پیش بینی نرخ ارز در ایران با استفاده از الگوی شبکه عصبی مصنوعی و مقایسه آن با مدل های خود توضیح خطی و مدل گام تصادفی

پیش بینی نرخ ارز با استفاده از شبکه عصبی مصنوعی و مقایسه آن با سایر روش های پیش بینی

پیشرفت اقتصادی هر کشور با ثبات اقتصاد کلان آن همبستگی مستقیم دارد. یکی از موثرترین متغیرهای تأثیرگذار بر ثبات اقتصادی، نرخ ارز می باشد. اگر مجموعه کنش ها و واکنش ها در مورد این متغیر به گونه ای باشد که اقتصاد را از شرایط مطلوب تعادل دور سازد، در آن صورت ثبات اقتصاد کلان دچار آسیب

پیش بینی نرخ ارز با استفاده از شبکه عصبی با دو رویکرد تکنیکال و بنیادی

نرخ ارز یکی از مهم ترین پارامترهای تأثیرگذار بر سیاست های اقتصادی هر کشور می باشد. لذا پیش بینی این متغیر از اهمیّت بسزایی برخوردار است. یکی از روش های سنتی پیش بینی تجزیه و تحلیل سری زمانی است که بر دو فرض ایستایی و خطی بودن بنیان نهاده شده است. امّا در مواردی که ویژگی خطی بودن

پیش بینی نرخ فقر با استفاده از شبکه عصبی در ایران

موضوع اصلی رساله ی حاضر، پیش بینی نرخ فقر با استفاده از مدل شبکه عصبی مصنوعی در ایران می باشد و لذا این مقوله را در دو حوزه نظری و تجربی مورد بررسی قرار داده ایم. در بخش نظری رساله، به بررسی تعریف فقر از دیدگاه اقتصاددانان مختلف و بر اساس شاخص های مختلف اجتماعی پرداخته و در ادامه

اثر پایدارکننده ها بر خصوصیات فیزیکی خامه قنادی و پیش بینی این خواص با استفاده از شبکه عصبی مصنوعی

هدف از انجام این پژوهش، یافتن تاثیر صمغ زانتان، پودر ثعلب و موسیلاژ دانه قدومه شهری و شرایط مختلف تولید بر خواص فیزیکی خامه قنادی و پیش بینی این تاثیرات با استفاده از شبکه عصبی مصنوعی بود. پس از بررسیهای به عمل آمده، درصدهای مختلف هر صمغ و شرایط تولید مختلف تعیین شدند. مواد اولیه

شبیه سازی و پیش بینی دبی جریان با استفاده از شبکه عصبی مصنوعی

پیش بینی جریان رودخانه ها نقش مهمی در برنامه ریزی، مدیریت و بهره برداری از منابع آب دارد. بررسی و پیش بینی سیلاب موضوعی است که به علت اهمیت آن در طراحی پروژه های آبی همواره مورد نظر متخصصان بوده و آنها را بر آن داشته است که با ابداع روش های مختلف در صدد دستیابی به حداکثر دقت در پ

پیش بینی نرخ ارز با استفاده از تبدیل موجک و شبکه عصبی در ایران طی سالهای 1372الی 1389

پیش بینی نرخ ارز از مسائل مهم مالی است که به خاطر مشکلات ذاتی و کاربردهای عملی آن توجه زیادی را به خود جلب نموده است . روشهای تجزیه و تحلیل سریهای زمانی به طور سنتی بر دو مفهوم مانایی و خطی بودن بنیان نهاده شده اند، اما در مواردی که پویایی سیستم ویژگی غیرخطی بالایی را نشان می دهد

پس پردازش برونداد مدل WRF برای پیش بینی بارش روزانه با استفاده از شبکه عصبی مصنوعی(مطالعه موردی: استان آذربایجان شرقی)

رخداد بارش به متغیرهای هواشناسی زیادی وابسته است و سبب پیچیدگی پیش بینی بارش می شود یکی از روش ها جهت افزایش دقت پیش بینی استفاده از مدل های شبکه عصبی مصنوعی(ANN) است که به طور مستقیم برای پیش بینی بارش و یا پس پردازش برونداد مدل های عددی پیش بینی وضع هوا استفاده می‌شود. در این م

پیش بینی بیماری قلبی با استفاده از شبکه عصبی مصنوعی بهبود یافته

مقدمه: پیش بینی صحیح بیماری قلبی افراد از اهمیت زیادی برخوردار است، لذا برای این پیش بینی بایستی از آن دسته مدل‌هایی استفاده کرد که دارای حداقل خطا و حداکثر اطمینان باشد. از این رو در این مطالعه از ترکیب شبکه عصبی مصنوعی با الگوریتم ژنتیک جهت ارزیابی مبتال بودن افراد به سکته قلبی

مدل سازی پیش بینی قیمت سهام با استفاده از شبکه عصبی و مقایسه آن با روشهای پیش بینی ریاضی

استفاده از روشهایی برای پیش بینی وضعیت آینده، همواره دغدغه اصلی اندیشمندان علوم مختلف بوده است. در این راه بطور طبیعی، روشهایی، قابلیت ماندگاری و کاربردی مناسب دارند که دارای کمترین خطای ممکن در پیش بینی باشند. بر این مبنا در سالهای بسیار، روشهایی ریاضی؛ اعم از میانگین ساده، میان

طراحی سیستم تصمیم یار جهت تشخیص و پیش بینی بیماری قلبی با استفاده از شبکه عصبی مصنوعی؛ مطالعه موردی (بیمارستان آیت الله گلپایگانی قم)

زمینه و هدف: با توجه به شیوع زیاد بیماری‌های قلبی عروقی در کشور و زیاد بودن بار مرگ و میر این بیماری، پیش بینی صحیح وضعیت بیماری افراد از اهمیت زیادی برخوردار است، لذا برای این پیش بینی بایستی از مدل‌هایی استفاده کرد که دارای حداقل خطا و حداکثر اطمینان باشد. از این‌رو در این مطال

بررسی خصوصیات فیزیکو شیمیایی و حسی رب گوجه فرنگی با استفاده از عصاره دانه رازیانه و گیاه کاکوتی کوهی و پیش بینی نتایج حاصله با استفاده از شبکه عصبی مصنوعی

این مطالعه با هدف تولید رب گوجه‌فرنگی با استفاده از نگه‌دارنده‌های طبیعی به‌عنوان جایگزین نگه‌دارنده‌های شیمیایی انجام شد. عصاره دانه رازیانه (Foeniculum vulgare Mill) و کاکوتی کوهی (Ziziphora clinopodioides Lam.) به‌عنوان نگه‌دارنده طبیعی مورداستفاده قرار گرفتند. خصوصیات فیزیکوش

پیش بینی رسوب آسفالتین با استفاده از شبکه عصبی مصنوعی بر مبنای الگوریتم ازدحام ذرات