RBFを用いたNNによる時系列予測について

• Item type: SIG Technical Reports(1)
• 公開日: 1998-01-23
• タイトル: RBFを用いたNNによる時系列予測について
• タイトル / 言語: en
• タイトル: Some Comments on Prediction of the Chaotic Time Series by using Radial Basis Function Type Neural Networks
• 言語: jpn
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 岡山理科大学大学院工学研究科修士課程情報工学専攻
• 著者所属: 岡山理科大学工学部情報工学科
• 著者所属(英): en
• 著者所属(英): Graduate School of Engineering, Okayama University of Science
• 著者所属(英): en
• 著者所属(英): Department of Information & Computer Engineering, Faculty of Engineering, Okayama University of Science
• 著者名: 福田, 典昭; 成久, 洋之
• 著者名(英): Noriaki, Fukuda; Hiroyuki, Narihisa
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 本論文では，放射状基底関数 (B) を用いたニューラルネットワーク () としてRBFネットワーク (BF)，回帰ニューラルネットワーク (RN)，そしてハイブリッドRBFネットワーク (?RBF) を取り上げ，各NNの性能評価を行う．RBFNは，入力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，バックプロパゲーション () 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 (P) の予測性能について比較検討する．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: In this paper, we present the performance analysis of the radial basis function (RBF) type neural networks (NN). As this RBF type NN, we consider as follows: simple RBF network (RBFN), generalized regression neural network (GRNN), and hybrid RBF network (H-RBFN). By using these RBF type NN, we execute the prediction of chaotic time series and calculate prediction errors. Finally, these prediction errors are compared and discussed with computational results of normal Back Propagation neural network.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN10505667
• 書誌情報: 情報処理学会研究報告数理モデル化と問題解決（MPS）; 巻 1998, 号 6(1997-MPS-017), p. 7-12, 発行日 1998-01-23
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会