Thesis

پیش بینی سری های زمانی آشوب با استفاده از یادگیری عاطفی- هیجانی مغز

Abstract(in Persian; no English abstract is available)

در این تحقیق ما قصد داریم سری¬های زمانی آشوب¬ناک را با استفاده از مجموعه¬ی داده¬های ورودی- خروجی که داریم پیش¬بینی کنیم. این مسئله با استفاده از داده¬های گذشته و فعلی به پیش¬بینی مقادیر آینده می¬پردازد. ما قصد داریم از روش جدید یادگیری عاطفی مغز پستانداران برای پیش¬بینی استفاده کنیم. اساس این روش برپایه مدل مورن است که در بخش ورودی قسمت تالاموس آن از چند ورودی استفاده کرده¬ایم، زیرا در مدل واقعی مغز پستانداران این ورودی یکتا نیست. با شبیه¬سازی این روش نشان خواهیم داد که مدل تغییریافته در مقایسه با روش¬های قدیمی مانند شبکه¬های عصبی و شبکه فازی- عصبی سوگنو خطای کمتری دارد.

Supervisors and advisors

رویا امجدی فرد

Similar theses

  • بهبود عملکرد سیستم های پیش بینی سری زمانی با استفاده از روش های فراابتکاری

    Thesis2014وزارت علوم، تحقیقات و فناوری - دانشگاه تحصیلات تکمیلی صنعتی کرمان - دانشکده برق و کامپیوتراکرم نعمتی

    سری های زمانی مجموعه مرتبی از مشاهدات هستند که در طول زمان جمع آوری شده اند. فراوانی چنین مشاهداتی، تحلیل سری های زمانی را به یکی از کاربردی ترین شاخه های روز دنیا تبدیل کرده است. روش های تجزیه و تحلیل سری های زمانی شامل رویکردهای خطی محض، رویکردهای غیرخطی محض و رویکردهای ترکیبی

  • پیش بینی سری زمانی آشوبناک با استفاده از مدل سیستم های دینامیکی اندرکنشی غیرخطی

    Thesis2013وزارت علوم، تحقیقات و فناوری - دانشگاه شهید باهنر کرمان - دانشکده فنیرسول rasoul

    در پژوهش پیش رو سعی شده است به پیش بینی سری های زمانی که موضوعی چالش برانگیز و پراهمیت در سال های اخیر بوده و کاربرد فراوان یافته است، پرداخته شود. دریک مساله پیش بینی به صورت کلاسیک، از آن جایی که معمولا در فضای گسسته ی سری های زمانی با دینامیک ها سروکار داریم، می توان دینامیک م

  • پیش بینی سری زمانی شاخص های خشکسالی spi و pdsi با استفاده از شبکه های عصبی مصنوعی در مشهد

    Thesis2009وزارت علوم، تحقیقات و فناوری - دانشگاه فردوسی مشهد - دانشکده کشاورزیالهام عابدینی

    خشکسالی ویژگی طبیعی و بازگشت پذیر اقلیم است که در اثر کمبود بارندگی در یک دوره زمانی طولانی صورت می گیرد و در اکثر اقلیم ها رخ می دهد. به علت پیچیدگی دینامیک پدیده های جوی، معادلات رگرسیونی بدرستی قادر به پیش بینی این پدیده ها نمی باشند. در دهه های اخیر شبکه های عصبی توانایی زیاد

  • پیش بینی سری زمانی آشوبی با بازسازی فضای فاز به کمک ویژگی های فرکانسی

    Thesis2013وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی شاهرود - دانشکده برق و الکترونیکامین زارعی

    دراین پایان نامه، پیش بینی سـری زمـانـی آشوبـی به کمک بازسـازی فضـای فـاز با استفاده از معادلات مرکز جرم مورد مطالعه قرار می¬گیرد. برای بازسازی فضای فاز از فیلترهای فرکانسی غیرخطی استفاده می شود که تعیین مناسب این فیلترها یک بازسازی فضای فاز مفید را به همراه خواهد داشت. به کمک فض

  • پیش بینی سری زمانی سهام در بازار سرمایه (فولاد مبارکه )

    Thesis2013دانشگاه آزاد اسلامی - دانشگاه آزاد اسلامی واحد یزد - پژوهشکده فنی و مهندسیمحمد علی افضل

    چکیده پیش بینی آینده در عرصه پویای اقتصاد و بازار سرمایه یکی از مهم ترین مسائل مورد بحث در علوم مالی بوده است به این ترتیب که داده های گذشته تجزیه و تحلیل می گردد تا از آن الگویی قابل تعمیم به آینده حاصل گردد در اغلب روش ها پیش بینی فرض بر این است که روابط بین متغیرها در اینده نی

  • استفاده از روش های هوش مصنوعی در پیش بینی سری های زمانی آشوب گونه

    Thesis2014وزارت علوم، تحقیقات و فناوری - دانشگاه تحصیلات تکمیلی صنعتی کرمان - دانشکده برق و کامپیوترمرضیه نحاسی

    در این پایان نامه پیش بینی سری زمانی آشوبی و تحلیل خطا با استفاده از شبکه های عصبی خطی و غیرخطی همراه با بگارگیری تئوری جاسازی پیشنهاد شده است. سری های زمانی به طور کلی شامل مولفه های خطی و غیرخطی می باشند. در این مطالعه یک روش ترکیبی شامل پیش بینی کننده خطی و غیرخطی، برای مدل کر

Similar items