Автоматизированная информационная система прогнозирования курса акций с помощью нечеткой нейронной сети Такаги-Сугено-Канга

Abstract

В рамках выпускной квалификационной работы было проведено исследование алгоритмов обучения нечёткой нейронной сети Такаги-Сугено-Канга. Целью данной работы является реализация гибридного алгоритма обучения нейронной сети и алгоритма наискорейшего спуска и метода обратного распространения ошибки. Оптимизация начальных параметров осуществлялась с помощью алгоритма С-means, который генерирует предпосылки для нечётких продукционных правил вывода. Задача также предполагает проектирование нечеткой продукционной нейронной сети Такаги-Сугено-Канга. Выполнен анализ существующих аналогичных систем, построены диаграммы UML, описана архитектура системы и разработаны алгоритмы её функционирования, проведены исследования эффективности автоматизированной информационной системы при решении поставленной задачи. Тесты проводились с использованием наборов данных курса акций на момент закрытия торгов из базы Yahoo Finance. Система реализована на языке C# в интегрированной среде разработки Visual Studio, а также на языке TypeScri