A variation of the genetic algorithm of Holland to support analysis of balance sheet and Income Statement for the Fiscal Year

Neves, Cleonabula M. M.; Silva, Vitor R. M.; Barros, Gabriella A. B.; Lopes, Roberta Vilhena Vieira

doi:10.1109/itaic.2011.6030338

Cited by 3 publications

(1 citation statement)

References 2 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…A tanulmányukban adaptációs függvényt használtak annak megvizsgálására, hogy a likviditás, a nyereségesség és az adósság indexek mindegyikének aránya jelentősen javult-e a bázisévtől a következőig. A program ezután összehasonlította ezt az eredményt a korábban létrehozott indexmintával annak megállapítására, hogy van-e javulás, vagy stabil maradt-e, vagy akár bármely elemzett index csökkent-e (Neves et al 2011).…”

Section: Speciális Adatbányászati Eljárások Módszerek a Pénzügyi Insunclassified

Vállalatok tudatos működési elemei adatbányászati módszerek tükrében

Laskai¹

2018

Prosperitas

View full text Add to dashboard Cite

Vállalatok tudatos működési elemei adatbányászati módszerek tükrében 2 Az adatbányászati eszközök folyamatos fejlődésével egyre pontosabb és mélyebb ismeretekre teszünk szert az üzleti élet egyik alapvető építőkövének tekinthető üzleti tervezés folyamataival és hálózati összefüggéseivel kapcsolatosan. Az adatbányászat során minták nyerhetők ki, amelyek alapösszefüggések elemzéséhez adnak segítséget. A leginkább elfogadott elemzési módszerek a hibrid adatbányászati modellek és eszközök, ezen belül is az emberi agy működését modellező mesterséges neurális hálózatok, amelyek utat nyithatnak a mélyebb összefüggések feltárásához és megértéséhez. Az adatbányászat segítségével tudatosságmodell állítható fel, amely a vállalatok mozgását, működését, döntési mechanizmusát értékeli és elemzi. 3 Kulcsszavak: tudatosságmodell, üzleti tervezés, adatbányászat, mesterséges intelligencia, pénzügyi instrumentumok

show abstract

Section: Speciális Adatbányászati Eljárások Módszerek a Pénzügyi Insunclassified

Vállalatok tudatos működési elemei adatbányászati módszerek tükrében

Laskai¹

2018

Prosperitas

View full text Add to dashboard Cite

show abstract

A Comprehensive Review on Nature Inspired Neural Network based Adaptive Filter for Eliminating Noise in Medical Images

Kumar

Mishra

2020

CMIR

View full text Add to dashboard Cite

Background: Various kind of medical imaging modalities are available for providing noninvasive view and for analyzing any pathological symptoms of human beings. Different noise may appear in those modalities at the time of acquisition, transmission, scanning, or at the time of storing. The removal of noises from the digital medical images without losing any inherent features is always considered a challenging task because a successful diagnosis relies on them. Numerous techniques have been proposed to fulfill this objective, and each having their own benefits and limitations. Discussion: In this comprehensive review article, more than 65 research articles are investigated to illustrate the applications of Artificial Neural Networks (ANN) in the field of biomedical image denoising. In particular, the zest of this article is to highlight the hybridized filtering model using nature-inspired algorithms and artificial neural networks for suppression of noise. Various other techniques, such as fixed filter, linear adaptive filters and gradient descent learning based neural network filter are also included. Conclusion: This article envisages how to train ANN using derivative free nature-inspired algorithms, and its performance in various medical images modalities and noise conditions.

show abstract

Stock Recommendation and Trade Assistance

Purwar

Chawla

Jain

et al. 2022

International Journal of Information Technology Project Management

View full text Add to dashboard Cite

Investing in the stock market has never been an easy task. This paper develops a stock recommendation and trade assistance that uses the past performance of the stock to predict its future performance using linear regression model. Linear regression model has given an accuracy of 99.8% as compared to support vector machine (SVM) which resulted into an accuracy of 94.6%. Data set used under the study was extracted from the historic stock data of reliance industries limited (RIL). To analyze whether to buy or sell the stock, four financial algorithms, namely Bollinger bands, moving average convergence/divergence indicator (MACD), money flow index (MFI), and relative strength index (RSI) are employed to find the composite result. Moreover, sentiment analysis of the news depending upon the earning calls and the annual general meetings is done to provide an overall stock and market sentiment analysis. In-depth balance sheet analysis of the company is also done using various instruments to make the trade assistance more accurate. The values for WACC, D/E ratio, and NPV obtained are 14.99, 0.76, and 8.9 lakh crores for RIL.

show abstract

A variation of the genetic algorithm of Holland to support analysis of balance sheet and Income Statement for the Fiscal Year

Cited by 3 publications

References 2 publications

Vállalatok tudatos működési elemei adatbányászati módszerek tükrében

Vállalatok tudatos működési elemei adatbányászati módszerek tükrében

A Comprehensive Review on Nature Inspired Neural Network based Adaptive Filter for Eliminating Noise in Medical Images

Stock Recommendation and Trade Assistance

Contact Info

Product

Resources

About