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
- Clinical Failure After Posterior Wall Acetabular Fractures : The Influence of Initial Fracture Patterns
- 463.日本温帯林地帯土壌生成の過程(土壌生成・分類および調査)
- 149.日本の暖帯林地帯土壌の生成過程(土壌の生成分類および調査)
- 218.日本の気候土壌型(第2報) : 高知市筆山のアース型土壌と室戸岬及び香川県雲辺寺山のローム型土壌の生成過程
- 217.日本の気候土壌型(第1報) : 暖帯林及び湿帯林地帯土壌の生成過程