跳到主要內容

臺灣博碩士論文加值系統

(3.236.28.137) 您好!臺灣時間:2021/07/25 19:48
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

: 
twitterline
研究生:蘇渝翔
研究生(外文):Yu-Hsiang Su
論文名稱:特徵再利用基因表達規劃法之設計-以時間序列為例
論文名稱(外文):Gene expression programming with feature reuse - A case study of time series
指導教授:林文修林文修引用關係
指導教授(外文):Wen-Shiu Lin
口試委員:楊銘賢楊亨利
口試委員(外文):Ming-Hsien YangHeng-Li Yang
口試日期:2012-06-14
學位類別:碩士
校院名稱:輔仁大學
系所名稱:資訊管理學系
學門:電算機學門
學類:電算機一般學類
論文種類:學術論文
論文出版年:2012
畢業學年度:100
語文別:中文
論文頁數:111
中文關鍵詞:基因表達規劃法時間序列特徵再利用
外文關鍵詞:Gene Expression ProgrammingTime SeriesFeature-Reuse
相關次數:
  • 被引用被引用:3
  • 點閱點閱:298
  • 評分評分:
  • 下載下載:12
  • 收藏至我的研究室書目清單書目收藏:0
時間序列(Time Series, TS)的研究目的,是透過歷史紀錄訓練而成的模型去預測未來的趨勢。根據人工智慧中的基因表達規劃法(Gene Expression Programming, GEP)的強健能力,求解TS問題相當有潛力,不過目前,此法用於時間序列問題的架構,尤其在使用多基因染色體時造成的不穩定現象,還未有一個完善的解決方案。據此,本研究提出一個新的GEP演化概念-特徵再利用(Feature-Reuse),結合與隨機常數等演化機制,將過去演化結果中某些常用的特徵萃取出並保留下來,而這些特徵式能重新加入其它新的演化過程,如此反覆不斷互相演進,藉此提高演化效能與穩定度。本研究利用太陽黑子、啤酒銷量與臭氧層濃度做為實驗對象,模擬結果發現本研究所提之特徵再利用概念,在演化過程中有發揮作用,確實提高了演化過程的穩定度,在預測分析上也有不錯的表現。此外,研究中發現演化過程所保留的常用特徵,確實隨問題與參數設計的變動,權重會發生改變,這將有助於做分析與探討。
The time series study is through the training historical data to build model, and then use it to predict future trends. Artificial Intelligence in gene expression programming is a very effective and potential method to solve Time Series issue. But for the prediction problems, especially in multicellular structure, none of method can better solve the unstable problem. For this reason, we propose a new concept of GEP evolution - Feature Reuse(FR),combining the concept of RNC(Random Numerical Constants).Extract and Retain the commonly used features of the past evolution. These features can re-join the other new evolutionary process, so repeated continuously co-evolution, thereby improving performance and stability. In this study, we are going to use the Wolfer sunspots series data, Australian beer consumption and Ozone concentration, as the experimental task. The simulation results showed that our proposed method, in addition to good performance on the convergence evolution, but also improve the stability of the model. In addition, the study found that as different problems and parametric design, the evolution of retained important features also indeed change, which will help to do analyzed and discussed.
表次 v
圖次 vii
第壹章 緒 論 1
第一節 研究背景與動機 1
第二節 研究問題 2
第三節 研究目的 3
第四節 研究流程 5
第貳章 文獻探討 7
第一節 時間序列 7
第二節 演化式計算之遺傳演算法與遺傳規劃法 10
第三節 基因表達規劃法 22
第四節 文獻彙總 32
第參章 研究方法 35
第一節 研究架構 35
第二節 基礎基因表達規劃法運用在時間序列上之架構 36
第三節 特徵再利用多基因表達規劃運用在時間序列之架構 41
第四節 實驗設計 54
第五節 模型績效評估 58
第肆章 實驗結果與分析 61
第一節 使用RNC機制對改良模型的影響(實驗一) 61
第二節 評估模型訓練期適用時間長短{實驗二) 79
第三節 評估特徵萃取前置運行次數(實驗三) 89
第四節 使用不同資料集評估本研究改良方法(實驗四) 95
第五節 綜合分析與評估 103
第伍章 結論與建議 105
第一節 結論 105
第二節 研究貢獻 106
第三節 研究限制 107
第四節 未來研究與建議 108
參考文獻 109

