داده کاوی فازی – تحلیل سریهای زمانی با استفاده از دادهکاوی فازی
داده کاوی فازی
کارشناسی ارشد
400,000 تومان
300,000 تومان
پرداخت و دریافت فایل
چکیده
داده کاوی فازی – تحلیل سریهای زمانی مالی با استفاده از شبکههای عصبی و منطق فازی، مورد توجه بسیاری از پژوهشگران عرصه هوش مصنوعی بوده است. کاربردهای عملی روش های هوش مصنوعی بیشتر بر کنترل ابزار الکتریکی و الکترونیکی متمرکز بوده است که معمولا رفتاری نزدیک به توابع تحلیلی دارند. اما کاربرد این روش ها در تحلیل سریهای زمانی مالی، اجتماعی و دادههای بدست آمده از مطالعه پدیدههای طبیعی، بخاطر پیچیدگی بسیار بالاتر رفتار چنین سیستمهایی، چالش بزرگتری به حساب می آید.
استفاده از تجربهی متخصصان، نقطهی ورود منطق فازی به تحلیل سریهای زمانی مالی بوده است. به تدریج با استفاده از روشهای بهینه سازی در آموزش این مدل ها، نیاز به تجربهی متخصصان در این زمینه کمرنگ شد. ترکیب روشهای هوش مصنوعی، از جمله الگوریتمهای شبکه عصبی و منطق فازی مدلهای پیچیده تر و بهتری ارائه می دهد. همچنین رفتار دوره ای سریهای زمانی مالی توسط پژوهشگران بطور عمیق مطالعه شده است.
در این مطالعه مجموعه ای از مدلهای ترکیبی دو لایه ای که در هر لایه یکی از دو مدل منطق فازی و یا شبکه عصبی با در نظرگرفتن روندهای دوره ای سریهای زمانی مالی بکاررفته است به منظور پیش بینی و یادگیری الگوهای نوسانی شاخص سهام نیکی توکیو بررسی می شود. لایه نخست با استفاده از دادههای دسته بندی شده اولیه آموزش داده می شود. سپس از پیش بینی لایه نخست، به همراه دادههای اولیه برای آموزش مدل لایه دوم استفاده می شود.
از نتایج این پژوهش می توان به افزایش دقت پیش بینی، هم برای الگوریتم شبکه عصبی و هم برای منطق فازی با استفاده از مدل دو لایه ای اشاره نمود. درنظر گرفتن رفتار دوره ای سری های زمانی مالی در پیکربندی مدلها به افزایش دقت پیش بینی منجر شد. می توان برای رسیدن به نرخ بازخورد بالاتر در پیش بینی، داده های اولیه را پیش پردازش نمود.
داده کاوی فازی
فصل اول ۱ مقدمه و کلیات ۱
۱-۱ مقدمه ۲
۱-۲ سریهای زمانی مالی ۲
۱-۲-۱ سریهای زمانی و الگوها ۲
۱-۲-۲ ایستایی ۳
۱-۲-۳ تفاضل گیری ۳
۱-۲-۴ دادههای پرت(خارج از محدوده) ۴
۱-۲-۵ دادههای خالی ۴
۱-۲-۶ دادههای تغییر یافته ۵
۱-۲-۷ بازگشت مالی ۵
۱-۲-۸ بازگشت ساده ۶
۱-۲-۹ بازگشت ترکیب شده پیوسته ۶
۱-۲-۱۰ تغییر مقیاس ۷
۱-۲-۱۱ تغییر مقیاس خطی ۷
۱-۲-۱۲ تغییر مقایس میانگین و واریانس سری زمانی ۸
