. Miao, Z. Q. Shen, . ...
  • Series, Neural Networks, vol. 23, pp. 1264- 1275, 2010. ...
  • A. Sheta, K. Jong Time-series forcasting function, ...
  • Information Sciences, vol. 133, pp. 221- 228, 2001. ...
  • G. SU, A New Intellgent Model for Nonlinear Tine Series ...
  • Science and Software Engineering, _ 435- 438, 2008. ...
  • L. ang, J. Mendel, Generating Fuzzy Rules by Learning from ...
  • Cybernectics, vol. 22, pp. 1414-1427, 1992. [20] X. Wu, Unscented ...
  • Modelling, vol. 36, pp.1123-1131, 2012. ...
  • L. Zhang, _ Zhou, P. Chang, J. Yang, F. Li, ...
  • L. Zhao, Y. Yang, PSO-Based Single for ...
  • Applications vo]. 36, pp. 2805-2812, 2009. ...
  • نمایش کامل مراجع