Ensemble neurocomputing based oil price prediction
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F15%3A86097019" target="_blank" >RIV/61989100:27240/15:86097019 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.1007/978-3-319-13572-4_24" target="_blank" >http://dx.doi.org/10.1007/978-3-319-13572-4_24</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1007/978-3-319-13572-4_24" target="_blank" >10.1007/978-3-319-13572-4_24</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Ensemble neurocomputing based oil price prediction
Popis výsledku v původním jazyce
In this paper, we investigated an ensemble neural network for the prediction of oil prices. Daily data from 1999 to 2012 were used to predict the West Taxes, Intermediate. Data were separated into four phases of training and testing using different percentages and obtained seven sub-datasets after implementing different attribute selection algorithms. We used three types of neural networks: Feed forward, Recurrent and Radial Basis Function networks. Finally a good ensemble neural network model is formulated by the weighted average method. Empirical results illustrated that the ensemble neural network outperformed other models. (C) Springer International Publishing Switzerland 2015.
Název v anglickém jazyce
Ensemble neurocomputing based oil price prediction
Popis výsledku anglicky
In this paper, we investigated an ensemble neural network for the prediction of oil prices. Daily data from 1999 to 2012 were used to predict the West Taxes, Intermediate. Data were separated into four phases of training and testing using different percentages and obtained seven sub-datasets after implementing different attribute selection algorithms. We used three types of neural networks: Feed forward, Recurrent and Radial Basis Function networks. Finally a good ensemble neural network model is formulated by the weighted average method. Empirical results illustrated that the ensemble neural network outperformed other models. (C) Springer International Publishing Switzerland 2015.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
IN - Informatika
OECD FORD obor
—
Návaznosti výsledku
Projekt
—
Návaznosti
S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2015
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Advances in Intelligent Systems and Computing. Volume 334
ISBN
978-3-319-13571-7
ISSN
2194-5357
e-ISSN
—
Počet stran výsledku
10
Strana od-do
293-302
Název nakladatele
Springer
Místo vydání
Heidelberg
Místo konání akce
Addis Ababa
Datum konání akce
17. 11. 2014
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—