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
- 核内封入体を認めた肺benign clear cell tumorの1例
- 103.肺明細胞腫の1例(呼吸器4)(第42回日本臨床細胞学会秋期大会)
- 96.肺原発signet ring adenocarcinoma 2症例の臨床細胞学的検討(呼吸器3)(第42回日本臨床細胞学会秋期大会)
- 178 破骨細胞様巨細胞を伴った乳腺悪性葉状腫瘍の1例
- 甲状腺髄様癌の一例 : 第38回日本臨床細胞学会総会 : 甲状腺IV