3-3-3 الگوریتمهای تکاملی…………………… 313-3-3-1 الگوریتم ژنتیک……………………. 33

3-3-3-2 الگوریتم بهینه سازی ازدحام ذرات…………………… 36

3-3-3-3 الگوریتم رقابت استعماری…………………… 38

فصل 4 : روش تحقیق…………………… 43

4-1 فرایند CRISP……………………

4-1-1 تعریف مساله…………………. 43

4-1-2 تحلیل داده ها………………….. 43

4-1-3 آماده سازی داده ها………………….. 44

برای دیدن جزییات بیشتر و دانلود پایان نامه اینجا کلیک کنیدبرای دیدن جزییات بیشتر و دانلود پایان نامه اینجا کلیک کنید

4-1-4 مدلسازی…………………… 44

4-1-5 ارزیابی…………………… 44

4-1-6 پیاده سازی…………………… 45

فصل 5: اجرا…………………. 46

5-1 اجرای فرایند CRISP……………………

5-1-1 مجموعه داده ها………………….. 46

5-1-2 کیفیت داده ها و کاهش داده ها………………….. 50

5-1-3 پیاده سازی شبکه عصبی مصنوعی برای سری های زمانی……… 51

5-1-3-1 معماری شبکه عصبی مصنوعی…………………… 51

5-1-3-2 تطبیق ورودی های زمانی به عنوان ورودی شبکه عصبی مصنوعی……. 53

یک مطلب دیگر :

5-1-4 پیاده سازی آموزش شبکه عصبی مصنوعی با الگوریتمهای تکاملی…….. 54

5-1-4-1 الگوریتم ژنتیک……………………. 54

5-1-4-2 الگوریتم بهینه سازی ازدحام ذرات…………………… 55

5-1-4-3 الگوریتم رقابت استعماری…………………… 56

5-1-4 به کارگیری شبکه عصبی مصنوعی آموزش دیده با الگوریتم های تکاملی……. 58

فصل 6 : تحلیل یافته ها، نتیجه گیری و پیشنهاد ها………………….. 60

6-1 نتیجه گیری و پاسخ به سئوالات تحقیق…………………… 60

6-2 تحقیقات پیشنهادی آینده………………….. 64فهرست منابع…………………… 65

پیوست ها ………………….67

پیوست 1: کد شبکه عصبی سری زمانی با آموزش با الگوریتم پیش انتشار خطا…… 67

پیوست 2: کد شبکه عصبی مصنوعی با آموزش با الگوریتم ژنتیک…………. 68

پیوست 3: کد شبکه عصبی مصنوعی با آموزش با الگوریتم ازدحام ذرات………. 71

پیوست 4: کد شبکه عصبی مصنوعی با آموزش با الگوریتم رقابت استعماری……….. 73

چکیده:

تحقیقات بسیاری جهت پیش بینی قابل قبول و قابل اطمینان به کمک روشهای شبیه سازی، تحلیل سری های زمانی، ترکیب روشهای هوش مصنوعی با روش های تحلیل سری های زمانی و در آخرین آنها ترکیب روشهای داده کاوی و هوش مصنوعی با روش های تحلیل سری های زمانی و الگوریتم های بهینه سازی تکاملی در حوزه قیمت سهم در بازار بورس اوراق بهادار صورت گرفته است. در این تحقیق سعی بر آن شده که در قالب فرایند CRISP داده کاوی و با ارجاع به آخرین تحقیقات صورت گرفته، ترکیب شبکه عصبی مصنوعی و الگوریتم های بهینه سازی تکاملی به عنوان مدل پیش بینی قیمت سهم در بازار بورس اوراق بهادار مورد بررسی قرار گیرد. الگوریتم های بهینه سازی تکاملی ژنتیک، ازدحام ذرات و رقابت استعماری در آموزش شبکه عصبی مصنوعی با داده های سری زمانی کاهش یافته قیمت پنج سهم منتخب از بازار بورس اوراق بهادار تهران به کار گرفته شدند و قابل قبول و قابل اطمینان بودن پیش بینی به کمک شبکه عصبی مصنوعی آموزش دیده با الگوریتم ازدحام ذرات بر اساس مقادیر شاخص میزان خطا (mse) پیش بینی شبکه عصبی مصنوعی مورد اشاره به اثبات رسید. همچنین عدم درک آشوب داده ها توسط الگوریتم یادگیری پیش انتشار خطا به چالش کشیده شد.

فصل اول: معرفی تحقیق