ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > بحث>استعمال الخوارزمية الجينية لتد...>الوصف

استعمال الخوارزمية الجينية لتدريب الشبكة العصبية الاصطناعية لغرض التنبؤ بأسعار الإغلاق اليومية لمصرف بغداد في سوق العراق للأوراق المالية

العنوان بلغة أخرى: The Use of Genetic Algorithm to Train the Artificial Neural Network for the Purpose of Predicting Baghdad Bank Daily Closing Prices on the Iraqi Stock Exchange
المصدر: مجلة تكريت للعلوم الإدارية والاقتصادية
الناشر: جامعة تكريت - كلية الإدارة والاقتصاد
المؤلف الرئيسي: محمد، فراس أحمد (مؤلف)
مؤلفين آخرين: أحمد، منير شهاب (م. مشارك)
المجلد/العدد: مج16, ع51
محكمة: نعم
الدولة: العراق
التاريخ الميلادي: 2020
الصفحات: 482 - 498
ISSN: 1813-1719
رقم MD: 1205177
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: EcoLink
مواضيع:
التحليل الاقتصادي | الخوارزميات الجينية | الذكاء الاصطناعي | سوق الأوراق المالية | العراق
كلمات المؤلف المفتاحية:
الشبكات العصبية الاصطناعية | الخوارزمية الجينية | التنبؤ | سوق العراق للأوراق المالية | مصرف بغداد | Artificial Neural Networks | Genetic Algorithm | Prediction | Iraqi Stock Market Exchange | Baghdad Bank
رابط المحتوى:

الناشر لهذه المادة لم يسمح بإتاحتها.
صورة الغلاف QR قانون
حفظ في:
المستخلص: Some phenomena suffer from the presence of chaos and instability in its data as a result of the great development in information technology, which led to the existence of many patterns inherent in that data, and the process of identifying those patterns is considered a major and important problem, given its importance in the prediction process. So the need arose to know and identify those patterns, and to use these patterns in the prediction process. On this basis, recourse was made to the use of some modern and flexible technologies in that field, namely The Artificial Neural Networks and the genetic algorithm, and the use of that algorithm to update (train) the weights of The Artificial Neural Network. Through the results produced by the applied side, and after a set of models of Artificial Neural Networks were built with different displacements in variables and different nodes in the hidden layer, it was concluded that the best model for the purpose of prediction is the model NN (l,2,12;10). As that model had the lowest values for statistical measures, Akaike Information Criterion (AIC), Bayesian Information Criterion (BIC), and (SBC) Criterion. In addition, the time taken by that model in the training process is less than the rest of the models, as it reached the number of times that model was trained is (57) repetitions.

تعاني بعض الظواهر من وجود حالة من الفوضوية وعدم الاستقرارية في بياناتها نتيجة للتطور الكبير الحاصل في تكنولوجيا المعلومات، مما أدى إلى وجود أنماط عديدة كامنة في تلك البيانات، وتعتبر عملية تحديد تلك الأنماط من المشاكل الرئيسية والمهمة وذلك نظرا لأهميتها في عملية التنبؤ، لذا برزت الحاجة إلى معرفة وتحديد تلك الأنماط، واستعمال هذه الأنماط في عملية التنبؤ. وعلى هذا الأساس تم اللجوء إلى استعمال بعض التقنيات الحديثة والمرنة في ذلك المجال ألا وهي الشبكات العصبية الاصطناعية، والخوارزمية الجينية، واستعمال تلك الخوارزمية في تحديث (تدريب) أوزان الشبكة العصبية الاصطناعية. ومن خلال ما أفرزته النتائج في الجانب التطبيقي، وبعد أن تم بناء مجموعة من نماذج الشبكات العصبية الاصطناعية بمتغيرات بازاحات مختلفة وبعقد مختلفة في الطبقة الخفية، تم التوصل إلى أن أفضل أنموذج لغرض التنبؤ هو الأنموذج (1،2،12،10) NN، إذ امتلك ذلك الأنموذج أقل القيم للمقاييس الإحصائية، معيار معلومة أكيكي (AIC)، معيار معلومة بيز (BIC)، ومعيار (SBC)، بالإضافة إلى أن الزمن الذي استغرقه الأنموذج في عملية التدريب هو أقل من باقي النماذج، إذ بلغ عدد مرات تدريب ذلك الأنموذج (57) تكرار.
ISSN: 1813-1719

عناصر مشابهة

خيارات البحث

المزيد من البحث

هل تحتاج مساعدة؟


© 2024 المنظومة. جميع الحقوق محفوظة.