中文部分:
王衍智,台灣股票選擇權日內價格定價模型研究–比較時間序列方法與遺傳規劃方法,朝陽科技大學財務金融系碩士論文,2004。
邱至中,長短期匯率預測模式績效之比較,國立成功大學財務金融研究所碩士論文,2003.
林建成,遺傳演化類神經網路於台灣股市預測與交易策略之研究,東吳大學經濟學系碩士論文,2001。
林宜芬,遺傳程式規劃為基的時間序列模型在金融市場之應用,輔仁大學資訊管理學系碩士班,2006。
陳寬裕,結合遺傳演算法與支援向量迴歸於台灣股票加權指數之預測,長榮大學經營管理研究所,2006。
章振大,太陽物理學,科學出版社,1992。
黃台心,計量經濟學二版,台北:新陸書局股份有限公司,2009。
楊奕農,時間序列分析:經濟與財務上之應用,臺北:雙葉書廊,2005。
鄭天德,ARMA-TGARCH模型之建立,國立交通大學經營管理研究所碩士論文,2002。
廖勇,唐常杰,元昌安,陳安龍,段磊,基於基因表達式編程的股票指數時間序列分析,四川大學學報,第四十二卷第五期,2005。
劉瑞鑫,時間序列與人工智慧方法在台股指數報酬率預測之績效比較,朝陽科技大學財務金融系碩士論文,2003。
蔡志宏,匯率預測模型之檢測-結合時間序列與總體經濟模型,國立暨南國際大學經濟學系碩士論文,2004。
英文部分:
Barbulescu, A. & Bautu, E., Meteorological Time Series Modeling Based on Gene Expression Programming, Recent Advances in Evolutionary Computing, WSEAS Press, 2009, pp. 17–23.
Bautu, E., Bautu, A. & Luchian, H., AdaGEP - An. Adaptive Gene Expression Programming, Proceedings of the Ninth international Symposium on Symbolic and Numeric Algorithms For Scientific Computing, SYNASC, IEEE Computer Society, 2007, pp. 403–406.
Bautu, E., Bautu, A. & Luchian, H., Symbolic regression on noisy data with genetic and gene expression programming, SYNASC'05, IEEE Computer Society, 2005, pp. 321-324.
Brockwell, P. & Davies, R., Introduction to time series, Springer, New York, 2002.
Banzhaf, W. & Nordin, P., Genetic Programming: An Introduction: On the Automatic Evolution of Computer Programs and its Applications, Morgan Kaufmann, San Francisco, 1998.
Box, G.E.P. & Jenkins, G.M., Time series analysis, WILEY, 1976.
Engle, R.F., Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of United Kingdom Inflation, Econometrica, 1982, pp.987-1007.
Ferreira, C., Gene Expression Programming: A New Adaptive Algorithm for Solving Problem, Complex System, Vol.13, 2001, pp.87-129.
Ferreira, C., Genetic Representation and Genetic Neutrality in Gene Expression Programming, Complex Systems 5(4), 2002, pp.389-408.
Ferreira, C., Function Finding and the Creation of Numerical Constants in GeneExpression Programming:Advances in Sort Computing: Engineering Design and Manufacturing, Springer-Verlag, 2003, pp.257-266
Ferreira, C., Gene Expression Programming: Mathematical Modeling by an Artificial Intelligence, Springer - Verlag, 2006.
Holland, J. H., Adaptation in Natural and Artificial Systems, University of Michigan Press, 1975.
Koza, J.R., Genetic Programming: On the Programming of Computers by Means of Natural Selection, Cambridge, MA:MIT Press,1992.
Koza, J.R., Genetic ProgrammingΠ: Automatic Discovery of Reusable Programs, Cambridge, MA:MIT Press,1994.
Kaboudan, M., A measure of time series predictability using genetic programming applied to stock returns, Journal of Forecasting 18, 1999, pp. 345-357.
Man, K.F., Tang, K.S. & Kwong, S., Genetic Algorithms: Concepts and Designs, Springer, 1999.
Lee, G. Y., Time series perturbation by genetic programming, Proceedings of the 2001 Congress on Evolutionary Computation, IEEE Press, pp. 403-409.
Lopes, H. & Weinert, W., A gene-expression programming system for time-series modeling. XXV lberian Latin American Congress on Computational Methods in Engineering(CILAMCE), Recife (Brazil), 2004.
Mitchell, M., An Introduction to Genetic Algorithms, MIT Press, 1996.
Rodriguez-Vazques, K., Genetic programming in time series modeling: an appllication to meteorological data, Proceedings of the 2001 Congress on Evolutionary Computation, IEEE Press, 2001, pp. 261-266.
ZUO Jie, TANG Changjie & LI Chuan. Time series prediction based on gene expression programming, International Conference for Web Information, Berling: Springer Verlag, 2004, pp.55-64.

QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
無相關期刊