複合ニューラルネットワークを用いた円-ドル為替レート予測に関する研究(テーマセッション「ランダムネスと予測〜その基礎と応用」及び一般, ランダムネスと予測-その基礎と応用1)
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時系列予測問題に対して時系列の周期性に依存した大域的な予測が期待できる.しかし, 階層型のようにシンプルなネットワークモデルではデータの急激な変化に対応しきれないという問題点がある.それに対し, 最近傍決定則を用いたローカルモデルは短期的なカオス時系列予測に対して有効であることが知られている.これはローカルモデルの入力が過去に存在するようなパターンならば的確に再現できるからである.そのため, 急激な変化にも対応することができる.しかし, カオス時系列はデータの初期状態に敏感に反応するという特徴を持つため, カオス時系列予測の長期予測は不可能とされている.本研究では, バックプロパゲーション学習を用いた代表的な階層型ニューラルネットワークと, 最近傍決定則を使用した単純なローカルモデルを組み合わせた複合ニューラルネットワークを提案する.この手法の特徴は階層型ニューラルネットワーク及びローカルモデルで単独に予測するよりも長期的な予測が可能になる点にある.これはそれぞれ単独の予測器によって出力された予測値を各予測器の持つ出力特性で補正することにより実現されるものである.本研究では, カオス的時系列であるアメリカドルと日本円の為替レートに適応させて提案手法の有効性を示す.
- 2005-11-11
著者
関連論文
- 複合ニューラルネットワークを用いた円-ドル為替レート予測に関する研究(テーマセッション「ランダムネスと予測〜その基礎と応用」及び一般, ランダムネスと予測-その基礎と応用1)
- DS-1-3 Maximum Weight Trace問題に対するクリークを考慮したマルチプルアライメント(DS-1. COMP学生シンポジウム,シンポジウムセッション)
- 複合ニューラルネットワークを用いた円-ドル為替レート予測に関する研究(テーマセッション「ランダムネスと予測〜その基礎と応用」及び一般, ランダムネスと予測-その基礎と応用1)
- RoboCup サッカーシミュレーションリーグにおける強化学習の有効性
- Particle Swarm Optimizationの多様化に関する検討
- 進化的計算手法による関数最適化性能の比較
- D-1-7 k-opt局所探索法による遺伝的局所探索法の効果(D-1. コンピュテーション, 情報・システム1)
- バイナリー2次計画問題に対する遺伝的局所探索法の適用(自然科学)
- バイナリ-2次計画問題に対するκ-opt局所探索法の効率化
- パイナリー二次計画問題に対するk-opt局所探索法のパラメータについて