مبانی نظری شبکه های عصبی

این نوشتار مبانی نظری و پیشینه تحقیق شبکه های عصبی می باشد. در بخش اول چارچوب و مبانی نظری شبکه های عصبی تشریح می شود و در بخش دوم پیشینه نظری تحقیق شبکه های عصبی در پژوهش های داخلی و خارجی مورد بررسی قرار می گیرد.
 

مقدمه مبانی نظری شبکه های عصبی :

مفهوم  شبکه های عصبی

شبکه عصبی
معرفی:
در اواخر سال 1940 میلادی پیشگامان علم شبکه‌های عصبی، مک‌کلوچ و پیتس  در رابطه با توانایی ارتباط ‌درونی  مدل یک نرون، مطالعاتی انجام دادند. آنها یک مدل محاسباتی بر مبنای یک عنصر شبیه‌نرونی  ساده ارائه نمودند. در همان زمان دانشمندان دیگری مثل دونالد هب  نیز بر روی قوانین تطبیق  در سیستم‌های نرونی کار می‌کردند.در سال 1949، دونالد هب، یک قانون یادگیری برای تطبیق ارتباطات بین نرون‌های مصنوعی ارائه نمود. اندکی بعد در سال 1958 روزنبلات  ، پرسپترون  را مطرح کرد و سپس تئوری تفکیک آماری  را برمبنای آن توسعه داد.قدم بزرگ بعدی کشف فرمول‌بندی قانون یادگیری جدید به-وسیله ویدرو و هاف  در طرحی موسوم به آدالاین  بود. در سال 1971 وربوس  ، یک الگوریتم پس‌انتشار را در رساله دکتری خود منتشر کرد و در نهایت روزنبلات این تکنیک را در 1986 کشف مجدد نمود.

کاربرد شبکه های عصبی  
امروزه شبکه‌های عصبی مصنوعی به طور گسترده‌ای، با هدف دست-یابی به کارایی شبه انسانی مطالعه می‌شوند. این شبکه‌ها از تعدادی عناصر محاسباتی خطی و غیرخطی که به طور موازی عمل می‌کنند، تشکیل شده‌اند.شبکه‌های عصبی مصنوعی تحت عناوین مختلفی هم چون مدل‌های پیوندگرا ، مدل‌های پردازش موازی توزیع‌شده و سیستم‌های نورومورفیک  مطرح گردیده‌اند. ایده اصلی مدل پیوندگرا به فیلسوف بزرگ یونان باستان ارسطو برمی‌گردد. وی مفهومی را مطرح کرد که در آن تعدادی از عناصر ساده مرتبط ‌به‌هم به-واسطه یک سری مکانیزم‌های خاص، منجر به پیدایش حافظه می‌شدند.به طور کلی می‌توان گفت که شبکه‌های عصبی از دو دیدگاه مورد مطالعه قرار می‌گیرند. دیدگاه نخست مربوط به علوم شناختی  است و دیدگاه دوم که در واقع به تئوری پردازش اطلاعات برمی‌گردد، همان پیوندگرایی است. شبکه‌های عصبی مطرح شده در این تحقیق نیز مربوط به دیدگاه دوم از نقطه نظر مهندسی می‌باشد.

کاربرد شبکه عصبی در پیش بینی قیمت سهام

یون و اسوالز  (1991) با توضیح اینکه شبکه عصبی توانایی یادگیری تابعی برای تبدیل کردن ورودی ها به خروجی ها از طریق وزن ها را دارد، کارایی آن را با  Multivariate Discriminant Analysis مقایسه کرده و به این نتیجه رسیده است که کارایی شبکه عصبی به صورت معناداری بالاتر از تکنیک رقیب در پیش بینی قیمت می باشد.

وانگ اف.اس و همکاران  (1992) تلاش کرد تا از گیت های شبکه عصبی  برای پیش بینی بازار سهام، ریسک دارایی های کشوری و طبقه بندی سهام بازار سهام بر مبنای قوانین فازی ، قوانین احتمالی   و قوانین بولی استفاده کند.

کری زانوسکی و همکاران  (1993) تصمیم گرفت تا از شبکه های عصبی در پیش بینی بازده های مثبت و منفی بازار سهام استفاده کند. نتایح به دست آمده حاکی از 72 درصد پیش بینی صحیح در کلاس بندی بازده ها داشته و نسبت به پیش بینی با مدل قدم زدن تصادفی برتری معناداری داشتند.

دونالدسون و کمسترا  (1996) به بررسی استفاده از شبکه های عصبی برای تلفیق کردن پیش بینی های مدل های سری های زمانی جهت پیش بینی نوسان پذیری بازارهای سهام در آمریکا می پردازد. همچنین توضیح می دهد که تلفیق به وسیله الگوریتم های غیر خطی شبکه های عصبی نتایج بهتری به دست می آید.

لاورنس  (1997) تحقیقی در مورد کارایی شبکه های عصبی در مورد آزمون نظریه کارایی بازار سرمایه انجام داده و در ضمن با مقایسه کارایی شبکه های عصبی در تخمین قیمت اوراق بهادار، به این نتیجه می رسد که این شبکه ها عملکرد بهتری از تکنیک های آماری و رگرسیون دارند.

مشیری و کامرون  (2000) به مقایسه کارایی شبکه های عصبی با الگوریتم پس خور بازگشتی و مدل های کلاسیک اقتصادی برای پیش بینی تورم پرداخته و نشان داده است که شبکه های عصبی قادر هستند که تورم را به خوبی مدل های کلاسیک پیش بینی کنند و تفاوت معناداری میان این دو روش پیدا نکرد.

فهرست مطالب
فصل دوم: ادبیات تحقیق

مبانی نظری شبکه های عصبی

2-1 مقدمه    3

2-4- شبکه عصبی    12
2-4-1- معرفی:    12
2-4-2- کاربرد شبکه های عصبی    13
2-4-3- تعریف پایه شبکه های عصبی    14
2-4-4- ویژگی های شبکه عصبی    16
2-5- تحلیل تکنیکال    29
2-5-1- مقدمه:    29
2-5-2- اندیکاتورهای تحلیل تکنیکال    31
2-6- مرور پژوهش های مشابه    34
2-6-1- کاربرد شبکه عصبی در پیش بینی قیمت سهام    34
2-6-2- کاربرد شبکه عصبی در تعیین استراتژی مبادله سهام    42
2-6-3- کاربرد داده کاوی در بازار سهام    49
2-6-4- کاربرد شبکه عصبی و داده کاوی در پیش بینی قیمت سهام    51

پیشینه تحقیق در مورد شبکه های عصبی

منابع
 

توضیحات:
فصل دوم پایان نامه کارشناسی ارشد (پیشینه و مبانی نظری پژوهش)
همراه با منبع نویسی درون متنی به شیوه APA جهت استفاده فصل دو پایان نامه
توضیحات نظری کامل در مورد متغیر
پیشینه داخلی و خارجی در مورد متغیر مربوطه و متغیرهای مشابه
رفرنس نویسی و پاورقی دقیق و مناسب
منبع :    انگلیسی وفارسی دارد (به شیوه APA)
نوع فایل:     WORD و قابل ویرایش با فرمت doc
بدون هیچ تگ و تبلیغات، قابلیت پرینت دارد
تولید شده انحصاری در:فروشگاه ساز فایلینا