AI Summary & Key Takeaways
AI InsightIn analyze, artificial bee colony algorithm and back propagation algorithm methods are used for the training of single multiplicative neuron, and obtained results are compared.
📌 3 Key Takeaways
Abstract
In the literature, artificial neural networks have been frequently used for the problem of time series forecasting. There are many types of artificial neural networks in prediction of time series. Single multiplicative neuron model is firstly proposed in literature by Yadav et al. (2007). Single multiplicative neuron model uses single multiplicative aggregation function unlike the other artificial neuron models. Single neuron which uses single multiplicative neuron model was shown that in Yadav et al. (2007) successful results were obtained in time series forecasting problem of artificial neural network by using well-known time series in literature. It has known that single neuron and feed forward neural networks based on single multiplicative neuron model obtained quite successful results in time series prediction. In this study, Istanbul gold exchange and Index 100 for the stocks and bonds exchange market of Istanbul time series are analyzed by using single multiplicative neuron model artificial neural networks. In analyze, artificial bee colony algorithm and back propagation algorithm methods are used for the training of single multiplicative neuron, and obtained results are compared.
Özet
Yapay sinir ağlan literatürde zaman serisi öngörü problemi için sıklıkla kullanılmaktadır. Yapay sinir ağlarının, zaman serisi öngörüsü için kullanılan birçok türü vardır. Literatürde ilk kez Yadav vd. (2007) tarafından tek çarpımsal sinir hücresi model önerilmiştir. Tek çarpımsal sinir hücresi model, diğer yapay sinir hücresi modellerinden farklı olarak tek çarpımsal bir birleştirme fonksiyonu kullanmaktadır. Tek çarpımsal sinir hücresi modelini kullanan tek sinir hücresinin, yapay sinir ağının zaman serisi öngörü probleminde başarılı sonuçlar verdiği literatürde iyi bilinen bazı zaman serileri kullanılarak Yadav vd. (2007)'de gösterilmiştir. Tek çarpımsal sinir hücresi modeline dayalı tek hücreli ve ileri beslemeli bir yapay sinir ağının zaman serilerini tahmin etmede oldukça başarılı sonuçlar ürettiği bilinmektedir. Bu çalışmada İstanbul Altın Borsası ve İMKB 100 endeksi zaman serileri tek çarpımsal sinir hücresi model yapay sinir ağı ile çözümlenmiştir. Çözümlemede tek çarpımsal sinir hücresinin eğitimi için yapay arı kolonisi algoritması ve geri yayılım öğrenme algoritması yöntemleri kullanılarak, elde edilen sonuçlar karşılaştırılmıştır.