Investigations of cascade neo-fuzzy neural networks in the problem of forecasting at the stock exchange

Zaychenko, Yuriy; Gasanov, A. S.

doi:10.1109/icpci.2012.6486327

Cited by 7 publications

(3 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…As funções de pertinência utilizadas na NFN são Gaussianas. Outros tipos de funções de pertinência também podem ser utilizados, como Triangulares ou Trapezoidais [15], [16], [17]. A escolha do uso de funções de pertinência Gaussiana se justifica por ser o tipo mais adequado para representar dados incertos [18].…”

Section: Figura 1 Estrutura Da Rede Neuro-fuzzy Neo-fuzzy-neuronunclassified

Uma Nova Abordagem para Construção de Regras em Redes Neo-Fuzzy-Neuron Utilizando Programação Genética Multi-Gene

Brás¹,

Silva²

2020

Anais Do 14. Congresso Brasileiro De Inteligência Computacional

View full text Add to dashboard Cite

Resumo-Este artigo propõe a utilização de Programação Genética Multi-Gene (PG-MG) para criação de regras em Redes Neo-Fuzzy-Neuron (NFN). NFNé uma rede Neuro-Fuzzy composta por n estruturas de Takagi-Sugeno de ordem zero, onde né o número de variáveis de entrada. A saída individual de cada uma das n estruturasé dada por um conjunto de m regras, em que cada regraé representada por uma função de pertinência Gaussiana. Desta forma, a construção da base de regras na NFN consiste em criar e ajustar as funções de pertinência associadas a cada variável de entrada. A abordagem proposta utiliza a Programação Genética Multi-Gene (PG-MG) para gerar as regras (conjuntos fuzzy do antecedente), na qual cada indivíduo da PG-MG representa um conjunto de regras que compõe o modelo. Por fim, os pesos (parâmetros do consequente) são ajustados por um método do Gradiente Descendente. A abordagem propostaé avaliada em problemas de previsão e os resultados obtidos sugerem que a abordagem propostaé competitiva quando comparada com modelos alternativos do estado da arte.

show abstract

Section: Figura 1 Estrutura Da Rede Neuro-fuzzy Neo-fuzzy-neuronunclassified

Uma Nova Abordagem para Construção de Regras em Redes Neo-Fuzzy-Neuron Utilizando Programação Genética Multi-Gene

Brás¹,

Silva²

2020

Anais Do 14. Congresso Brasileiro De Inteligência Computacional

View full text Add to dashboard Cite

show abstract

“…As funções de pertinência utilizadas na NFN são Gaussianas. Outros tipos de funções de pertinência também podem ser utilizados, como funções Triangulares ou Trapezoidais [Bodyanskiy et al 2003, Zaychenko and Gasanov 2012, Silva et al 2014]. Uma função de pertinência Gaussianaé composta por dois parâmetros: centro (c) e espalhamento (s).…”

Section: Funções De Pertinênciaunclassified

Rede Neo-Fuzzy-Neuron com Programação Genética Aplicada em Problemas de Previsão e Identificação de Sistemas Não-Lineares

Brás¹,

Silva²

2019

Anais Do Encontro Nacional De Inteligência Artificial E Computacional (ENIAC 2019)

View full text Add to dashboard Cite

Este artigo propõe dois algoritmos baseados em Programação Genética (PG) para aprendizado em redes Neo-Fuzzy Neuron (NFN). As abordagens utilizam a PG para gerar as regras associadas a cada entrada, criando e ajustando as funções de pertinência, e um método baseado no Gradiente para ajuste de pesos. Os modelos propostos são avaliados e comparados com modelos alternativos em problemas de previsão e identificação de sistemas não lineares. Os resultados obtidos mostram que os modelos propostos são promissores e competitivos com modelos alternativos do estado da arte.

show abstract

“…Applications of modified neo-fuzzy neuron-based approach for economic and environmental optimal power dispatch and approach for bottom parameters estimation in oil wells, are also reported in [12,13]. In [14] authors propose an applied idea for Neo-Fuzzy Neuron model for seasonal rainfall forecast and cascade NFN in the problem of forecasting at the Stock Exchange [15].…”

Section: Introductionmentioning

confidence: 96%

Modeling of Chaotic Time Series by Interval Type-2 NEO-Fuzzy Neural Network

Todorov

Terziyska

2014

Artificial Neural Networks and Machine Learning – ICANN 2014

View full text Add to dashboard Cite

Abstract. This paper describes the development of Interval Type-2 NEO-Fuzzy Neural Network for modeling of complex dynamics. The proposed network represents a parallel set of multiple zero order Sugeno type approximations, related only to their own input argument. The induced gradient based learning procedure, adjusts solely the consequent network parameters. To improve the robustness of the network and the possibilities for handling uncertainties, Type-2 Gaussian fuzzy sets are introduced into the network topology. The potentials of the proposed approach in modeling of Mackey-Glass and Rossler Chaotic time series are studied.

show abstract

Investigations of cascade neo-fuzzy neural networks in the problem of forecasting at the stock exchange

Cited by 7 publications

References 0 publications

Uma Nova Abordagem para Construção de Regras em Redes Neo-Fuzzy-Neuron Utilizando Programação Genética Multi-Gene

Uma Nova Abordagem para Construção de Regras em Redes Neo-Fuzzy-Neuron Utilizando Programação Genética Multi-Gene

Rede Neo-Fuzzy-Neuron com Programação Genética Aplicada em Problemas de Previsão e Identificação de Sistemas Não-Lineares

Modeling of Chaotic Time Series by Interval Type-2 NEO-Fuzzy Neural Network

Contact Info

Product

Resources

About