ارزیابی توسعه و عملکرد یک مدل شبکه عصبی مصنوعی هدایت شده با دانش (KGANN) برای پیش بینی نرخ تسعیر

قیمت: 43,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

ارزیابی توسعه و عملکرد یک مدل شبکه عصبی مصنوعی هدایت شده با دانش (KGANN) برای پیش بینی نرخ تسعیر

عنوان لاتین

Development and performance evaluation of a novel knowledge guided artificial neural network (KGANN) model for exchange rate prediction

این مقاله یک مدل جدید پیش بینی را با استفاده از ساختار شبکه عصبی مصنوعی هدایت شده با دانش (KGANN) را برای پیش بینی کارآمد نرخ تسعیر ارائه می کند. این ساختار جدید دو سیستم موازی دارد. اولین سیستم یک ترکیب کننده خطی تطبیقی آموزش دیده حداقل میانگین مربعات (LMS) است درحالیکه دومین سیستم مدل FLANN تطبیقی را برای تکمیل مبنای دانشی با هدف بهبود ارزش عملکرد آن به کار می گیرد. نتیجه ی یک مدل آموزش دیده LMS به مدل تطبیقی FLANN برای ارائه ی نرخ تسعیر دقیق تر در مقایسه با مدل پیش بینی شده توسط یک مدل ساده LMS یا مدل FLANN اضافه می شود. این یافته از طریق مطالعه شبیه سازی طاقت فرسای کامپیوتر و استفاده از داده واقعی نشان داده شده است. بنابراین KGANN پیشنهادی یک مدل پیش بینی کارآمد برای پیش بینی نرخ تسعیر است.

This paper presents a new adaptive forecasting model using a knowledge guided artificial neural network (KGANN) structure for efficient prediction of exchange rate. The new structure has two parallel systems. The first system is a least mean square (LMS) trained adaptive linear combiner, whereas the second system employs an adaptive FLANN model to supplement the knowledge base with an objective to improve its performance value. The output of a trained LMS model is added to an adaptive FLANN model to provide a more accurate exchange rate compared to that predicted by either a simple LMS or a FLANN model. This finding has been demonstrated through an exhausting computer simulation study and using real life data. Thus the proposed KGANN is an efficient forecasting model for exchange rate prediction.