دانلود مقاله ISI انگلیسی شماره 101394
ترجمه فارسی عنوان مقاله

بهینه سازی شیمیایی مصنوعی بهینه سازی شبکه های عصبی برای پیش بینی کارایی شاخص های بازار سهام

عنوان انگلیسی
Artificial chemical reaction optimization of neural networks for efficient prediction of stock market indices
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی ترجمه فارسی
101394 2017 20 صفحه PDF سفارش دهید
دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله تقریباً شامل 13971 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 12 تومان 21 روز بعد از پرداخت 167,652 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 11 روز بعد از پرداخت 335,304 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Ain Shams Engineering Journal, Volume 8, Issue 3, September 2017, Pages 371-390

ترجمه کلمات کلیدی
شبکه های عصبی مصنوعی، پیش بینی مالی، پیش بینی سری زمانی، بهینه سازی واکنش شیمیایی، پراپرترون چند لایه
کلمات کلیدی انگلیسی
Artificial neural network; Financial forecasting; Time series prediction; Chemical reaction optimization; Multilayer perceptron;
پیش نمایش مقاله
پیش نمایش مقاله بهینه سازی شیمیایی مصنوعی بهینه سازی شبکه های عصبی برای پیش بینی کارایی شاخص های بازار سهام

چکیده انگلیسی

The underlying system models of time series prediction are complex and not known a priori, hence, accurate and unbiased estimation cannot be always achieved using well known linear techniques. The estimation process requires more advanced prediction algorithms, such as multilayer perceptrons (MLPs). This paper presents an artificial chemical reaction neural network (ACRNN), which uses artificial chemical reaction optimization (ACRO) to train the MLP models for forecasting the stock market indices. The underlying motivation for using ACRO is the ability to overcome the issues of convergence, parameter setting and overfitting and to accurately forecast financial time series data even when the underlying system processes are typically nonlinear. Historical data of seven different stock indices have been collected for 15 years to test the performance of the ACRNN approach. After extensive experimentation, it is observed that the ACRNN technique demonstrates significant improvements in prediction accuracy over the MLP approach.

دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله شامل 13971 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 12 تومان 21 روز بعد از پرداخت 167,652 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 11 روز بعد از پرداخت 335,304 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.