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
- さわさわベーシック判例憲法(第3回)幸福追求権と新しい人権
- 教務主任が最初の1週間にやるべき仕事 (特集 学校リーダーが最初の1週間にやるべき仕事--徹底チェックリスト2011年度版)
- 生涯学習主任+地域教育コーディネーター 組織改革で地域の人材を徹底活用--新潟県新潟市立万代長嶺小学校 (特集 すべての教師に、マネジメント力を!) -- (「リーダー力」で学校を変えた4校の実践)
- 鉄骨PCa壁の実験的研究 : その1 実大モデルの実験 : 構造
- Studies on Polyploidy in Japanese Treefrogs