فرمت فایل :power point( قابل ویرایش) تعداد اسلاید: 131 اسلاید
تصمیمات مالی اغلب بر اساس روش های طبقه بندی هستند که برای تعیین مجموعه ای از مشاهدات در گروه هایی که از قبل تعیین شده اند استفاده میشوند. یک گام مهم در مورد توسعه مدل های طبقه بندی صحیح انتخاب متغیر های مستقل مناسب را در بر می گیرد که به مشکل موجود مربوط می شود .این مساله به عنوان مشکل انتخاب ترکیب دررشته استخراج اطلاعات/ یادگیری دستگاهی شناخته شده است.
این تحقیق برای رفع این مشکل از دو روشی که از طبیعت الهام گرفته اند یعنی بهینه سازی اجتماعات مورچه ای و گروه کوچک زنبوری استفاده می کند.این بافت مدل سازی شده توسعه داده شده است وعملکرد روش ها در دو حوزه ی کارهای طبقه بندی مالی مورد آزمایش قرار گرفته است که ارزیابی ریسک اعتبار را در بر می گیرد وکمیت ها را بررسی می کند.
هوش جمعی (Swarm Intelligence)
نوعی روش هوش مصنوعی است که مبتنی بر رفتارهای جمعی در سامانه‌های نامتمرکز و خودسامانده بنیان شده است. این سامانه‌ها معمولاً از جمعیتی از کنشگران ساده تشکیل شده است که بطور محلی با یکدیگر و با محیط خود در تعامل هستند. با وجود اینکه معمولاً هیچ کنترل تمرکزیافته‌ای، چگونگی رفتار کنشگران را به آنها تحمیل نمی‌کند، تعاملات محلی آنها به پیدایش رفتاری عمومی می‌انجامد. مثال‌هایی از چنین سیستم‌های را میتوان در طبیعت مشاهده کرد؛ گروههای مورچه‌ها، دستهٔ پرندگان، گله‌های حیوانات، تجمعات باکتری‌ها و دسته‌های ماهی‌ها.
روش‌های هوش ازدحامی
از موارد روش‌های فرااکتشافی میتوان به موارد زیر اشاره کرد:
دو روش اول موفق‌ترین روش‌های هوش مصنوعی ازدحامی که تاکنون اند.
پاورپوینت درباره بهینه سازی اجتماعات مورچه ای و گروه کوچک زنبوری