فهرست مقالات MFNN

• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  1 - مقایسه قدرت مدل های شبکه عصبی مصنوعی و شبکه عصبی پویا در پیش بینی نرخ ارز: کاربردی از تبدیل موجک
  محمدعلی خطیب سمنانی منیژه هادی نژاد رکسانا خشوعی
  این مطالعه تلاشی است در جهت به کارگیری ترکیب مدل شبکه ی عصبی پویا و تجزیه ی موجک جهت میسر نمودن امکان انتخاب یک الگوی بهینه جهت پیش بینی متغیر مذکور می باشد. جهت تحقق این مهم، از داده های سری زمانی ماهانه ی نرخ ارز طی بازه ی زمانی فروردین 1377 الی آذر 1391، که مشتمل بر چکیده کامل

  این مطالعه تلاشی است در جهت به کارگیری ترکیب مدل شبکه ی عصبی پویا و تجزیه ی موجک جهت میسر نمودن امکان انتخاب یک الگوی بهینه جهت پیش بینی متغیر مذکور می باشد. جهت تحقق این مهم، از داده های سری زمانی ماهانه ی نرخ ارز طی بازه ی زمانی فروردین 1377 الی آذر 1391، که مشتمل بر 177 مشاهده بوده که از این بین، تعداد 150 مشاهده جهت مدل سازی ها استفاده شده و تعداد 27 مشاهده نیز جهت شبیه سازی و یا به بیان دیگر به منظور ارائه ی پیش بینی های خارج از نمونه به کار گرفته شده است.یافته های این مطالعه حاکی از آن بوده است که اولاً، مدل های شبکه ی عصبی پویا در مقایسه با مدل های شبکه ی عصبی چند لایه ی پیشخور، از عملکرد بهتری در پیش بینی خارج از نمونه ی نرخ ارز،بر مبنای هر دو معیار محاسبه ی خطای پیش بینی MSEو RMSE داشته است و ثانیاً، به کارگیری تکنیک تجزیه ی موجک سبب بهبود نتایج پیش بینی های مدل های مذکور بر مبنای هر دو معیار مذکور گشته است. ثالثاً، در میان مدل های مذکور، بهترین نتیجه متعلق به پیش بینی های حاصل از مدل های شبکه ی عصبی پویای مبتنی بر داده های تجزیه شده با تکنیک موجک بوده است. لذا، استفاده از این ترکیب مدل ها را به عنوان یک ترکیب بهینه می توان به محققان، تحلیل گران و تصمیم گیران پولی کشور، پیشنهاد نمود. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  2 - مقایسه عملکرد مدل‌های خطی وغیرخطی در توضیح سیستم تقاضای تقریباً ایده‌آل
  محمد رضایی پور مهدی ذوالفقاری مجتبی یوسفی دیندارلو ابوالفضل نجارزاده
  در اکثر مطالعات تجربی انجام شده با استفاده از سیستم معادلات تقاضای تقریباً ایده‌آل، کشش‌های قیمتی و درآمدی حاصل از برآورد این معادلات به توصیه‌های سیاستی حساسی در حوزه اقتصاد خرد و کلان منجر شده است. این درحالی است که برآورد خطی سیستم یاد شده مورد شک و تردید می‌باشد. در چکیده کامل

  در اکثر مطالعات تجربی انجام شده با استفاده از سیستم معادلات تقاضای تقریباً ایده‌آل، کشش‌های قیمتی و درآمدی حاصل از برآورد این معادلات به توصیه‌های سیاستی حساسی در حوزه اقتصاد خرد و کلان منجر شده است. این درحالی است که برآورد خطی سیستم یاد شده مورد شک و تردید می‌باشد. دراین مقاله به بررسی عملکرد سیستم معادلات تقاضای تقریباً ایده‌آل خطی و غیرخطی پرداخته شده است. به این منظور با استفاده از تکنیک رگرسیون‌های به ظاهر نامرتبط برای تخمین مدل به روش خطی و از شبکه عصبی پیشخور چند لایه برای تخمین مدل غیرخطی بهره گرفته شده است. نتایج حاصل از برآورد مدل‌ها مبین این واقعیت می‌باشند که مدل شبکه عصبی پیشخور دارای خطای کم‌تر و در نتیجه از عملکرد بالاتری در برآورد سیستم معادلات تقاضا برخوردار می‌باشد. نتایج مبین وجود تردیدهایی برای کاربرد شاخص قیمت استون جهت خطی‌کردن برآورد سیستم تقاضای تقریباً ایده‌آل می‌باشد. بنابراین برای برآورد معادلات سیستمی، استفاده از مدل غیرخطی تقریباً ایده‌آل با استفاده از شبکه عصبی مصنوعی توصیه می‌شود. پرونده مقاله