Каскадные нейро-нечеткие сети в задачах прогнозирования на рынках ценных бумаг

Рассмотрена проблема прогнозирования на рынках ценных бумаг. Для решения этой задачи предложено использование каскадных нео-фаззинейронных сетей (CNFNN). Рассмотрены архитектура нео-фаззи нейрона и архитектура CNFNN. Описаны алгоритмы обучения нео-фаззи-нейронной сети в пакетном и он-лайновом режима...

Повний опис

Збережено в:

Бібліографічні деталі
Видавець:	Навчально-науковий комплекс "Інститут прикладного системного аналізу" НТУУ "КПІ" МОН та НАН України
Дата:	2017
Автори:	Зайченко, Ю.П., Гамидов, Г.И.
Формат:	Стаття
Мова:	Russian
Опубліковано:	Навчально-науковий комплекс "Інститут прикладного системного аналізу" НТУУ "КПІ" МОН та НАН України 2017
Назва видання:	Системні дослідження та інформаційні технології
Теми:	Проблемно і функціонально орієнтовані комп’ютерні системи та мережі
Онлайн доступ:	http://dspace.nbuv.gov.ua/handle/123456789/151165
Теги:	Додати тег Немає тегів, Будьте першим, хто поставить тег для цього запису!
Цитувати:	Каскадные нейро-нечеткие сети в задачах прогнозирования на рынках ценных бумаг / Ю.П. Зайченко, Г.И. Гамидов // Системні дослідження та інформаційні технології. — 2017. — № 2. — С. 92-102. — Бібліогр.: 4 назв. — рос.

