skip to Main Content
برای پیش‌بینی خودکار زمان – سری با استفاده از شبکه‌های عصبی

برای پیش‌بینی خودکار زمان – سری با استفاده از شبکه‌های عصبی

عنوان انگلیسی: Toward Automatic Time-Series Forecasting Using Neural Networks
سال نشر: ۲۰۱۲
نویسنده: Weizhong Yan
تعداد صفحه فارسی: ۲۰ – تعداد صفحه انگلیسی: ۱۲
دانشگاه: Machine Learning Laboratory, GE Global Research Center, Niskayuna, NY, USA
نشریه: Process Safety and Environmental Protection
کیفیت ترجمه: ترجمه پلاس

چکیده

در چند دهه گذشته، کاربرد شبکه‌های عصبی مصنوعی (‏ANN) ‏به پیش‌بینی سری‌های زمانی (‏TSF)‏ به دلیل ویژگی‌های منحصر به فرد مدل‌های ANN به سرعت در حال افزایش است. با این حال تا به امروز، عملکرد ANN در مطالعات مختلف به دست نیامده است. بسیاری از عوامل به ناهماهنگی در عملکرد مدل‌های شبکه عصبی کمک می‌کنند. یکی از این فاکتورها این است که مدلسازی ANN شامل تعیین تعداد زیادی از پارامترهای طراحی است، و عملکرد طراحی فعلی اساسا ابتکاری و تک منظوره است، این کار از پتانسیل کامل شبکه‌های عصبی استفاده نمی‌کند. بنابراین، فرآیندها و استراتژی‌های مدلسازی ANN برای TSF بسیار مورد نیاز هستند. با این نیاز، این مقاله تلاش می‌کند تا یک طرح مدلسازی خودکار ANN ایجاد کند. این شبکه براساس شبکه عصبی رگرسیون تعمیم‌یافته (‏GRNN)‏، یک نوع خاص از شبکه عصبی است. با استفاده از چندین ویژگی GRNN (‏به عنوان مثال، یک پارامتر طراحی واحد و یادگیری سریع)‏ و با استفاده از چندین استراتژی طراحی (‏به عنوان مثال، ادغام چندگانهGRNNs)‏، ما توانستیم برنامه مدلسازی پیشنهادی را برای مدل‌سازی سری‌های زمانی تجاری مقیاس بزرگ موثر سازیم. مدل

Abstract

Over the past few decades, application of artificial neural networks (ANN) to time-series forecasting (TSF) has been growing rapidly due to several unique features of ANN models. However, to date, a consistent ANN performance over different studies has not been achieved. Many factors contribute to the inconsistency in the performance of neural network models. One such factor is that ANN modeling involves determining a large number of design parameters, and the current design practice is essentially heuristic and ad hoc, this does not exploit the full potential of neural networks. Systematic ANN modeling processes and strategies for TSF are, therefore, greatly needed. Motivated by this need, this paper attempts to develop an automatic ANN modeling scheme. It is based on the generalized regression neural network (GRNN), a special type of neural network. By taking advantage of several GRNN properties (i.e., a single design parameter and fast learning) and by incorporating several design s
۱۸۰,۰۰۰ ریال – خرید
امتیاز شما:
(No Ratings Yet)
Back To Top