دانلودپاور پوینت کار
برد شبکه های عصبی در پردازش سریهای زمانی در خدمت شما عزیزان هستیم .
فرمت فایل پاورپوینت وقابل ویرایش با قیمت مناسب در خدمت شما عزیزان قرار دادیم.
جهت دانلود فایل موارد زیرا بخوانید
نام فایل: کار برد شبکه های عصبی در پردازش سریهای زمانی
فرمت فایل :powerpointوقابل ویرایش
تعداد اسلاید :39
قسمتی از فایل:
•در
آمار میانگین متحرک یکی از تکنیکهای مورد استفاده جهت تحلیل سریهای زمانی می باشد.
این تکنیک جهت کم رنگ کردن نوسانات کوتاه مدت سری زمانی و نمایان کردن رفتار بلند
مدت تر سری زمانی استفاده می شود.
•از
لحاظ ریاضی میانگین متحرک مثالی از یک کانولوشن می باشد و از دیدگاه پردازش سیگنال
به عنوان یک فیلتر قابل به کار گیری است. (در ادامه این موضوع را با جزئیات بیشتر
بررسی می کنیم)
•اثر
فیلتر پایین گذر میانگین متحرک بر شاخص هفتگی بازار سهام داو جونز در یک دوره 10
ساله
الف)شاخص
هفتگی
ب)
میانگین متحرک 51 روزه اعمال شده به الف
ج)
میانگین متحرک 201 روزه•جهت
پردازش سریهای زمانی لازم است که مدلی از این سریها داشته باشیم تا بتوانیم
عملیاتی چون پیش بینی آینده سری و یا دسته بندی آن را بر اساس آن مدل انجام دهیم.
در اینجا به معرفی سه مدل رایج برای این منظور می پردازیم:
–مدل
Auto-regressive
(AR)
–مدل
Moving
Average (MA)
–مدل
ARMA که ترکیب دو مدل بالاست.
برچسب ها:
مدل خطی دارای دو محدودیت مهم است : اولا مستلزم فرض وجود رابطه حطی بین عناصر پیشین سری می باشند و ثانیا فرض می کنند سری Stationary می باشد در مقابل با استفاده از مدل غیر خطی می توان تخمین دقیقتری از ویزگیهای سری زمانی مورد نظر به دست آورد البته در