مرور و مقايسۀ الگوريتم هاي شبكۀ عصبي بازگشتيِ عميقِ LSTM و GRU در مدل سازي داده هاي 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 خاصي از شبكه‌هاي عصبي بازگشتيِ عميق هستند كه به علت داشتن سلول حافظه و دروازه‌هاي كنترلي، توانايي كنترل جريان اطلاعات و تعيين زمان بهينه براي به خاطر سپردن و فراموش كردن دارند. در اين گزارش پيش‌بيني نرخ دلار آمريكا به ريال ايران با استفاده از شبكه عصبي بازگشتي ارزيابي شد. دادگان مورد آزمايش، نرخ برابري دلار آمريكا به ريال با 8687 ركورد از ابتداي سال 1371 تا اخر سال 1396 است. داده‌هاي خامِ نرخ ارز، بين صفر ويك نرمال‌سازي مي‌شوند و با معيارهاي اندازه‌گيري دقت پيش‌بيني نتايج شبكه عصبي بازگشتي LSTM با شبكه عصبي بازگشتي GRU در كنار يكديگر مقايسه شدند. هدف اصلي مقايسه عملكرد دو شبكۀ عصبي بازگشتي LSTM و GRU در پيش‌بيني نرخ ارز مي‌باشد. در آزمايشات مربوط به شبكه GRU، در مقايسه با LSTM، جذر ميانگين مربعات خطا براي پيش‌بيني تغييرات نرخ ارز 20 درصد كاهش يافت.