檢索結果(共6筆)
王慶豐;李俊賢;
頁: 413-450
日期: 2019/10
卷期: 26(4)
關鍵字: 複數模糊類神經;複數模糊集;特徵選取;粒子群最佳化演算法;遞迴最小平方法;
Keywords: complex neuro-fuzzy;complex fuzzy set;feature selection;particle swarm optimization;recursive least squares estimator;
摘要: 面對現今的國際化環境，投資已成為許多企業與人們的獲利方式，股票為此領域相當普遍的交易模式，但股價波動所牽涉層面廣泛，固然難以估計與預測，人工智慧中的深度學習即為當今預測的最佳工具之一。本研究提出一種新形態之複數模糊類神經分類模型（Complex Neuro-Fuzzy ...
引用 導入Endnote
頁: 413-450
日期: 2019/10
卷期: 26(4)
關鍵字: 複數模糊類神經;複數模糊集;特徵選取;粒子群最佳化演算法;遞迴最小平方法;
Keywords: complex neuro-fuzzy;complex fuzzy set;feature selection;particle swarm optimization;recursive least squares estimator;
摘要: 面對現今的國際化環境，投資已成為許多企業與人們的獲利方式，股票為此領域相當普遍的交易模式，但股價波動所牽涉層面廣泛，固然難以估計與預測，人工智慧中的深度學習即為當今預測的最佳工具之一。本研究提出一種新形態之複數模糊類神經分類模型（Complex Neuro-Fuzzy ...
引用 導入Endnote
許敦盛;李俊賢;
頁: 483-511
日期: 2019/10
卷期: 26(4)
關鍵字: 多目標預測;球型複數模糊集;卷積神經網路;模糊推論系統;複合式機器學習演算法;
Keywords: multi-target prediction;sphere complex fuzzy sets;convolution neural networks;fuzzy inference system;hybrid learning;
摘要: 本研究針對時間序列提出多目標預測模型，結合卷積神經網路（Convolutional neural networks; CNN）與球型複數模糊神經系統（Sphere complex neural fuzzy system; SCNFS）。球型複數模糊集（Sphere complex fuzzy sets; SCFSs）可產生複數型態的歸屬程度，使SCNFS能根據...
引用 導入Endnote
頁: 483-511
日期: 2019/10
卷期: 26(4)
關鍵字: 多目標預測;球型複數模糊集;卷積神經網路;模糊推論系統;複合式機器學習演算法;
Keywords: multi-target prediction;sphere complex fuzzy sets;convolution neural networks;fuzzy inference system;hybrid learning;
摘要: 本研究針對時間序列提出多目標預測模型，結合卷積神經網路（Convolutional neural networks; CNN）與球型複數模糊神經系統（Sphere complex neural fuzzy system; SCNFS）。球型複數模糊集（Sphere complex fuzzy sets; SCFSs）可產生複數型態的歸屬程度，使SCNFS能根據...
引用 導入Endnote
邱哲夫;王惠嘉;
頁: 1-24
日期: 2019/01
卷期: 26(1)
關鍵字: 自動化分群;元啟發式演算法;人工蜂群演算法;模範策略;
Keywords: automatic clustering;meta-heuristic clustering;artificial bee colony algorithm;model strategy;
摘要: 分群是一種資料探勘技術，它是一種非監督式的學習方法，透過相似度計算，將資料分成不同的群。在分群演算法中，啟發式分群在近年來漸漸受到重視，它指的是運用啟發式演算法或啟發式的概念解決分群問題。相較於目前的一些其方分群方法（如：k-means），啟發式分群似有較好...
引用 導入Endnote
頁: 1-24
日期: 2019/01
卷期: 26(1)
關鍵字: 自動化分群;元啟發式演算法;人工蜂群演算法;模範策略;
Keywords: automatic clustering;meta-heuristic clustering;artificial bee colony algorithm;model strategy;
摘要: 分群是一種資料探勘技術，它是一種非監督式的學習方法，透過相似度計算，將資料分成不同的群。在分群演算法中，啟發式分群在近年來漸漸受到重視，它指的是運用啟發式演算法或啟發式的概念解決分群問題。相較於目前的一些其方分群方法（如：k-means），啟發式分群似有較好...
