جدول شماره 3‑2: شبه کد عمومی الگوریتم های تکاملی.. 32
جدول شماره 3‑3: شبه کد الگوریتم ژنتیک… 34
جدول شماره 3‑4 : شبه کد الگوریتم ازدحام ذرات.. 37
جدول شماره 3‑5 : شبه کد الگوریتم رقابت استعماری.. 41
جدول شماره 5‑1: نماد سهم های انتخاب شده. 46
جدول شماره 5‑2: اندازه کاهش یافته داده ها 51
جدول شماره 5‑3: ساختار پیاده سازی آموزش شبکه عصبی با الگوریتم ژنتیک… 54
جدول شماره 5‑4: ساختار پیاده سازی آموزش شبکه عصبی با الگوریتم ازدحام ذرات.. 55
جدول شماره 5‑5: ساختار پیاده سازی آموزش شبکه عصبی با الگوریتم رقابت استعماری.. 56
جدول شماره 5‑6: نتایج mse شبکه عصبی آموزش دیده با الگوریتم ژنتیک… 58
جدول شماره 5‑7: نتایج mse شبکه عصبی آموزش دیده با الگوریتم ازدحام ذرات.. 58
جدول شماره 5‑8: نتایج mse شبکه عصبی آموزش دیده با الگوریتم رقابت استعماری.. 59
جدول شماره 5‑9: نتایج mse شبکه عصبی آموزش دیده با الگوریتم پیش انتشار خطا 59
جدول شماره 6‑1: میانگین و انحراف معیار خطای اجراهای ANN و BP. 61
جدول شماره 6‑2: نتایج خطای پیش بینی با ANN و PSO.. 63
جدول شماره 6‑3: نتایج خطای پیش بینی با ANN و ICA.. 63
فهرست شکل ها
عنوان صفحه
شکل شماره 3‑1 : نمونه ای تحلیل قیمت سهم با ابزارهای رویکرد تحلیل تکنیکال.. 20
شکل شماره 3‑2 : فرایند CRISP. 23
شکل شماره 3‑3 : ساختار یک نورون.. 27
شکل شماره 3‑4 : نمونه ای از یک شبکه عصبی مصنوعی با یک لایه پنهان.. 28
شکل شماره 3‑5 : نمونه نورون در شبکه عصبی مصنوعی پیشرو. 29
شکل شماره 3‑6 : فلوچارت عمومی الگوریتم های تکاملی.. 32
شکل شماره 3‑7 : نمایش ترکیب تک نقطه ای.. 35
شکل شماره 3‑8 : نمایش حرکت ذره در PSO.. 36
شکل شماره 3‑9: نمایش نمونه ای تقسیم کلونی ها به امپریالیست ها 40
شکل شماره 3‑10: حرکت خطی کلونی.. 41
شکل شماره 3‑11: حرکت زاویه ای کلونی.. 41
شکل شماره 5‑1 : نمودار قیمت روزانه سهام نماد بکام. 48
شکل شماره 5‑2 : نمودار قیمت روزانه سهام نماد وپارس… 48
شکل شماره 5‑3 : نمودار قیمت روزانه سهام نماد وغدیر. 49
شکل شماره 5‑4 : نمودار قیمت روزانه سهام نماد خودرو. 49
شکل شماره 5‑5 : نمودار قیمت روزانه سهام نماد رانفور. 50
شکل شماره 5‑6 : شبکه عصبی مصنوعی با داده های سری زمانی.. 53
شکل شماره 6‑1 : تابع احتمال تجمعی توزیع نرمال برازش شده خطا 61
شکل شماره 6‑2 : تابع احتمال تجمعی توزیع نرمال برازش شده خطا ANN و EAs. 62
مقدمه
بشر در دنیای امروزی به صورت روزمره در بازارهای گوناگون درگیر تصمیم گیری های بیشماری بوده و هر گونه پیشنهادی که امکان بهبود دقت و صحت تصمیم و یا کاهش زمان تصمیم گیری را برای او به ارمغان بیاورد برای وی جذاب و ارزشمند می باشد. یکی از بازارهایی که امروزه رو به رونق بوده و مزایای سیستمهای پشتیبان تصمیم گیری در آن بسیار مشهود می باشد بازارهای پولی و سرمایه شامل بازار بورس اوراق بهادار می باشد. فعالان این بازار به خرید و فروش سهام شرکتها در آن بازار پرداخته و از آن طریق با پذیرفتن ریسکِ آینده سهم برای خود سود و یا زیان به بار می آورند.