Репозиторії

Digital Library of Periodicals of National Academy of Sciences of Ukraine

id	irk-123456789-151165
record_format	dspace
spelling	irk-123456789-1511652019-04-26T01:24:55Z Каскадные нейро-нечеткие сети в задачах прогнозирования на рынках ценных бумаг Зайченко, Ю.П. Гамидов, Г.И. Проблемно і функціонально орієнтовані комп’ютерні системи та мережі Рассмотрена проблема прогнозирования на рынках ценных бумаг. Для решения этой задачи предложено использование каскадных нео-фаззинейронных сетей (CNFNN). Рассмотрены архитектура нео-фаззи нейрона и архитектура CNFNN. Описаны алгоритмы обучения нео-фаззи-нейронной сети в пакетном и он-лайновом режимах. Проведены экспериментальные исследования CNFNN в задаче прогнозирования биржевых индексов на рынке ценных бумаг ФРГ. В ходе экспериментов варьировалось число входов нейронной сети, число каскадов, число значений лингвистических переменных, соотношение размеров обучающей и проверочной выборок. В результате экспериментов найдены оптимальные значения указанных параметров для рассматриваемой задачи. Проведены сравнительные эксперименты по оценке эффективности прогнозирования CNFNN и нечеткой нейронной сети ANFIS. Розглянуто проблему прогнозування на ринках цінних паперів. Для її вирішення запропоновано застосування каскадних нео-фаззі нейронних мереж (CNFNN). Розглянуто архітектуру нео-фаззі нейрона та CNFNN. Описано алгоритми навчання нео-фаззі нейронної мережі в пакетному і он-лайновому режимі. Проведено експериментальні дослідження CNFNN в задачі прогнозування біржових індексів на ринку цінних паперів ФРН. У процесі експериментів варіювалась кількість каскадів, входів мережі, число значень лінгвістичних змінних, співвідношення обсягів навчальної та перевірної вибірок. У результаті експериментів знайдено оптимальні значення параметрів для розглянутої задачі. Проведено порівняльні експерименти з оцінювання ефективності прогнозування CNFNN та нечіткої нейронної мережі ANFIS. A forecasting problem at the stock exchange is considered. For its solution the application of a cascade neo-fuzzy neural network (CNFNN) is suggested. The architecture of the neo-fuzzy neuron and architecture of CNFNN is presented. Training algorithms of CNFNN in packet mode and on-line are described and discussed. The experimental investigations of CNFNN for market index forecasting at the German stock exchange are carried out. During experiments, the number of cascades, inputs, linguistic terms, and the training-to-test ratio of samples were varied. In the experiments, the optimal values of the aforesaid parameters of the training algorithm were found. The comparative experiments estimating forecasting efficiency of the cascade neo-fuzzy neural network and FNN ANFIS were carried out. 2017 Article Каскадные нейро-нечеткие сети в задачах прогнозирования на рынках ценных бумаг / Ю.П. Зайченко, Г.И. Гамидов // Системні дослідження та інформаційні технології. — 2017. — № 2. — С. 92-102. — Бібліогр.: 4 назв. — рос. 1681–6048 DOI: https://doi.org/10.20535/SRIT.2308-8893.2017.2.09 http://dspace.nbuv.gov.ua/handle/123456789/151165 519.8 ru Системні дослідження та інформаційні технології Навчально-науковий комплекс "Інститут прикладного системного аналізу" НТУУ "КПІ" МОН та НАН України
institution	Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection	DSpace DC
language	Russian
topic	Проблемно і функціонально орієнтовані комп’ютерні системи та мережі Проблемно і функціонально орієнтовані комп’ютерні системи та мережі
spellingShingle	Проблемно і функціонально орієнтовані комп’ютерні системи та мережі Проблемно і функціонально орієнтовані комп’ютерні системи та мережі Зайченко, Ю.П. Гамидов, Г.И. Каскадные нейро-нечеткие сети в задачах прогнозирования на рынках ценных бумаг Системні дослідження та інформаційні технології
description	Рассмотрена проблема прогнозирования на рынках ценных бумаг. Для решения этой задачи предложено использование каскадных нео-фаззинейронных сетей (CNFNN). Рассмотрены архитектура нео-фаззи нейрона и архитектура CNFNN. Описаны алгоритмы обучения нео-фаззи-нейронной сети в пакетном и он-лайновом режимах. Проведены экспериментальные исследования CNFNN в задаче прогнозирования биржевых индексов на рынке ценных бумаг ФРГ. В ходе экспериментов варьировалось число входов нейронной сети, число каскадов, число значений лингвистических переменных, соотношение размеров обучающей и проверочной выборок. В результате экспериментов найдены оптимальные значения указанных параметров для рассматриваемой задачи. Проведены сравнительные эксперименты по оценке эффективности прогнозирования CNFNN и нечеткой нейронной сети ANFIS.
format	Article
author	Зайченко, Ю.П. Гамидов, Г.И.
author_facet	Зайченко, Ю.П. Гамидов, Г.И.
author_sort	Зайченко, Ю.П.
title	Каскадные нейро-нечеткие сети в задачах прогнозирования на рынках ценных бумаг
title_short	Каскадные нейро-нечеткие сети в задачах прогнозирования на рынках ценных бумаг
title_full	Каскадные нейро-нечеткие сети в задачах прогнозирования на рынках ценных бумаг
title_fullStr	Каскадные нейро-нечеткие сети в задачах прогнозирования на рынках ценных бумаг
title_full_unstemmed	Каскадные нейро-нечеткие сети в задачах прогнозирования на рынках ценных бумаг
title_sort	каскадные нейро-нечеткие сети в задачах прогнозирования на рынках ценных бумаг
publisher	Навчально-науковий комплекс "Інститут прикладного системного аналізу" НТУУ "КПІ" МОН та НАН України
publishDate	2017
topic_facet	Проблемно і функціонально орієнтовані комп’ютерні системи та мережі
url	http://dspace.nbuv.gov.ua/handle/123456789/151165
citation_txt	Каскадные нейро-нечеткие сети в задачах прогнозирования на рынках ценных бумаг / Ю.П. Зайченко, Г.И. Гамидов // Системні дослідження та інформаційні технології. — 2017. — № 2. — С. 92-102. — Бібліогр.: 4 назв. — рос.
series	Системні дослідження та інформаційні технології
work_keys_str_mv	AT zajčenkoûp kaskadnyenejronečetkiesetivzadačahprognozirovaniânarynkahcennyhbumag AT gamidovgi kaskadnyenejronečetkiesetivzadačahprognozirovaniânarynkahcennyhbumag
first_indexed	2023-05-20T17:36:16Z
last_indexed	2023-05-20T17:36:16Z
_version_	1796153670824361984

Каскадные нейро-нечеткие сети в задачах прогнозирования на рынках ценных бумаг

Репозиторії

Схожі ресурси