translate:how_effective_are_neural_networks_at_forecasting_and_prediction
Различия
Показаны различия между двумя версиями страницы.
Предыдущая версия справа и слеваПредыдущая версияСледующая версия | Предыдущая версияСледующая версияСледующая версия справа и слева | ||
translate:how_effective_are_neural_networks_at_forecasting_and_prediction [2013/10/24 19:10] – [Введение] artamonov | translate:how_effective_are_neural_networks_at_forecasting_and_prediction [2013/10/24 20:12] – [Результаты] artamonov | ||
---|---|---|---|
Строка 15: | Строка 15: | ||
==== Введение ==== | ==== Введение ==== | ||
- | Искусственные нейронные сети - вычислительные структуры, | + | Искусственные нейронные сети - вычислительные структуры, |
В общем, модели НС описываются топологией сети, характеристиками узлов и правилами тренировки или обучения. НС состоят из большого числа простых обрабатывающих элементов, | В общем, модели НС описываются топологией сети, характеристиками узлов и правилами тренировки или обучения. НС состоят из большого числа простых обрабатывающих элементов, | ||
Строка 22: | Строка 22: | ||
Структура работы состоит в следующем. Во-первых, | Структура работы состоит в следующем. Во-первых, | ||
- | ==== Как выбирать обучение ==== | + | ==== Как выбирались исследования ==== |
Нас интересовало, | Нас интересовало, | ||
Строка 91: | Строка 91: | ||
=== Эффективно проверенные положительные результаты, | === Эффективно проверенные положительные результаты, | ||
+ | 11 дополнительных исследований, | ||
+ | Другие исследования в области прогнозирования включают исследования Флетчера и Госса (1993), Десилтса (1992) и Кимото (1990). Флетчер и Госс (1993) разработали НС для классификации банкротств и сравнили свою НС с логическими моделями. НС превзошли логические модели, | ||
+ | В области прогнозирования временных рядов, Чен, Ю и Моджадамжо (1992) использовали НС для прогнозирования электрической нагрузки. НС обеспечили лучший прогноз чем модели ARIMA. Они также лучше адаптированы к изменениям, | ||
+ | === Дальнейшая оценка реализаций алгоритма обратного распространения ошибки === | ||
+ | Из 48 исследований, | ||
+ | * Структура сети: Некоторые проблемы, | ||
+ | * Градиентный спуск: манипуляции с коэффициентом обучения во время тренировки показали тенденцию к более эффективному снижению градиента на поверхности ошибок. | ||
+ | * Перекрёстная проверка: | ||
+ | * Перекрёстная функция: | ||
+ | * Функция трансформации: | ||
+ | Из 27 исследований, | ||
==== Заключение ==== | ==== Заключение ==== |
translate/how_effective_are_neural_networks_at_forecasting_and_prediction.txt · Последнее изменение: 2013/10/24 21:12 — artamonov