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
- イオン・リタ-デ-ション樹脂による海水中リチウムの濃縮に関する研究
- 浮選法による染色工場廃水の処理および公開実験(講演)
- 浮選による核燃料再処理廃液の処理 無公害放射性廃液処理技術へのアプローチ (浮選技術の新分野への応用に関するシンポジウム特集)
- 災害から守る・災害に学ぶ(11)トンネルの地圧対策
- 浮選法による染色廃水の処理 (第49回例会 廃水処理技術に関するシンポジウム講演要旨)