هدف پیش بینی قیمت سهام فولاد مبارکه توسط شبکه های عصبی MLP و GMDH

این پروژه  به پیش بینی قیمت سهام فولاد مبارکه می­ پردازد. برای این منظور پنج  پارامتر تاثیرگذار شناسایی شده است.این پنج متغییر ارزش معاملات؛ قیمت دیروز، بالاترین قیمت ؛ پایین ترین قیمت و حجم معاملات می باشد. در این پروژه جهت انجام آن از دو روش شبکه های عصبی پرسپترون چند لایه و نرم افزارGMDH Shell   بکار گرفته شده است. نتایج حاصله نشان دهنده تخمین نزدیک در این دو روش می باشد.

نحوه عمل پرسپترون چند لایه­ای مشابه پرسپترون تک لایه ای است. بدین صورت که الگویی به شبکه عرضه می شود و خروجی آن محاسبه می گردد، مقایسه خروجی واقعی و خروجی مطلوب باعث می گردد که ضرایب وزنی شبکه تغییر یابد به طوریکه در دفعات بعد خروجی درست تری حاصل شود. قاعده فراگیری روش میزان کردن ضرایب وزنی شبکه را بیان می کند. وقتی به شبکه آموزش ندیده­ای الگویی را عرضه می کنیم،

خروجی های تصادفی تولید می کند. ابتدا باید تابع خطایی را تعریف کنیم که تفاوت خروجی واقعی و خروجی مطلوب را نشان دهد. چون خروجی مطلوب را می دانیم، این نوع یادگیری با سرپرست می­باشد. برای موفق شدن در آموزش شبکه باید خروجی آن را به تدریج به خروجی مطلوب نزدیک کنیم. به عبارت دیگر باید میزان تابع خطا را به طور دائم کاهش دهیم. برای این منظور ضرایب وزنی خطوط ارتباطی واحدها با استفاده از قاعده کلی دلتا میزان می شود.

برای آموزش شبکه از الگوریتم یادگیری لونبرگ استفاده شد که تابع مربوط به آن Trainlm می‌باشد.

عنوان پیاده سازی

پیش بینی قیمت سهام فولاد مبارکه توسط

شبکه های عصبی MLP  و GMDH

مشخصات شبیه ساز:

کارشناسی ارشد مهندسی کامپیوتر

دانشگاه کرمان

محتویات

• سورس کد Matlab
• گزارش فارسی
• دیتابیس

دانلود