Про один алгоритм навчання нейронної мережі в задачі прогнозування часових рядів
Journal Title: Бионика интеллекта - Year 2018, Vol 1, Issue 90
Abstract
У статті запропоновано метод навчання нейронних мереж при вирішенні задачі прогнозування часового ряду (чР). більшість практичних задач прогнозованя чР характеризуються високим рівнем нелінійності і нестаціонарності, зашумленістю, наявністю нерегулярних трендів, стрибків, аномальних викидів. У цих умовах жорсткі статистичні припущення про властивості чР часто обмежують можливості класичних методів прогнозування. альтернативою статистичним методам можуть служити методи обчислювального інтелекту, до числа яких відносяться штучні нейронні мережі. Результати імітаційного моделювання підтвердили, що запропонований метод навчання нейронної мережі дозволяє значно підвищити точність прогнозування часових рядів. The article proposes a method of neural networks training in solving the problem of prediction of the time series. Most of the predictive tasks of the time series are characterized by high levels of nonlinearity and non-stationary, noisiness, irregular trends, jumps, abnormal emissions. In these conditions, rigid statistical assumptions about the properties of the time series often limit the possibilities of classical forecasting methods. The alternative methods to statistical methods can be the methods of computational intelligence, which include artificial neural networks. The simulation results confirmed that the proposed method of training the neural network can significantly improve the prediction accuracy of the time series.
Authors and Affiliations
О. Г. Руденко, О. О. Безсонов, О. С. Романюк
Keywords
Related Articles
- EP ID EP593223
- DOI -
- Views 155
- Downloads 0
Нейромережевий метод кешування даних
Розглянуто основні існуючі види кешування та алгоритми збереження даних в кеш-памяті. запропоновано підхід до здійснення кешування на основі нейронних мереж. Проаналізовано результати роботи проекту-доказу концепції. зап...
Модель та алгоритм навчання системи автономної навігації для малогабаритного безпілотного апарату
В статті розглядається нова модель системи автономної навігації малогабаритного безпілотного апарату, що включає згорткову нейронну мережу для виділення візуальних ознак, машину екстремального навчання для оцінки переміщ...
Критерії вибору персептронної моделі для прогнозування: аналіз і практичні рекомендації щодо їх використання
Аналізуються існуючі і досить поширені статистичні (RMSE, МАРЕ, MAE та інші) і деякі інформаційні критерії (AIC, KIC, HQ тощо)(метрики) вибору персептронної моделі для прогнозування часових рядів, аналізуються переваги т...
Извлечение мультимедийных данных с нечетким соответствием
Із значним збільшенням обсягів загальнодоступної мультимедійної інформації, зростає потреба її обробки у реальному часі. Стаття аналізує проблеми обробки усіх типів мультимедійного контенту з застосуванням сучасних метод...
Deep Neo-fuzzy Neural Network and its Learning
Optimizing the learning speed of deep neural networks is an extremely important issue. Modern approaches focus on the use of neural networks based on the Rosenblatt perceptron. But the results obtained are not satisfacto...