| کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
|---|---|---|---|---|
| 483995 | 703117 | 2015 | 8 صفحه PDF | دانلود رایگان |
کلمات کلیدی
1.مقدمه
2. توسعه ی مدل ANN هدایت شده با دانش (KGANN)
شکل 1 مدل پیش بینی ANN هدایت شده با دانش
شکل 2 ترکیب کننده خطی تطبیقی
شکل 3 مدل پیش بینی مبنی بر KGANN
جدول 1 نرخ های تسعیر موجود برای آموزش و تست
شکل 4a: مقایسه ی مشخصه های همگرایی مبنای دانشی و مدل های FLANN تبدیل روپیه برای پیش بینی یک ماه جلوتر
شکل 4b: مقایسه ی مشخصه های همگرایی مبنای دانشی و مدل های FLANN تبدیل Rupees برای پیش بینی دوازده ماه جلوتر
3. طراحی داده ورودی
شکل 4c: مقایسه ی مقدار واقعی و پیش بینی شده با استفاده از داده آموزشی تبدیل روپیه برای پیش بینی یک ماه جلوتر
شکل 4d: مقایسه ی مقدار واقعی و پیش بینی شده با استفاده از تبدیل داده آموزشی برای پیش بینی دوازده ماه جلوتر
4. مطالعه شبیه سازی
شکل 5a: مقایسه ی مشخصه ی همگرایی مبنای دانشی و مدل های FLANN تبدیل پوند برای پیش بینی یک ماه جلوتر
شکل 5b: مقایسه ی مشخصه ی همگرایی مبنای دانشی و مدل های FLANN تبدیل پوند برای پیش بینی دوازده ماه جلوتر
شکل 5c: مقایسه ی مقدار واقعی و پیش بینی شده با استفاده از داده آموزشی تبدیل پوند برای پیش بینی یک ماه جلوتر
شکل 5d: مقایسه ی مقدار واقعی و پیش بینی شده با استفاده از داده آموزشی تبدیل پوند برای پیش بینی دوازده ماه جلوتر
جدول2 مقایسه ی MAPE به دست آمده از مطالعه شبیه سازی سه مدل مختلف
جدول 3 مقایسه ی نرخ های تسعیر واقعی و پیش بینی شده با استفاده از مدل KGANN
5. نتیجه گیری
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.
Journal: Journal of King Saud University - Computer and Information Sciences - Volume 27, Issue 4, October 2015, Pages 450–457