Thông tin chung

  English

  Đề tài NC khoa học
  Bài báo, báo cáo khoa học
  Hướng dẫn Sau đại học
  Sách và giáo trình
  Các học phần và môn giảng dạy
  Giải thưởng khoa học, Phát minh, sáng chế
  Khen thưởng
  Thông tin khác

  Tài liệu tham khảo

  Hiệu chỉnh

 
Số người truy cập: 49,387,176

 Mô hình mờ TSK dự đoán giá cổ phiếu dựa trên máy học Véc-tơ hỗ trợ hồi quy
Tác giả hoặc Nhóm tác giả: Nguyễn Đức Hiển, Lê Mạnh Thạnh
abortion stories gone wrong how to abort at home teenage abortion facts
Nơi đăng: Tạp chí khoa học Trường Đai học Cần Thơ
abortion stories gone wrong how to abort at home teenage abortion facts
cvs weekly sale cvs print prescription savings cards
; Số: Số chuyên đề Công nghệ thông tin (2015);Từ->đến trang: 144-151;Năm: 2015
Lĩnh vực: Công nghệ thông tin; Loại: Bài báo khoa học; Thể loại: Trong nước
TÓM TẮT
Bài báo này đề xuất một mô hình mờ TSK cho bài toán dự đoán giá cổ phiếu dựa trên mô hình máy học véc-tơ hỗ trợ hồi qui. Trên cở sở thỏa mãn các điều kiện nhằm đồng nhất giữa hàm đầu ra của mô hình mờ TSK và hàm quyết định của máy học véc-tơ hỗ trợ hồi qui, chúng ta có thể xây dựng một thuật toán cho phép trích xuất mô hình mờ TSK từ máy học véc-tơ hỗ trợ. Bên cạnh đó trong nghiên cứu này chúng tôi còn đề xuất một giải pháp cho phép tối ưu hóa mô hình mờ TSK trích xuất được thông qua việc điều chỉnh tham số ε. Mô hình đề xuất là sự kết hợp của thuật toán phân cụm SOM và thuật toán trích xuất mô hình mờ TSK từ máy học Véc-tơ hỗ trợ hồi quy. Hiệu quả của giải pháp đề xuất được đánh giá thông qua các kết quả thực nghiệm và có sự so sánh với kết quả của một số mô hình khác.
ABSTRACT
This paper proposes a TSK fuzzy model for stock price forecasting based on Support vector machine for regression. By uniformly satisfying these conditions between TSK fuzzy models and Support vector machines for regression, we can construct an algorithm to extract TSK fuzzy model from Support vector machines. This research does not give the algorithm that allows to extract TSK fuzzy model from support vector machine, but rather proposes a solution that allows optimization of extracted fuzzy model through the adjustment of ε parameter. The proposed model is combination of the SOM clustering algorithm and fm-SVM, the algorithm to extract TSK fuzzy model from Support vector machines. The effectiveness of the proposed solutions is evaluated through experimental results and a comparison with the results of some other models.
© Đại học Đà Nẵng
 
 
Địa chỉ: 41 Lê Duẩn Thành phố Đà Nẵng
Điện thoại: (84) 0236 3822 041 ; Email: dhdn@ac.udn.vn