ハイブリッド形ニューラル予測器における信号の相関性解析
スポンサーリンク
概要
- 論文の詳細を見る
ニューラルネットワークは非線形な処理を容易に取り込むことができるという特徴がある。筆者らは以前に階層形ニューラルネットワーク(NN)と線形フィルタを組み合わせたハイブリッド形ニューラル予測器について検討を行った。本論文では、更に予測の難しさを評価するために入力信号の相関性を測る尺度を提案し、この尺度に基づいて入力サンプル数、隠れユニット数、及び収束特性の関係について検討を行った。更に、予測に対して階層形NNと線形フィルタの役割を比較検討している。今回は、剰余演算による非線形信号を用いて、シミュレーションを行ったが、更に他の多くの非線形信号に対して提案した相関性尺度の有効性を検討する。
- 1997-05-23
著者
関連論文
- PARAMETER ESTIMATION OF RBF NETWORKS FOR PATTERN CLASSIFICATION AND PDF ESTIMATION
- 階層形NNにおける活性化関数の一学習法
- システム推定と逆フィルタにおけるIIR適応フィルタの特性
- 多層パーセプトロンにおける内部情報最適化アルゴリズムの提案
- ニューラルネットワークによる工作機械の熱変位予測 : 有効な温度データの解析
- 最近傍データによる学習の収束性の解析
- ハイブリッド形ニューラル予測器における信号の相関性解析
- Kurtosisにより非線形関数を連続可変するブラインドセパレーション
- 追加学習が可能な連想記憶モデルの動作解析としきい値制御の影響
- 階層型神経回路網における重み精度と出力誤差の関係
- 予測に基づく最小二乗アルゴリズムの安定性解析
- Effective Number of Input Samples and Hidden Neurons in A Hybrid Neural Predictor
- GPSとカルマンフィルタ及びNNによるナビゲーションシステムにおける学習データと推測精度の解析
- 階層形ニューラルネットワークにおける非線形シナプスの選択学習法