دانلود مقاله ISI انگلیسی شماره 78848
عنوان فارسی مقاله

پیش بینی سری های زمانی توسط شبکه های عصبی: رویکرد الگوریتم تکاملی چند هدفه مبتنی بر نقطه زانویی

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی تعداد کلمات
78848 2014 13 صفحه PDF سفارش دهید محاسبه نشده
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
Time series forecasting by neural networks: A knee point-based multiobjective evolutionary algorithm approach
منبع

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

Journal : Expert Systems with Applications, Volume 41, Issue 18, 15 December 2014, Pages 8049–8061

کلمات کلیدی
شبکه عصبی مصنوعی (ANN)؛ الگوریتم تکاملی چند هدفه (MOEA)؛ پیش بینی سری های زمانی (TSF)؛ نقطه زانویی
پیش نمایش مقاله
پیش نمایش مقاله پیش بینی سری های زمانی توسط شبکه های عصبی: رویکرد الگوریتم تکاملی چند هدفه مبتنی بر نقطه زانویی

چکیده انگلیسی

In this paper, we investigate the problem of time series forecasting using single hidden layer feedforward neural networks (SLFNs), which is optimized via multiobjective evolutionary algorithms. By utilizing the adaptive differential evolution (JADE) and the knee point strategy, a nondominated sorting adaptive differential evolution (NSJADE) and its improved version knee point-based NSJADE (KP-NSJADE) are developed for optimizing SLFNs. JADE aiming at refining the search area is introduced in nondominated sorting genetic algorithm II (NSGA-II). The presented NSJADE shows superiority on multimodal problems when compared with NSGA-II. Then NSJADE is applied to train SLFNs for time series forecasting. It is revealed that individuals with better forecasting performance in the whole population gather around the knee point. Therefore, KP-NSJADE is proposed to explore the neighborhood of the knee point in the objective space. And the simulation results of eight popular time series databases illustrate the effectiveness of our proposed algorithm in comparison with several popular algorithms.

خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.