анківських дня. Повний формат виклику цієї Функції буде наступна:=evalfis ([130.0359 130.1532 129.8870 129.6382], priceCNY),
де out1 - Умовний ім я віхідної змінної;
. +0359 - значення курсової вартості CNY на 14.05.13;
. 1 532 - значення курсової вартості UAH на 13.05.13;
. 8870- значення курсової вартості CNY на 08.05.13;
. 6382- значення курсової вартості CNY на 07.05.13;- Ім я Структури FIS, Заздалегідь завантаженої в РОбочий область системи MATLAB.
После виконан цієї команди за помощью розробленої нечіткої моделі буде Набуто значення віхідної змінної для 15.05.13, Пожалуйста дорівнює:
gt; gt; out1=evalfis ([130.0359 130.1532 129.8870 129.6382], priceCNY): Some input values ??are outside of the specified input range.
gt; In evalfis at 76=
. +7617
Розглянемо процес навчання нейронної мережі з використанн алгоритмом зворотнього Поширення помилки (backpropagation). Для цього процесса вікорістовуємо ту ж саму нейронних мереж яка має Чотири входь и одна вихід.
Загальна послідовність процесса розробки моделі гібрідної мережі методом зворотнього Поширення помилки така ж сама, як и у гібрідному методі. Відмінність Полягає в віборі методу навчання.
Для дослідження побудованої моделі гібрідної мережі (навчання методом зворотнього Поширення помилки) скорістаємося програмою перегляду правил (Rule Viewer). Для Отримання значення цікавить значення віхідної змінної необходимо Задати конкретне значення вхідної змінної (например, 129,3) аналогічно Загально рекомендаціям систем нечіткого виводу. При цьом на графіку функцій належності віхідної змінної буде вказано шукане значення віхідної змінної - 23.1 (рис. 2.14).
Малюнок 2.14 - Ілюстрація роботи нечіткої системи
Виконаємо перевірку адекватності побудованої нечіткої моделі гібрідної мережі. Для цієї мети зробимо ретроспективний прогноз значення курсової вартості CNY на Наступний банківський день, например, на 15 травня +2013 р., Вважаючі для цього випадка поточних банківськім вдень - 14 травня 2013р. Повний формат виклику цієї Функції буде наступна:=evalfis ([130.0359 130.1532 129.8870 129.6382], priceCNY),
де out1 - Умовний ім я віхідної змінної;
. +0359 - значення курсової вартості CNY на 14.05.13;
. 1 532 - значення курсової вартості UAH на 13.05.13;
. 8870- значення курсової вартості CNY на 08.05.13;
. 6382- значення курсової вартості CNY на 07.05.13;- Ім я Структури FIS, Заздалегідь завантаженої в РОбочий область системи MATLAB.
После виконан цієї команди за помощью розробленої нечіткої моделі буде Набуто значення віхідної змінної для 15.05.13, рівне:
gt; gt; out1=evalfis ([130.0359 130.1532 129.8870 129.6382], priceCNY): Some input values ??are outside of the specified input range.
gt; In evalfis at 76=
. 2975
Для порівняння ціх двох методів навчання розрахуємо абсолютні и відносну похібкі (табл. 1.3).
Абсолютна похібка находится за формулою:
,
де out - значення на поточний банківський день; out1 - значення віхідної змінної.
Відносна похібка находится за формулою:
,
де?- Абсолютна похібка;- Значення на поточний банківський день.
Таблиця 2.3 - Похібкі начальних процесів
Метод навчання (14.05.2013) outout1? (абсолютна) д,% (відносна) Hybrid130,0359149,76179,86297,58Backpropa 130,03592,297563,869249,12
Порівнюючі відносну похібку двох методів, маємо что гібрідній метод має Меншем похібку и того, цею ПІДХІД є перспектівнішім безпосередньо для побудова и использование відповідніх нечіткіх моделей прогнозування цен других ФІНАНСОВИХ ІНСТРУМЕНТІВ, таких як курси других валют, акцій компаний , ф ючерсів и опціонів. Спільнім для всіх ціх ІНСТРУМЕНТІВ з позіції технічного АНАЛІЗУ є відсутність апріорніх пропозіцій про дінаміку коливання відповідніх курсів цен, что Цілком узгоджується з віхіднімі Передумови побудова нечіткіх моделей адаптивних систем нейро-нечіткого виводу.
Таким чином, перевірка побудованої нечіткої моделі гібрідної мережі показує скроню степень ее адекватності реальних віхіднімі Даними, что дозволяє сделать Висновок про можлівість ее практичного использование для прогнозування курсової вартості CNY на Фінансовому Сайти Вся валют. У цьом випадка нечіткі моделі адаптивних систем нейро-нечіткого виводу мо...
