دانلود مقاله ISI انگلیسی شماره 101404
ترجمه فارسی عنوان مقاله

شبکه عصبی مبتنی بر بهینه سازی شیمیایی مصنوعی برای کاوش موقعیت مجازی برای پیش بینی سری زمانی موثر مالی

عنوان انگلیسی
Artificial chemical reaction optimization based neural net for virtual data position exploration for efficient financial time series forecasting
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی ترجمه فارسی
101404 2017 14 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 12390 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 19 روز بعد از پرداخت 148,680 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 10 روز بعد از پرداخت 297,360 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
منبع

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

Journal : Ain Shams Engineering Journal, Available online 13 January 2017

ترجمه کلمات کلیدی
بازار سهام، موقعیت داده مجازی، سری زمانی مالی بهینه سازی واکنش شیمیایی مصنوعی، پراپرترون چند لایه بورس بمبئی، درونیابی قطعی، روش انتزاع تصادفی،
کلمات کلیدی انگلیسی
Stock market; Virtual data position; Financial time series; Artificial chemical reaction optimization; Multilayer perceptron; Bombay stock exchange; Deterministic interpolation; Stochastic interpolation method;
پیش نمایش مقاله
پیش نمایش مقاله شبکه عصبی مبتنی بر بهینه سازی شیمیایی مصنوعی برای کاوش موقعیت مجازی برای پیش بینی سری زمانی موثر مالی

چکیده انگلیسی

Prediction of stock index remains a challenging task of the financial time series prediction process. Though different non-linear prediction models are in use, their prediction accuracy does not improve beyond certain level. In order to improve the forecasting accuracy, this paper proposes a chemical reaction optimization based virtual data position (CROVDP) exploration method for financial time series prediction. From the given data points in the training set, CROVDPs are explored by the proposed method and incorporated to the original financial time series to enhance the prediction accuracy of a multilayer perceptron (MLP) based forecasting model. The effectiveness of the proposed method is compared with three deterministic methods such as linear, Lagrange and Taylor interpolation as well as two stochastic methods such as uniform and Gaussian method. To train and validate the models in presence of virtual data positions (VDP), ten real stock indices are used. Simulation results show that the models developed with the proposed CROVDP exploration method yields much better prediction accuracy than others.

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 12390 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 19 روز بعد از پرداخت 148,680 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 10 روز بعد از پرداخت 297,360 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.