| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
اپراتورهای جمعی شبکه عصبی برای پیش بینی سریهای زمانی |
| عنوان انگلیسی مقاله: |
Neural network ensemble operators for time series forecasting |
|
|
| مشخصات مقاله انگلیسی (PDF) | |
| سال انتشار | 2014 |
| تعداد صفحات مقاله انگلیسی | 10 صفحه با فرمت pdf |
| رشته های مرتبط با این مقاله | مهندسی کامپیوتر |
| گرایش های مرتبط با این مقاله | هوش مصنوعی، مهندسی الگوریتم ها و محاسبات و مهندسی نرم افزار |
| مجله | سیستم های خبره با کاربردهای آن – Expert Systems with Applications |
| دانشگاه | دانشکده مدیریت دانشگاه لنکستر، گروه علوم مدیریت، انگلستان |
| کلمات کلیدی | سریهای زمانی، پیش بینی، مجموعه ها، ترکیب، برآورد مد (حالت)، برآورد چگالی هسته، شبکه های عصبی، میانگین، میانه |
| شناسه شاپا یا ISSN | ISSN 0957-4174 |
| رفرنس | دارد |
| لینک مقاله در سایت مرجع | لینک این مقاله در نشریه Elsevier |
| نشریه | Elsevier |
| مشخصات و وضعیت ترجمه فارسی این مقاله (Word) | |
| تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش و فونت 14 B Nazanin | 23 صفحه |
| ترجمه عناوین تصاویر و جداول | ترجمه شده است |
| ترجمه متون داخل تصاویر | ترجمه نشده است |
| ترجمه متون داخل جداول | ترجمه نشده است |
| درج تصاویر در فایل ترجمه | درج شده است |
| درج جداول در فایل ترجمه | درج شده است |
| درج فرمولها و محاسبات در فایل ترجمه به صورت عکس | درج شده است |
- فهرست مطالب:
چکیده
1. مقدمه
2. پیش بینی با شبکه های عصبی
3. پرسپترون های چند لایه
4. اپراتورهای جمعی
1. 4 مجموعه میانگین
2. 4 مجموعه میانه
3. 4 مجموعه مد
5. ارزیابی تجربی
1. 5 مجموعه داده ها
2. طراحی آزمایشی
6. نتایج
7. بحث
8. نتایج
- بخشی از ترجمه:
8. نتایج
این مقاله، اپراتورهای جمعی بنیادی متفاوت را مورد ارزیابی قرار می دهد. میانگین معروف و شناخته شده و میانه کمتر کاربردی به همراه اپراتور مد پیشنهادی مبتنی بر برآورد چگالی هسته، باهم مقایسه شدند. هر سه اپراتور تلاش می کنند مکان توزیع پیش بینی های اعضای یک مجموعه را شرح دهند. اما، مقادیر حدی را به شکلی متفاوت مطرح می نمایند، میانگین حساس ترین بوده و مد از حساسیت بسیار کمی برخوردار می باشد. به علاوه، عدم تقارن های توزیعی می توانند بر میانگین و میانه تاثیرگذار باشند، اما مد ایمن می باشد.
یافته های این مقاله حاکی از آن است که میانه ومد هر دو اپراتورهای بسیار مفیدی می باشند، زیرا صحت بهتری نسبت به مجموعه های میانگین در هر دو مجموعه داده ارائه نمودند. ثابت گردید که مد درست ترین است، و میانه در رتبه بعدی جای دارد. براساس این یافته ها، پژوهش کاربرد اپراتورهای مد و میانگین در تحقیق و اپلیکیشن های جمعی را توصیه می کنیم که در متونی که عمدتاً متکی بر میانگین هستند، تا حد زیادی نادیده گرفته شده اند.
- بخشی از مقاله انگلیسی:
8. Conclusions
This paper evaluates different fundamental ensemble operators. The well known mean and the less commonly used median were compared, together with a proposed mode operator that is based on kernel density estimation. All three operators attempt to describe the location of the distribution of the forecasts of the members of an ensemble. However, they deal with outlying extreme values differently, with the mean being the most sensitive and the mode the least. Furthermore, distributional asymmetries can affect both the mean and the median, while the mode is immune. The findings in this paper suggest that both median and mode are very useful operators as they provided better accuracy than mean ensembles consistently across both datasets. The mode was found to be the most accurate, followed by the median. Based on this finding, we recommend investigating the use of the mode and median operators further in ensembles research and applications, which have been largely overlooked in the literature that has mainly focused on the mean.
|
تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد |
|
|
| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
پیش بینی سری زمانی با اپراتور شبکه عصبی |
| عنوان انگلیسی مقاله: |
Neural network ensemble operators for time series forecasting |
|
|