در این تحقیق سعی خواهد شد تا با به کارگرفتن تکنیکهای داده کاوی شناخته شده، در مسیر تحقیقات صورت گرفته پیشین، ترکیبی از الگوریتم شبکه عصبی مصنوعی با الگوریتمهای بهینه سازی تکاملی به منظور پیش بینی قیمت سهام شرکتها در بورس اوراق بهادار ارائه گردد. ترکیب الگوریتم شبکه عصبی مصنوعی با سه الگوریتم بهینه سازی تکاملی ژنتیک، رقابت استعماری و ازدحام ذرات روی حداقل پنج سهم مورد بررسی قرار خواهد گرفت و دقت پیش بینی هر یک محاسبه و ارائه خواهد گردید. خروجی این تحقیق، پیشنهاد بهترین الگوریتم ترکیبی از بین موارد ذکر شده برای پیش بینی قیمت سهام شرکتهای عضو بورس اوراق بهادار خواهد بود.
1-2 تعریف مساله
در بازارهای پولی و سرمایه دو نوع تکنیک اساسی برای تحلیل و تصمیم به خرید و یا فروش سهام شرکتها وجود دارد: تکنیک تحلیل بنیادی[1]، تکنیک تحلیل تکنیکی[2]. در تحلیل بنیادی، از مولفه های اصلی عملکرد و توان شرکت در برابر فرصتها و تهدیدهای بازار و در سطح کلان کشور استفاده شده و در مورد خرید و یا فروش آن سهم تصمیم گیری می شود. در برابر در تحلیل تکنیکی، فرض بر آن است که اثر کلیه عوامل کلان و خرد اقتصادی و نیز توان و عملکرد شرکت در پیشینه تاریخی قیمت سهم وجود داشته و در نتیجه با تحلیل روند قیمت سهم، تصمیم به خرید و یا فروش سهم شرکتی گرفته می شود. پیش بینی و یا پیش گویی قیمت سهم شرکتها در بازارهای اوراق بهادار از مسائلی است که تحقیقات گوناگونی در کشورهای مختلف در مورد آن صورت گرفته است. این تحقیق در بازار بورس اوراق بهادار تهران و تحت رویکرد تکنیک تحلیل تکنیکی سعی خواهد نمود تا به حل مساله پیش بینی قیمت سهم شرکتها پرداخته و پاسخی به نیاز فعالان بورس اوراق بهادار در مورد حل مساله پیش بینی قیمت سهم ارائه نماید.
تعداد صفحه : 102
قیمت :14700 تومان
بلافاصله پس از پرداخت لینک دانلود فایل در اختیار شما قرار می گیرد
و در ضمن فایل خریداری شده به ایمیل شما ارسال می شود.
پشتیبانی سایت : * parsavahedi.t@gmail.com
در صورتی که مشکلی با پرداخت آنلاین دارید می توانید مبلغ مورد نظر برای هر فایل را کارت به کارت کرده و فایل درخواستی و اطلاعات واریز را به ایمیل ما ارسال کنید تا فایل را از طریق ایمیل دریافت کنید.
پایاننامه کارشناسی ارشد در رشته ریاضی محض(گرایش هندسه)
حلقه-گروهوارهای توپولوژیکی و بالابرها در فضاهای پوششی
استاد راهنما:
دکتر محمدرضا فرهنگدوست
شهریور 1391
چکیده
دراین پایاننامه به بررسی ساختارهایی از گروهوارها، گروهوارهای توپولوژیکی، حلقه- گروهوارهای توپولوژیکی، ریختهای بین آنها، پوششهای گروهوارها و حلقه-گروهوارهای توپولوژیکی و بالابرها در این زمینه میپردازیم. نشان میدهیم که مجموعهی کلاسهای هموتوپی از تمام مسیرها در یک حلقهی توپولوژیکی، یک شیء حلقهی توپولوژیکی میباشد. با فرض اینکه ⟶ :? یک نگاشت پوششی و یک حلقهی توپولوژیکی باشد، نشان میدهیم رستهی از پوششهای که در آن هر دوی و دارای پوششهای جهانی هستند و رستهی از پوششهای حلقه-گروهوار توپولوژیکی ، که در آن و دارای پوششهای عمومی هستند، همارز میباشند، که در مقالهی ” حلقه-گروهوارهای توپولوژیکی و بالابرها ” توسط “فتیح ازکن، ایسن و هابیل گورسوی” در سال 2006 بررسی شده است.
فهرست مطالب
عنوان
|
صفحه | |
فصل اول: مقدمه | 1 | |
تعاریف و قضایای استنادی | 4 | |
فصل دوم | ||
گروهوارها و گروهوارهای توپولوژیکی | 15 | |
فصل سوم | ||
عملگروهوار و کاربرد آن در -فضاها | 42 | |
فصل چهارم | این مطلب را هم بخوانید : پایان نامه در مورد سبک های مقابله ای - پایان نامه |
|
حلقه-گروهوارهای توپولوژیکی | 63 | |
فصل پنجم | ||
رستهها و بالابرها | 85 | |
منابع | 93 | |
واژهنامه فارسی به انگلیسی | 97 | |
واژهنامه انگلیسی به فارسی | 103 |
فهرست نمودارها