جستجوی مقالات فارسی – 
پیش‌بینی قیمت سهام با شاخص های ترکیبی به روش شبکه عصبی مصنوعی- قسمت  …

در این پژوهش میزان صحت پیش‌بینی شبکه عصبی با چهار مدل بررسی شد که در اینجا به بحث در مورد سؤال اول که از دو گروه اطلاعات فنی و بنیادی و در سؤال دوم از گروه اطلاعات فنی استفاده‌شده است، می‌پردازیم که میانگین نتایج اطلاعات دو سؤال برای ده شرکت شیمیایی نمونه به شرح زیر

تحقیق دانشگاهی – 
پیش‌بینی قیمت سهام با شاخص های ترکیبی به روش شبکه عصبی مصنوعی-  …

روش تحقیقمقدمهیکی از مهم‌ترین مراحل انجام هر تحقیق علمی، روش انجام آن است. اگر یک تحقیق از مبانی نظری بسیار قوی برخوردار باشد و داده‌های آن به‌صورت دقیق و کامل گردآوری‌شده باشند، اما از روش تحقیق مناسبی برای تجزیه‌وتحلیل داده‌ها استفاده‌نشده باشد، نتایج تحقیق چندان قابل‌اتکا نخواهند بود. به همین دلیل، برای رد یا عدم

فایل – 
پیش‌بینی قیمت سهام با شاخص های ترکیبی به روش شبکه عصبی مصنوعی- قسمت ۱۶

در بورس اوراق بهادار تهران ۱٫ مدل غیرخطی اریما۲٫ مدل خطی گراچ۳٫ شبکه عصبی مصنوعی دادههای هفتگی شاخص بورس سهام اوراق بهادار تهران . کارایی بالای مدل‌های مبتنی بر هوشمصنوعی این امکان وجود دارد که علاوه بر استفاده از دو مدل سری‌های زمانی و شبکه‌های عصبی مصنوعی، از مدل‌های منطق فازی مانند فاریما نیز برای

پیش‌بینی قیمت سهام با شاخص های ترکیبی به روش شبکه عصبی مصنوعی-  …

پیش‌بینی قیمت سهام با استفاده از باشاخص‌های ترکیبی بازار به روش شبکه عصبی شبکه عصبی داده‌های روزانهداده‌های بنیادی روش ترکیبی دقت پیش‌بینی قیمت سهام را بالا می‌برد. یاکوب کاراوهمکاران ۲۰۱۱ پیش‌بینی جهت حرکت شاخص قیمت سهام بورس استانبول شبکه عصبی فازیماشین بردار پشتیبان داده‌های روزانه شاخص فنی شبکه عصبی فازی دقت بالتری نسبت به ماشین

پیش‌بینی قیمت سهام با شاخص های ترکیبی به روش شبکه عصبی مصنوعی- قسمت  …

شاهعلی زاده و دارابی (۱۳۹۳) با استفاده از مدل شبکه مصنوعی مدل ترکیبی جدیدی ارائه نمود که نسبت به سایر روش‌های خطی و غیرخطی پیش‌بینی قیمت سهام خطای را با خطای کمتری انجام دهد. در تحقیقشان جهت پیش‌بینی قیمت سهام از ترکیبی از هوش مصنوعی: شبکه عصبی فازی، الگوریتم ژنتیک استفاده‌شده است ترکیبش با شبکه عصبی

تحقیق – 
پیش‌بینی قیمت سهام با شاخص های ترکیبی به روش شبکه عصبی مصنوعی-  …

یافتن ارزش تابعی هرکدام از زنبورهای جمعیت اولیهبا توجه به ارزش تابع m مکان به‌عنوان نقاط بهتر که از میان آن e  نقطه به‌عنوان نقاط بهترین و m-e  مکان به‌عنوان سایر نقاط بهتر از بین مکان‌هایی که زنبورها یافته‌اند انتخاب میشود.مشخص کردن همسایگی این مکان‌ها برای اعزام نقاط جدید nghفرستادن زنبورها به نقاط انتخاب‌شده، البته زنبورهای بیشتری باید برای نقاط بهترین فرستاده شود.مشخص کردن