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
- B-12-13 階層化光パスネットワークにおける波長群マルチキャスト配信(B-12.フォトニックネットワーク,一般セッション)
- B-12-12 波長変換を考慮した多階層光パスネットワークの設計法(B-12.フォトニックネットワーク,一般セッション)
- B-12-11 繰り返し設計による予備リソース共用度向上を図る共有型光パスプロテクションネットワーク設計法(B-12.フォトニックネットワーク,一般セッション)
- B-7-20 ルータ性能の動的制御による低消費電力化とパケット棄却率推定法(B-7.情報ネットワーク,一般セッション)
- B-4-33 赤外線トラッキングを用いた自由走査式2次元電磁界分布測定法(B-4.環境電磁工学,一般セッション)