۱-۲-۱۳ کاهش ابعاد ۸
۱-۲-۲ برتری ها و کاستیهای روشهای هوش مصنوعی ۹
۱-۲-۲-۱ شبکه عصبی ۹
۱-۲-۲-۲ الگوریتم ژنتیک ۱۰
۱-۲-۲-۳ سیستمهای پیشرفته ۱۰
۱-۲-۲-۴ منطق فازی تجربی ۱۰
۱-۲-۲-۵ منطق فازی شهودی ۱۱
۱-۳ منطق فازی ۱۱
۱-۳-۱ مجموعههای فازی ۱۱
۱-۳-۲ سیستمهای فازی ۱۳
۱-۳-۳ کاربردهای منطق فازی ۱۹
۱-۳-۴ معامله با کمک منطق فازی ۲۳
۱-۳-۵ مدل سازی فازی ۲۵
۱-۳-۶ شناسایی سیستم ها با استفاده از منطق فازی ۲۶
۱-۳-۷ خوشه بندی ۲۶
۱-۳-۸ مشخص کردن رابطههای ورودی-خروجی ۲۶
۱-۴ شبکه عصبی ۲۹
۱-۴-۱ کاربردهای شبکههای عصبی ۲۹
۱-۴-۲ گونههای پرکاربرد شبکههای عصبی ۳۰
۱-۴-۳ معماری و آموزش شبکههای عصبی ۳۰
۱-۴-۳-۱ توابع فعال سازی نورون ۳۱
۱-۴-۳-۲ نورونهای چند لایه ۳۱
۱-۴-۳-۳ شبکههای پیش خور کلی : ۳۲
۱-۴-۳-۴ تابع پایه شعاعی: ۳۳
۱-۴-۳-۵ نقشههای خود سازمان دهنده ۳۴
فصل دوم ۳۵ پیشینهی پژوهش ۳۵
۲-۱ مقدمه ۳۶ ۲-۲ پژوهشهای گذشته ۳۶
۲-۲-۱ ترکیب مدلها ۳۶
۲-۲-۲ مدلهای چند لایه ای ۴۵
۲-۲-۳ رفتار تکرار شونده سریهای زمانی ۴۷
فصل سوم ۵۰ شرح مسئله و روش پیشنهادی ۵۰
۳-۱ مقدمه و شرح مسئله ۵۱
۳-۲ پیش پردازش داده ها ۵۲
۳-۲-۱ دسته بندی دادهها ۵۲
۳-۲-۲ اصلاح دادههای نادرست ۵۶
۳-۲-۳ تغییر مقیاس و کاهش داده ها ۵۶
۳-۳ مدل سازی ۵۸
۳-۳-۱ ارائه داده ها به مدل ۵۸
۳-۳-۲ آموزش مدل ها ۶۰
۳-۳-۳ الگوریتمهای به کار رفته ۶۱
۳-۳-۴ تعداد مدل در هر لایه ۶۲
فصل چهارم ۶۳ پیاده سازی و تحلیل نتایج ۶۳
۴-۱ مقدمه ۶۴
۴-۲ آماده سازی داده ها ۶۴
۴-۲-۱ ماتریس دادههای آموزش ۶۴
۴-۲-۲ تغییر مقیاس و کاهش داده ۶۶
۴-۲-۳ مدل سازی ۶۷
۴-۲-۴ نتایج ۷۰
۴-۲-۴-۱ آزمایش یک فازی- فازی ۷۱
۴-۲-۴-۲ آزمایش دو شبکه عصبی- شبکه عصبی ۷۳
۴-۲-۴-۳ آزمایش سه شبکه عصبی- فازی ۷۶
۴-۲-۴-۴ آزمایش چهار فازی- شبکه عصبی ۷۸
۴-۲-۴-۵ آزمایش پنج فازی- فازی ۸۰
۴-۲-۴-۶ آزمایش شش شبکه عصبی- شبکه عصبی ۸۲
۴-۲-۴-۷ آزمایش هفت، شبکه عصبی- فازی ۸۴
۴-۲-۴-۸ آزمایش هشت، فازی- شبکه عصبی ۸۶
۴-۲-۴-۹ آزمایش نه فازی-فازی، پیش پردازش ساده ۸۸
۴-۲-۴-۱۰ آزمایش ده شبکه عصبی-شبکه عصبی، پیش پردازش ساده ۹۰
۴-۲-۴-۱۱ آزمایش یازده فازی-فازی، با پیش پردازش لگاریتمی ۹۲
۴-۲-۴-۱۲ آزمایش دوازده فازی-فازی، با پیش پردازش لگاریتمی ۹۵
۴-۳ محیط اجرای محاسبات ۹۷
فصل پنجم ۹۸ جمعبندی و نتیجهگیری ۹۸
کلمات کلیدی
داده کاوی فازی
منطق فازی, تحلیل سری زمانی, شبکه عصبی, داده کاوی فازی, تحلیل فازی, fuzzy logic , artificial neural network