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

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
Опубліковано в: :Системні дослідження та інформаційні технології
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
Теми:
Проблемно і функціонально орієнтовані комп’ютерні системи та мережі
Онлайн доступ:https://nasplib.isofts.kiev.ua/handle/123456789/151165
Теги: Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
Назва журналу:Digital Library of Periodicals of National Academy of Sciences of Ukraine
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.

Репозитарії

Digital Library of Periodicals of National Academy of Sciences of Ukraine
id nasplib_isofts_kiev_ua-123456789-151165
record_format dspace
spelling Зайченко, Ю.П.
Гамидов, Г.И.
2019-04-25T16:32:46Z
2019-04-25T16:32:46Z
2017
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
https://nasplib.isofts.kiev.ua/handle/123456789/151165
519.8
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.
ru
Навчально-науковий комплекс "Інститут прикладного системного аналізу" НТУУ "КПІ" МОН та НАН України
Системні дослідження та інформаційні технології
Проблемно і функціонально орієнтовані комп’ютерні системи та мережі
Каскадные нейро-нечеткие сети в задачах прогнозирования на рынках ценных бумаг
Каскадні нейро-нечіткі мережі в задачах прогнозування на ринках цінних паперів
Cascade neo-fuzzy neural network in the forecasting problem at stock exchange
Article
published earlier
institution Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection DSpace DC
title Каскадные нейро-нечеткие сети в задачах прогнозирования на рынках ценных бумаг
spellingShingle 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
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
author Зайченко, Ю.П.
Гамидов, Г.И.
author_facet Зайченко, Ю.П.
Гамидов, Г.И.
topic Проблемно і функціонально орієнтовані комп’ютерні системи та мережі
topic_facet Проблемно і функціонально орієнтовані комп’ютерні системи та мережі
publishDate 2017
language Russian
container_title Системні дослідження та інформаційні технології
publisher Навчально-науковий комплекс "Інститут прикладного системного аналізу" НТУУ "КПІ" МОН та НАН України
format Article
title_alt Каскадні нейро-нечіткі мережі в задачах прогнозування на ринках цінних паперів
Cascade neo-fuzzy neural network in the forecasting problem at stock exchange
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. 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.
issn 1681–6048
url https://nasplib.isofts.kiev.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.
work_keys_str_mv AT zaičenkoûp kaskadnyeneironečetkiesetivzadačahprognozirovaniânarynkahcennyhbumag
AT gamidovgi kaskadnyeneironečetkiesetivzadačahprognozirovaniânarynkahcennyhbumag
AT zaičenkoûp kaskadníneironečítkímerežívzadačahprognozuvannânarinkahcínnihpaperív
AT gamidovgi kaskadníneironečítkímerežívzadačahprognozuvannânarinkahcínnihpaperív
AT zaičenkoûp cascadeneofuzzyneuralnetworkintheforecastingproblematstockexchange
AT gamidovgi cascadeneofuzzyneuralnetworkintheforecastingproblematstockexchange
first_indexed 2025-12-07T20:08:52Z
last_indexed 2025-12-07T20:08:52Z
_version_ 1850881482034249728

Схожі ресурси