ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

پیش بینی قیمت فلزات گرانبها با استفاده از الگوریتم های یادگیری عمیق

تعداد صفحات: 10 | تعداد نمایش خلاصه: 379 | نظرات: 0
سال انتشار: 1397
کد COI مقاله: ICIRES01_106
زبان مقاله: فارسی
(فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.

برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید.در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.

لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.

برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 10 صفحه است به صورت فایل PDF در اختیار داشته باشید.

قیمت این مقاله : 0 تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیش بینی قیمت فلزات گرانبها با استفاده از الگوریتم های یادگیری عمیق

بیژن شوشتریان - دانشکده مهندسی کامپیوتر، دانشگاه اصفهان،ایران
اسماعیل زاهدی - دانشکده مهندسی کامپیوتر، دانشگاه اصفهان،ایران
محسن یزدی نژاد - دانشکده مهندسی کامپیوتر، دانشگاه اصفهان،ایران
ساره هرمزان - دانشکده علوم و فنون نوین، دانشگاه تهران، ایران

چکیده مقاله:

همواره اقشار مختلف جامعه از اقتصاددانان گرفته تا عامه مردم به بازار ارز و فلزات گرانبها توجه ویژه ای داشته اند. در این زمینه، یکی از دغدغه های همیشگی اهل فن دستیابی به یک مجموعه پیش بینی نسبتا دقیق از قیمت (نرخ) انواع ارز و فلزات گرانبها بوده است. هدف از این تحقیق، طراحی و بکارگیری مدلی برای پیش بینی دقیق قیمت فلزات گرانبها بر طبق قیمت آنها در طول زمان است. با پیشرفت هایی که در عرصه فناوری اطلاعات رخ داده است، استفاده از علم داده و الگوریتم های پیشرفته در این زمینه می تواند راهگشا باشد. اخیرا الگوریتم های یادگیری عمیق زیادی برای حل مسایل هوش مصنوعی سنتی ارایه شده اند. در این تحقیق از دو روش LSTM و RNN برای پیش بینی قیمت فلزات گرانبها استفاده شده است. مدل سازی های متنوعی بر روی داده ها انجام گرفته است و نتایج هرکدام مورد بررسی قرار گرفته اند نتایج شبیه سازی های براساس شرایط مختلف و در سری های زمانی مختلف در پایتون انجام شده و مورد مقایسه قرار گرفته است. نتایج نشان می دهد که روشRNN بهتر از روش LSTM عمل می کند.

کلیدواژه ها:

الگوريتم LSTM، الگوريتم RNN، پيش بيني نرخ فلزات، يادگيري عميق

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/787422/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
شوشتریان، بیژن و زاهدی، اسماعیل و یزدی نژاد، محسن و هرمزان، ساره،1397،پیش بینی قیمت فلزات گرانبها با استفاده از الگوریتم های یادگیری عمیق،کنفرانس بین المللی نوآوری وتحقیق در علوم مهندسی(ICIRES 2018)،،،https://civilica.com/doc/787422

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1397، شوشتریان، بیژن؛ اسماعیل زاهدی و محسن یزدی نژاد و ساره هرمزان)
برای بار دوم به بعد: (1397، شوشتریان؛ زاهدی و یزدی نژاد و هرمزان)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: 13,346
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره 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.

پشتیبانی