ارائه روش جدید در آموزش شبکه عصبی بازگشتی برای پیش‌بینی دو مرحله بعد سری‌های زمانی اقتصادی
کد مقاله : 1138-FEMATH (R1)
نویسندگان:
1نرگس طالبی مطلق *، 2امیر ریخته‌گر غیاثی، 2فرزاد هاشم زاده
1دانشجوی دکتری/دانشگاه تبریز
2استادیار/دانشگاه تبریز
چکیده مقاله:
پیش‌بینی دقیق رویدادهای آینده یکی از مهم‌ترین پایه‌های تصمیمات مهمی همچون خرید و فروش و توسعه فعالیت‌های اقتصادی معامله‌گران و شرکت‌های بزرگ اقتصادی می-باشد. از سوی دیگر به دلیل رفتار دینامیکی عوامل اقتصادی، پیش‌بینی بلادرنگ قیمت یکی از مسائل مشکل و پیچیده غیرخطی مورد علاقه اقتصاددانان می‌باشد. در این مقاله، به دلیل اهمیت پیش‌بینی جهت افزایش یا کاهش در قیمت، شبکه عصبی بازگشتی جدیدی برای پیش-بینی دو مرحله بعد پیشنهاد شده است که در آن با استفاده از یک ترکیب خطی از تقارن جهت-دار پیش‌بینی برای آموزش تقویتی شبکه عصبی و نرخ آموزش تطبیقی در الگوریتم یادگیری ، شبکه عصبی بازگشتی، دقت و کارایی آن بهبود یافته است. همچنین، براساس شبکه پیشنهادی، الگوریتم‌های جداگانه‌ای برای آموزش آنلاین و آفلاین ارائه شده است. پس از اعمال این شبکه و پیش بینی قیمت با استفاده از این شبکه نتایج پیش‌بینی نشان دهنده دقت بالا و کارایی این شبکه در پیش‌بینی قیمت طلا می‌باشد.
کلیدواژه ها:
شبکه عصبی بازگشتی، پیش‌بینی دو مرحله بعد(2SA)، آموزش تقویتی، تقارن جهت‌دار، پیش‌بینی بلادرنگ قیمت
وضعیت : مقاله برای ارائه به صورت پوستر پذیرفته شده است