引用 導入Endnote
李維平;李元傑;謝明勳;
頁: 25-43
日期: 2014/01
卷期: 21(1)
關鍵字: 人工蜂群演算法;最佳化演算法;演化式計算;
Keywords: Artificial Bee Colony Algorithm;Optimization Algorithm;Evolutionary Computation;
摘要: 人工蜂群演算法（Artificial Bee Colony）是學者Karaboga於2005年所提出之最佳化演算法，具有良好的穩定性、優秀的求解能力、控制參數少、計算簡潔及易於實現等優點，但也存在後期過早收斂、開發精度不佳等問題。因此，本研究提出一種新式的群中心改良策略，以改善人工蜂...
引用 導入Endnote
頁: 25-43
日期: 2014/01
卷期: 21(1)
關鍵字: 人工蜂群演算法;最佳化演算法;演化式計算;
Keywords: Artificial Bee Colony Algorithm;Optimization Algorithm;Evolutionary Computation;
摘要: 人工蜂群演算法（Artificial Bee Colony）是學者Karaboga於2005年所提出之最佳化演算法，具有良好的穩定性、優秀的求解能力、控制參數少、計算簡潔及易於實現等優點，但也存在後期過早收斂、開發精度不佳等問題。因此，本研究提出一種新式的群中心改良策略，以改善人工蜂...
引用 導入Endnote
李俊賢;陳玟彣;
頁: 475-507
日期: 2012/07
卷期: 19(3)
關鍵字: 類神經模糊系統（NFS）;粒子群演算法（PSO）;遞迴最小平方估計法（RLSE）;雜訊消除;計算智慧;
Keywords: Neuro-fuzzy system (NFS);Particle swarm optimization (PSO);Recursive least squares estimator (RLSE);Noise canceling;Computational intelligence;
摘要: 影像訊號進行傳輸或轉換的過程中經常會受到其它訊號的干擾，導致影像失真的情形發生。為解決此問題，本研究針對灰階影像失真之問題提出一計算智慧之方法，以Takagi-Sugeno類神經模糊系統為架構，結合粒子群最佳化演算法（PSO）與遞迴最小平方估計法（RLSE）建構出複合學...
引用 導入Endnote
頁: 475-507
日期: 2012/07
卷期: 19(3)
關鍵字: 類神經模糊系統（NFS）;粒子群演算法（PSO）;遞迴最小平方估計法（RLSE）;雜訊消除;計算智慧;
Keywords: Neuro-fuzzy system (NFS);Particle swarm optimization (PSO);Recursive least squares estimator (RLSE);Noise canceling;Computational intelligence;
摘要: 影像訊號進行傳輸或轉換的過程中經常會受到其它訊號的干擾，導致影像失真的情形發生。為解決此問題，本研究針對灰階影像失真之問題提出一計算智慧之方法，以Takagi-Sugeno類神經模糊系統為架構，結合粒子群最佳化演算法（PSO）與遞迴最小平方估計法（RLSE）建構出複合學...
引用 導入Endnote
陳明琪;林逾先;郭人介;
頁: 153-178
日期: 2008/01
卷期: 15(1)
關鍵字: 蟻群最佳化;KD指標;成交量;20日移動平均線;
Keywords: Ant colony optimization;KD technical indicators;stocks trading volume;20-day moving average;
摘要: 本研究的主要目的是運用蟻群最佳化演算法，針對台灣股票市場建構一個理性的投資決策系統，探討ACO系統最適化參數及其在股市投資決策上之投資績效，並研究系統參數變動對投資績效之影響。模型中以股價、20日移動平均線、KD線與成交量等技術分析指標為判斷因子，根據蟻群最...
引用 導入Endnote
頁: 153-178
日期: 2008/01
卷期: 15(1)
關鍵字: 蟻群最佳化;KD指標;成交量;20日移動平均線;
Keywords: Ant colony optimization;KD technical indicators;stocks trading volume;20-day moving average;
摘要: 本研究的主要目的是運用蟻群最佳化演算法，針對台灣股票市場建構一個理性的投資決策系統，探討ACO系統最適化參數及其在股市投資決策上之投資績效，並研究系統參數變動對投資績效之影響。模型中以股價、20日移動平均線、KD線與成交量等技術分析指標為判斷因子，根據蟻群最...
引用 導入Endnote