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
- 大震災の爪痕と原発人災事故--怒らなければならない時には怒ろう (特集 東日本大震災・原発溶融事故(その3))
- 東電がもたらした核惨事と放射能汚染 (特集 東日本大震災・原発溶融事故(その3))
- 原発溶融事故に思う--広島から (特集 東日本大震災・原発溶融事故(その3))
- 特集 東日本大震災・原発溶融事故(その3)
- iSPP調査速報 東日本大震災における情報行動調査 (特集 東日本大震災とメディア(第5弾)岩手・宮城・福島 被災3県テレビ民放全12局取材から(2)災害に強い放送局づくりへ経験と教訓)