Neural intuitionistic fuzzy system with justified granularity
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216275%3A25410%2F22%3A39919466" target="_blank" >RIV/00216275:25410/22:39919466 - isvavai.cz</a>
Výsledek na webu
<a href="https://link.springer.com/article/10.1007/s00521-022-07504-x" target="_blank" >https://link.springer.com/article/10.1007/s00521-022-07504-x</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1007/s00521-022-07504-x" target="_blank" >10.1007/s00521-022-07504-x</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Neural intuitionistic fuzzy system with justified granularity
Popis výsledku v původním jazyce
Fuzzy systems are intensively investigated and extended to construct forecasting models. In particular, intuitionistic fuzzy sets are used to capture higher levels of uncertainty occurring in the modeled data. Neural networks are also used to reflect nonlinearity relationships frequently observed in time series. This paper proposes a new hybrid system merging fuzzy system with neural networks and an advanced optimization technique, the principle of justified granularity. Using this technique, we construct an innovative time-series forecasting model. In the experimental part of the paper, we demonstrate the advantages arising from applying the proposed approach to metal price forecasting. Finally, we provide evidence that the proposed model is competitive with the current state-of-the-art models for the forecasting horizons of one and five days.
Název v anglickém jazyce
Neural intuitionistic fuzzy system with justified granularity
Popis výsledku anglicky
Fuzzy systems are intensively investigated and extended to construct forecasting models. In particular, intuitionistic fuzzy sets are used to capture higher levels of uncertainty occurring in the modeled data. Neural networks are also used to reflect nonlinearity relationships frequently observed in time series. This paper proposes a new hybrid system merging fuzzy system with neural networks and an advanced optimization technique, the principle of justified granularity. Using this technique, we construct an innovative time-series forecasting model. In the experimental part of the paper, we demonstrate the advantages arising from applying the proposed approach to metal price forecasting. Finally, we provide evidence that the proposed model is competitive with the current state-of-the-art models for the forecasting horizons of one and five days.
Klasifikace
Druh
J<sub>imp</sub> - Článek v periodiku v databázi Web of Science
CEP obor
—
OECD FORD obor
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
Návaznosti výsledku
Projekt
<a href="/cs/project/GA19-15498S" target="_blank" >GA19-15498S: Modelování emocí ve verbální a neverbální manažerské komunikaci pro predikci podnikových finančních rizik</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2022
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
Neural Computing and Applications
ISSN
0941-0643
e-ISSN
1433-3058
Svazek periodika
34
Číslo periodika v rámci svazku
Neuveden
Stát vydavatele periodika
US - Spojené státy americké
Počet stran výsledku
17
Strana od-do
19423-19439
Kód UT WoS článku
000820553800004
EID výsledku v databázi Scopus
2-s2.0-85133455875