مقاله ارائه یک تکنیک نوین هوشمند جهت پیش بینی داده های حجیم بورس مبتنی بر الگوریتم فراابتکاری جستجوی هارمونی و شبکه عصبی مصنوعی

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

  مقاله ارائه یک تکنیک نوین هوشمند جهت پیش بینی داده های حجیم بورس مبتنی بر الگوریتم فراابتکاری جستجوی هارمونی و شبکه عصبی مصنوعی دارای ۲۴ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله ارائه یک تکنیک نوین هوشمند جهت پیش بینی داده های حجیم بورس مبتنی بر الگوریتم فراابتکاری جستجوی هارمونی و شبکه عصبی مصنوعی  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 ارائه یک تکنیک نوین هوشمند جهت پیش بینی داده های حجیم بورس مبتنی بر الگوریتم فراابتکاری جستجوی هارمونی و شبکه عصبی مصنوعی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله ارائه یک تکنیک نوین هوشمند جهت پیش بینی داده های حجیم بورس مبتنی بر الگوریتم فراابتکاری جستجوی هارمونی و شبکه عصبی مصنوعی :

تعداد صفحات:۲۴
چکیده:
امروزه، سرمایه گذاری در بورس، بخش مهمی از اقتصاد جامعه را تشکیل می دهد، به همین دلیل باتوجه به تولید حجم وسیع وبیشمار داده در بورس به صورت روزانه، پیش بینی قیمت سهام برای سهامداران از اهمیت خاصی برخوردار شده است تا بتوانندبالاترین بازده را از سرمایه گذاری خود کسب کنند. تکنیک های داده کاوی علاوه بر جمع آوری و مدیریت دادهها، آنالیز و پیش بینی هایی را نی شامل می شود که کشف الگوهای موجود و روابط ناشناختهی میان داده ها ما را در امر پیش بینی یاری میرساند. باتوجه به اینکه بازار سهام یک سیست غیرخطی و آشوبناک است لذا پیشبینی هرچه دقیق تر داده های حجیم بورس نیازمند اب ارهای هوشمند و پیشرفتهای مانند شبکههای عصبی و الگوریتم های فرا ابتکاری است. در این تحقیق با استفاده از تکنیکهای داده کاوی به ارائه روشی نوین هوشمند جهت پیش بینی داده های حجیم بورس با استفادهاز الگوریتم فرا ابتکاری جستجوی هارمونی و شبکه عصبی مصنوعی خواهیم پرداخت. مدل پیشنههادی رابرروی داده های شرکتهای IBM ، Apple ، Dell و نیز قیمت طلا در بازار جهانی اجرا کرده اید ، سپس نتایج بدست آمده با الگوریتم های HMM ، GFIS ، ANFIS ، CGFS ، PSO ، GA ، ARIMA ، ANN ، ANN-ICA ، ANN-GA ، ANN-HMM-Fuzzy ، HMM-ANN-GA مقایسه شده است. نتایآ نشان می دهد دقت پیش بینی، نسبت به سایر مدن ها به مراتب بهتر بوده است.