動径基底関数ネットワークによるノイズに汚染されたカオス時系列の将来予測
スポンサーリンク
概要
- 論文の詳細を見る
複雑な時系列の将来予測を行う手法として、ニューラルネットワークが注目されている。実際に観測された時系列を扱う場合、データに含まれている外部ノイズは、予測精度を低下させる要因となる。外部ノイズの影響を緩和するには、ネットワークに特別な構造を付加することが有効かもしれない。本報告では動径基底関数ネットワーク(Generalized radial basis function network, GRBF)に線形項を加えた場合の効果について述べる。
- 社団法人電子情報通信学会の論文
- 1995-09-05
著者
関連論文
- 時系列変動の連続性評価に基づくシステム状態診断
- 高炉におけるカオスと炉況短期予測
- 動径基底関数ネットワークによるカオス炉況の短期予測
- 正則化ネットワークの基底関数としての(1+cosh x)^-1を再現するハードウェア回路
- 観測ノイズに汚染されたカオス時系列に対する線形フィルタの影響
- 動径基底関数1/(1+cosh x)を表現するニューロ素子
- Bell-shaped hyper-BF networkによる複雑時系列の将来予測
- 動径基底関数ネットワークによるノイズに汚染されたカオス時系列の将来予測
- 観測ノイズに汚染された複雑時系列の時系列解析
- シリコン融液流動による融液温度変動の時系列解析(乱流の構造と統計法則)