جستجو
قدرت یادگیری عمیق در بازارهای مالی و شهرهای هوشمند: بررسی تحلیلی مدلها، کاربردها و چالشها
حدیثه کاویانی بروجنی1 احسان سلیمانی دهکردی2
چکیده :
این پژوهش به بررسی عمیق و هیجانانگیز تواناییهای دگرگونکننده یادگیری عمیق (DL) در دو بخش حیاتی اقتصاد امروز، یعنی بازارهای مالی پویا و زیرساختهای پیچیده شهرهای هوشمند، میپردازد. بازارهای مالی، با طبیعت غیرقابل پیشبینی و نوسانات غیرخطی خود، به همراه حجم عظیمی از دادههای سری زمانی که به سرعت تولید میشوند، به رویکردهای مدلسازی جدیدی نیاز دارند که بتوانند از محدودیتهای روشهای سنتی فراتر روند. در اینجاست که قدرت DL آشکار میشود و راهکارهایی برای پیشبینی دقیقتر، مدیریت ریسک بهتر و تصمیمگیریهای سرمایهگذاری هوشمندانهتر ارائه میدهد. همزمان، در حوزه توسعه شهرهای هوشمند، جایی که حجم بیسابقهای از دادههای جمعآوریشده توسط اینترنت اشیا (IoT) باید مدیریت و تحلیل شود، یادگیری عمیق نقشی محوری ایفا میکند. این فناوری امکان تصمیمگیریهای هوشمندانه و بلادرنگ در زمینههایی مانند بهینهسازی ترافیک، مدیریت انرژی، خدمات عمومی و حتی افزایش امنیت شهروندان را فراهم میآورد.این مطالعه با تحلیل معماریهای کلیدی یادگیری عمیق در هر دو زمینه، به شباهتها و تفاوتهای این کاربردها میپردازد. همچنین، بر چالشهای مشترکی مانند دشواری در تفسیر عملکرد مدلهای پیچیده (فقدان شفافیت) و نیاز به قدرت محاسباتی بالا، تاکید میکند. هدف نهایی این تحقیق، ارائه درکی جامع و دقیق از نحوه همگرایی و واگرایی این کاربردها در مسیر حرکت جامعه به سمت سیستمهای خودکار، کارآمد و هوشمندتر در آینده است.
کلمات کلیدی : واژگان کلیدی یادگیری عمیق بازارهای مالی شهرهای هوشمند مدلسازی سری زمانی شفافیت مدل
زبان مقاله : فارسی
محور مقاله : آینده پژوهی در مهندسی، فناوری اطلاعات، وب، سیستم های هوشمند و امنیت سایبری
محل انتشار : کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری
آدرس وب سایت کنفرانس : itnaf.ir
کد IOI مقاله : AAHD-ABZDAC
لینک مستقیم مقاله : https://isnac.ir/AAHD-ABZDAC
سایر مقالات محل انتشار
- A Study on Design Understandability and Interaction of the therapy-specific Robots
- طراحی و مهندسی یک حسگر زیستی نوری چند مدی پلاسمونیک مبتنی بر تشدیدگرهای حلقه شکاف برای سنجش جامع آنتیژن
- طراحی یک اسیلاتورکنترل شونده با ولتاژ با نویز فاز بسیار پایین و بازه وسیع فرکانسی با تکنولوژی نانولوله کربنی برای کاربردهای PLL
- یک چارچوب هوشمند آگاه به زمینه برای ارتباطات V2V و V2Iدر شبکههای خودرویی شهرهای هوشمند با استفاده از دادههای ترافیکی شبکه سلولی
- An Ensemble Non-Dominated Feature Selection Method: A Case Study on Prostate Cancer
- تشخیص زودهنگام پوسیدگی دندان با استفاده از شبکههای عصبی
- Simulation and Performance Comparison of Torque Tube and LVDT Sensors in Displacer-Based Level Measurement Systems
- ارتقا سامانه ناوبری پهپاد مهاجر ۶ با استفاده از فناوری
- کاربرد نانوذرات مگنتیت (Fe3O4) در پزشکی (از سنتز تا عملکرد)
- Simulation and Modeling of Floating-Gate Non-Volatile Memory Performance: Focus on Oxide Thickness, Programming Speed, and Charge Transport Mechanisms
- Fraud Analytics with Big Data: A Literature Review on Machine Learning Algorithms in Bankruptcy Prediction and Financial Fraud Detection
- تحلیل آیندهپژوهانه همگرایی هوش مصنوعی، فناوری نانو و فناوری اطلاعات در مسیر تحول صنعتی آینده
- نقش تحول دیجیتال در خدمات کتابخانههای عمومی برای توانیابان جسمی و ذهنی
- Prediction and Optimization of Oxygen Production under Microgravity Conditions Using Machine Learning
- Simulation and Performance Comparison of Ultrasonic, Non-Contact Radar, and Guided Wave Radar Sensors in Level Measurement Systems