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
- 大規模な無線メッシュネットワークにおけるハッシュ関数を利用したSTA位置登録・探索方式の特性評価(研究速報)
- 伊東市および小田原市に定着した外来種ハリネズミのミトコンドリアDNA多型解析
- Redox-controlled backbone dynamics of human cytochrome c revealed by 15N NMR relaxation measurements
- レイヤ2ネットワークの障害診断技術(平成21年度論文賞の受賞論文紹介)
- 保存的に経過観察しえた坐骨ヘルニアによるイレウスの1例