RBF を用いた NN による時系列予測について
スポンサーリンク
概要
- 論文の詳細を見る
本論文では, 放射状基底関数(RBF)を用いたニューラルネットワーク(NN)として RBF ネットフーク(RBFN), 回帰ニューラルネットワーク(GRNN), そしてハイブリッド RBF ネットワーク(H-RBFN)を取り上げ, 各 NN の性能評価を行う. RBFN は, 入カデータの特徴付けを有効に行う RBF を入出力関数とした NN で, 一般的に広く用いられている. また, RBFN を拡張させた GRNNは, 荷重設定を回帰理論に基づいて行う feed-forward 型 NN で, 関数近似に対して優れたものとされている. これに対し H-RBFN は, 一般的に知られているシグモイド関数を RBFN に結合させ, パックプロパゲーション(BP)則を用いて荷重修正を行う NN である. 本実験では, 時系列の予測問題を取り上げ, これらの NN および一般的な BP ネットワーク(BPN)の予測性能について比較検封する.
- 1998-01-23
論文 | ランダム
- FLORISTIC NOTES ON LICHENS IN THE FILDES PENINSULA OF KING GEORGE ISLAND AND HARMONY COVE OF NELSON ISLAND, SOUTH SHETLAND ISLANDS, THE ANTARCTIC (14th Symposium on Polar Biology)
- The Structural Integrity of the Islet In Vitro : The Effect of Incubation Temperature
- A case of a 6-year-old girl with anti-neutrophil cytoplasmic autoantibody-negative pauci-immune crescentic glomerulonephritis
- Some Estimation Theory on the Sphere
- The Role of Humoral and Cellular Mediators in Enhanced Mammary Inflammatory Reactions to Staphylococcal Infection in Systemically Immunized Ewes