سیستم " شبکه هوشمند عصبی "

با توجه به پیشرفت علوم و فناوری لاجرم مقوله های اقتصادی و آماری نیز دستخوش تحولات شگرفی گشته اند از آنجمله

کاربرد شبکه هوشمند عصبی و منطق فازی در پیش بینی های اقتصادی و تحولات آتی در علوم و صنایع مرتبط میباشد.

پیش بینی نرخ سهام با شبکه عصبی و منطق فازی چندیست که به بورس ایران نیز راه یافته که باعث بسی خوشوقتی

است تحلیلگران شبکه عصبی افرادی تحصیلکرده و بعضا صاحب نام هستند که ورود این تحلیلگران به بورس و اقتصاد ایران

باعث خوشبینی به آینده صنعت بورس و سهام است .

قطعا نسل جدید تحلیلگران بورس را این افراد با بار علمی مناسب بر عهده خواهند داشت که لاجرم باعث تزریق ایده ها و

راهکارهای نوین به پایه های اقتصادی کشور خواهند بود

صحبت راجب به شبکه عصبی در یک مقاله مختصر نمیگنجد و برای تسلط بر آن نیاز به کسب دانش و مهارتهای تخصصی

در نرم افزارهای ویژه ای همچون متلب و غیره میباشد ورود داده به شبکه عصبی خود مستلزم تسلط بر دانشهایی خاص

همچون منطق فازی و یا داده های زمانی میباشد چرا که این داده ها میباید از مراحل مختلف داده کاوی و نرمالایز سازی

(همچون واریانس و کواریانس و غیره ) عبور گشته  و برمبنای این دانشها جهت ورود به شبکه آماده شوند . پس از ورود

داده ها , شبکه با توجه به آموزش داده شده شروع به تست و آزمون آنها کرده و نتیجه را برمبنای آموزشی که برای آن

تعریف شده به ما نشان خواهد داد . تنوع آموزش ( پیش خور و یا پس انتشار ) بهمراه تعریف آزمونی با کمترین خطا ,

همراه با تخصص تحلیلگر شبکه  غالبا نتایج  مناسبی را درپی خواهد داشت و دسترسی به آینده قیمت را با توجه به

رفتار گذشته آن امکانپذیر میکند مراحل ورود تا اعلام نتیجه مختصرا عبارتند از :

مرحله اول : داده سازی,که دیتای اولیه پس از طی مراحل نرمالایز سازی,نویزگیری شده و آماده ورود به شبکه میشوند

مرحله دوم : بدنه اصلی شبکه عصبی است (بایاس)  جهت تعریف یا آموزش یک  شبکه میتوان از روشهای ساده تا

الگوریتمهای ویژه استفاده نمود هرچه آماده سازی و آموزش شبکه کاملتر باشد درصد خطای پیش بینی کمتر است

برای آموزش یک شبکه مناسب میباید گزینه هایی که درپیش بینی بیشترین تاثیر را دارند بالاترین وزن را گرفته و لازمه

وزن دهی به داده, تسلط بر دانش بورسی و اقتصادسنجی همراه با تخصص در مفاهیم منطق فازی و شبکه عصبی و

استفاده درست از آنها در ایجاد یک شبکه میباشد همچنین میتوان مواردی که بصورت تجربی در روند آتی یک سهم

موثر میدانید را نیز برای شبکه با استفاده از منطق فازی آموزش داد

هرچه آموزش شبکه کامل تر باشد خطای پیش بینی کاهش مییابد (با وزن دهی مناسب و یافتن بهترین الگو )

مرحله سوم : تولید خروجی و رویت پیش بینی انجام شده میباشد که یک شبکه آموزش دیده , با دریافت دیتای ورودی

شروع به تست و آزمون داده ها نموده و قادر است تا نتایج پیش بینی را بصورت نمودار نشان دهد . معمولا از نرم افزار

متلب برای طراحی و آموزش شبکه استفاده میشود

نمونه ای از خروجی شبکه عصبی :

لینکهای زیر حاوی مقالات مفیدی برای علاقمندان است :

مقالات شبکه عصبی رایگان ....

مقالات شبکه عصبی غیر رایگان ....