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
- エビデンスに基づく開発援助評価--援助評価の歴史、ランダム化実験の起源、スクリヴェンとバナージェの考え方の比較 (特集 エビデンスに基づく実践の世界的動向と日本における取り組み)
- Silicon micromachining based on surfactant-added tetramethyl ammonium hydroxide: etching mechanism and advanced applications
- Fluorescent Fe(2) metallo-supramolecular polymers: metal-ion-directed self-assembly of new bisterpyridines containing triethylene glycol chains
- 検知距離を高めた超音波センサ (特集 最新のセンシング技術)
- Preparation and in Vitro, in Vivo Characterization of Elastic Liposomes Encapsulating Cyclodextrin-Colchicine Complexes for Topical Delivery of Colchicine