لطفا منتظر بمانید ...
0% Complete
صفحه اصلی
/
دهمین كنفرانس بين المللی مهندسی صنايع و سيستم ها
Tuning LSTM Neural Network Hyperparameters with Taguchi Method for Stock Market Prediction
نویسندگان :
Hadi Hassanzadeh
1
Alireza Hamedghafari
2
Alireza Shadman
3
1- Ferdowsi University of Mashhad
2- Ferdowsi University of Mashhad
3- Ferdowsi University of Mashhad
کلمات کلیدی :
hyperparameter optimization،LSTM،Taguchi method،stock market prediction،artificial neural networks،machine learning
چکیده :
Forecasting the stock market is a difficult undertaking because of the intricate and ever-changing nature of financial markets. Long Short-Term Memory (LSTM) neural networks have displayed potential in grasping the time-related relationships in financial data for predicting prices. However, the effectiveness of LSTM models greatly depends on choosing the right hyperparameters. This paper introduces an innovative method for fine-tuning LSTM neural network hyperparameters by utilizing Taguchi Method to improve the accuracy of stock market predictions and additionally reduce the computational time required to obtain the best combination of hyperparameters. In this research, we establish a Taguchi method-driven optimization structure to automatically find the best combination of hyperparameters for LSTM models. Evaluations are performed using open-access datasets for stock markets with open prices.
لیست مقالات
لیست مقالات بایگانی شده
ارائه یک چارچوب یکپارچه پشتیبان تصمیمگیری در نگهداری و تعمیرات مبتنی بر پایش وضعیت ترکیبی برای تجهیزات دوار
حسین مرادی نافچی - ناصر ملاوردی - سعید حیاتی جعفربیگی
A Graph-Based Three-Dimensional Building Evacuation Model Using Risk-Weighted Shortest Path Analysis
Zahra Khodadadi Mousavi - Mohammad Reza Zare Banadkouki
مقایسه تجربی و ارزیابی الگوریتمهای یادگیری ماشین در طراحی یک سیستم پیشنهاددهنده فیلم یکپارچه
احسان فلاحی آرزودار - محدثه احمدی‌پور رودپشت
فراتر از رزومه و کاریزما: ارائه چارچوبی چندلایه برای انتخاب مدیرعامل استارتاپ با مطالعه پایلوت در یک شرکت دانشبنیان ایرانی
بهروز فتح آبادی
ارائه یک چارچوب هوشمند مبتنی بر دوقلوی دیجیتال و یادگیری تقویتی برای حل مسئله زمانبندی کارگاه منعطف با زمانهای آمادهسازی وابسته به توالی
محمد رضا خادم روشنده
شناسایی مشاغل/ پست‌های استراتژیک امور ذوب مجتمع مس سرچشمه
علی سلطان‌پور - ساسان تقی‌زاده
ارائه روش بهبود تشخیص حمله قلبی با استفاده از الگوریتم های تجمعی و یادگیری عمیق
امیرحسین حریری - مانی قنبری
تحلیل موضوع بحران آب با رویکرد سیستم‌های دینامیکی به همراه پیشنهاد سیاست‌های بهبود
آرمین آذرپور - علی اکبر فرخ - امیرمهدی کلانتری
Portfolio optimization based on return prediction using multiple parallel input CNN-LSTM
Mahdi Ashrafzadeh - Hatef Kiabakht
شناسایی، تحلیل روابط علّی و اولویتبندی ریسکهای اختلال در زنجیره تأمین سبز با رویکرد DEMATEL فازی
نرگس شادمهری
بیشتر
ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 44.9.3
