مقاله کاربرد الگوریتمهای مختلف یادگیری در پیشبینی قیمت سهام با استفاده از شبکه عصبی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 مقاله کاربرد الگوریتمهای مختلف یادگیری در پیشبینی قیمت سهام با استفاده از شبکه عصبی دارای ۱۲ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله کاربرد الگوریتمهای مختلف یادگیری در پیشبینی قیمت سهام با استفاده از شبکه عصبی  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله کاربرد الگوریتمهای مختلف یادگیری در پیشبینی قیمت سهام با استفاده از شبکه عصبی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله کاربرد الگوریتمهای مختلف یادگیری در پیشبینی قیمت سهام با استفاده از شبکه عصبی :

تعداد صفحات :۱۲

پیشبینی قیمت سهام یکی از موضوعهای مهم مالی است، چرا که دادههای قیمت سهام دارای تغییر پذیری زیاد، پیچیدگی، دینامیک و آشوبگونه است،بنابراین ارتباط نامشخص بین قیمت سهام و عوامل مؤثر کاملا پویا است. بنابراین مسأله پیشبینی قیمت سهام تنها بوسیله یک برنامه کامپیوتری کاردشواری است.در این تحقیق، ابتدا بوسیله آزمون گردش، امکان پیشبینی قیمت سهام شرکت صنایع ملی مس ایران بررسی گردید. سپس رابطه همبستگی هشتبرای پیشبینی یک روز بعد قیمت سهام با الگوریتم یادگیری لونبرگ- MLP متغیر بنیادی و فنی مورد بررسی قرارگرفت. سپس از شبکهی عصبی۰/ استاندارد آموزش داده شد که نرخ یادگیری ۳ BP 6 با الگوریتم -۵- یعنی ۱ MLP مارکوارت استفاده شد. پس از آن ساختار بهینه شبکه عصبیاستاندارد به مینیممهای محلی محاسبه گردید و در آخر برای رهایی از BP بهترین عملکرد را داشته است و برای این نرخ یادگیری حساسیت الگوریتماستاندارد همراه با مومنتم استفاده شده است. نتایج بدست آمده نشان داد که پیشبینی بوسیله BP این حساسیت به مینیممهای محلی از الگوریتماستاندارد می باشد. BP استاندارد همراه با مومنتم بهتر از BP الگوریتم