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
- スタンリ・モリスンの書体開発態度 : タイムズ・ニュー・ローマンを例として
- PP3-047 腎細胞癌転移に対する外科的治療の成績(一般演題(ポスター))
- 7128 景観施策における色彩コントロールの実態と傾向 : 全国151自治体に対する色彩に関する調査研究
- CGを用いた歴史的景観に及ぼす中高層建築物の評価構造(計画・歴史系)
- 建築着工床面積の人口原単位に関する特性分析(計画・歴史系)