چکیده مقاله مرور و مقايسۀ الگوريتم‌هاي شبكۀ عصبي بازگشتيِ عميقِ LSTM و GRU در مدل‌سازي داده‌هاي سري زماني نرخ ارز

اين مقاله به مرور و مقايسۀ دو شبكۀ عصبي بازگشتي LSTM و GRU در مدل‌سازي داده‌هاي سري زماني نرخ ارز مي‌پردازد. اين دو الگوريتم، ساختار خاصی از شبکه‌های عصبی بازگشتیِ عميق هستند که به علت داشتن سلول حافظه و دروازه‌های كنترلي، توانایی کنترل جريان اطلاعات و تعیین زمان بهینه برای به خاطر سپردن و فراموش کردن دارند. در این گزارش پیش‌بینی نرخ دلار آمریکا به ریال ایران با استفاده از شبکه عصبی بازگشتی ارزیابی شد. دادگان مورد آزمايش، نرخ برابری دلار آمریکا به ریال با 8687 رکورد از ابتدای سال 1371 تا اخر سال 1396 است. داده‌های خامِ نرخ ارز، بین صفر ویک نرمال‌سازی می‌شوند و با معیارهای اندازه‌گیری دقت پیش‌بینی نتایج شبکه عصبی بازگشتی LSTM با شبکه عصبی بازگشتی GRU در کنار یکدیگر مقایسه شدند. هدف اصلی مقايسه عملكرد دو شبكۀ عصبي بازگشتي LSTM و GRU در پيش‌بيني نرخ ارز می‌باشد. در آزمايشات مربوط به شبكه GRU، در مقایسه با LSTM، جذر میانگین مربعات خطا برای پیش‌بینی تغییرات نرخ ارز 20 درصد کاهش یافت.