مرور و مقایسۀ الگوریتم های شبکۀ عصبی بازگشتیِ عمیقِ lstm و gru در مدل سازی داده های سری زمانی نرخ ارز

این مقاله به مرور و مقایسۀ دو شبکۀ عصبی بازگشتی lstm و gru در مدل‌سازی داده‌های سری زمانی نرخ ارز می‌پردازد. این دو الگوریتم، ساختار خاصی از شبکه‌های عصبی بازگشتیِ عمیق هستند که به علت داشتن سلول حافظه و دروازه‌های کنترلی، توانایی کنترل جریان 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 آزمایش، 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 مقایسه عملکرد دو شبکۀ عصبی بازگشتی lstm و gru در پیش‌بینی نرخ ارز می‌باشد. در آزمایشات مربوط به شبکه gru، در مقایسه با lstm، جذر میانگین مربعات خطا برای پیش‌بینی تغییرات نرخ ارز 20 درصد کاهش یافت.