Оптимізація архітектури нейронного модулю інформаційної системи для прогнозування показників металургійного виробництва.
Abstract
При рішенні задачі прогнозування багатовимірних стохастичних часових рядів в умовах структурної і параметричної невизначеності в загальному випадку природа спостережуваної послідовності невідома [1].Останнім часом в економіці для прогнозування часових рядів досить часто застосовують нейронні мережі, тому що вони володіють такими перевагами:
- можливість обліку сезонності попиту при підготовці навчальної вибірки;
- нейронна мережа є універсальним аппроксіматором, що дозволяє підібрати функцію будь-якої складності, не скуту строгим аналітичним виразом [2].
Метою роботи є дослідження впливу архітектур і параметрів нейронних мереж на точність моделювання часових рядів.
References
Руденко О.Г. Штучні нейронні мережі: [навч. посіб.] / О. Г. Руденко, Є.В. Бодянський. – Харків : Компанія СМІТ, 2006. – 404 с.
Кизим Н.А. Нейронные сети: теория и практика применения / Н. А. Кизим, Е. Н. Ястремская, В. Ф. Сенчуков. – Монография. – Х.: ИД «ИНЖЭК», 2016. – 240 с.
Wong F. S. Time series forecasting using backpropagation neural networks / Wong F. S. // Neurocomputing. – 1990/91. – Vol. 2. – P. 147–159.
Widrow B. 30 years of adaptive neural networks: perceptron, madaline and backpropagation / Widrow B., Lehr M. A. // Proceedings of the IEEE. –1990. – Vol. 78, №. 9. – Р. 1415–1442.
Downloads
Issue
Section
Секція "Системи та методи аналізу даних та підтримки прийняття рішень"
