Методы прогнозирования основанных на нейронах сетях  : Информатика - на REFLIST.RU

Методы прогнозирования основанных на нейронах сетях : Информатика - на REFLIST.RU

Система поиска www.RefList.ru позволяет искать по собственной базе из 9 тысяч рефератов, курсовых, дипломов, а также по другим рефератным и студенческим сайтам.
Общее число документов более 50 тысяч .

рефераты, курсовые, дипломы главная
рефераты, курсовые, дипломы поиск
запомнить сайт
добавить в избранное
книжная витрина
пишите нам
  Ссылки:
Турция из Челябинска
Список категорий документа Информатика
Методы прогнозирования основанных на нейронах сетях

Методы прогнозирования основанных на нейронах сетях

Методы прогнозирования основанных на нейронах сетях, Методы, комп-ры, основанных, Программирование и комп-ры, Программирование, прогнозирования, нейронах, сетях Ключевые слова
страницы: 1  2  3  4  5  6  7 
Текущая страница: 1


              5. ПРОГНОЗИРОВАНИЕ КУРСА UKB/USD

     В данной главе описаны эксперименты по прогнозированию курса
американского  доллара  по  отношению  к  украинскому  карбованцу
(UKB/USD).  Сначала описаны задачи исследования и общая структура
экспериментов.  Далее описаны проделанные эксперименты,  при этом
подробно перечислены особенности каждого из них.  Для эксперимен-
тов,  которые  показали  удовлетворительные  результаты  обучения
(сеть распознала не менее 80%  образов,  на которых обучалась)  в
приложениях  приведены  таблицы с подробным описанием результатов
по каждому образу, который распознавался.

     5.1. Общий подход к прогнозированию  курса UKB/USD

     Исследования проводились на основе модели  сети  с  обратным
распространением (подробнее смотри главу 3). Примененная методика
прогнозирования подробно описана в главе 4.
     Целью экспериментов было прогнозирование курса UKB/USD.  Для
достижения данной цели было проведено исследование влияния предс-
тавления исторических и прогнозируемых данных на ошибку прогнози-
рования.  Также были рассмотрены вопросы влияния структуры НС  на
скорость обучения сети и ошибку прогнозирования.  При этом стави-
лись следующие задачи:
     - поиск критериев прогнозирования;
     - поиск оптимального  представления  исторических  данных  о
       курсе;
     - поиск оптимального представления результата  прогнозирова-
       ния;
     - поиск  оптимального  размера  окна;
     - поиск  оптимальной структуры сети.

     Прогнозирование курса  UKB/USD проводилось на основе времен-
ной последовательности ежедневных данных о курсе.  Такой подход к
прогнозированию основан на идее американских экономистов, что для
прогнозирования некоторых экономических показателей вполне доста-
точно исследования истории их изменения. Успешное применение дан-
ного подхода другими исследователями [7] для прогнозирования кур-
сов DM/USD и SUR/USD позволяет надеяться на успех прогнозирования
UKB/USD.
     Исходными данными для экспериментов служили ежедневные изме-
рения  курса  UKB/USD  с 15.06.93 по 26.06.95 всего 842 измерений
(данные взяты из архивов  банка  Porto-Franco).  Прогнозировалось
среднее  значение  курса  за день (среднее арифметическое дневных
курсов покупки и продажи).

     Каждый из экспериментов, можно разбить на несколько  этапов.
     Первым этапом было формирование обучающей выборки.  На  этом
этапе  определяется вид представления исторических и прогнозируе-
мых данных и происходит формирование наборов, подаваемых на вход-
ные нейроны и соответствующих им наборов снимаемых с выходов сети
(подробнее смотри раздел 2.2.4). Большинство опытов прогнозирова-
ло не фактический курс,  а его относительное изменение (ОИК). От-
носительное изменение курса определяется по формуле

                OIKt = (Kt+1 - Kt)/Kt                 (5.1)

Для автоматизации процесса формирования обучающих выборок был ис-
пользован пакет MS EXCEL 5.0.
     Вторым этапом является обучение НС на основе  сформированной
на первом этапе обучающей выборке. Качество обучения характеризо-
валось ошибкой обучения,  определяемой как суммарное квадратичное
отклонение значений на выходах НС в обучающей выборке от реальных
значений,  полученных на выходах НС. Критерием прекращения обуче-
ния было прохождение сетью 1500 итераций или уменьшение ошибки на
выходах сети на два порядка,  по сравнению с первичной ошибкой. В
том  случае,  если  при описании опыта не указано,  что произошло
снижение ошибки на два порядка, обучение было остановлено по пер-
вому критерию.
     На третьем этапе проводилось тестирование обучения сети.  На
вход подавалось порядка 4 - 5% наборов из обучающей выборки и оп-
ределялось качество распознавания сети.  Опыт  считался  успешным
если  относительная  достоверность  распознавания образов была не
менее 80%.
     На четвертом этапе проводилась симуляция прогнозирования. На
вход сети подавались наборы,  которые не были внесены в обучающую
выборку, но результат по ним (прогноз) известен.
     Результаты успешных опытов приведены в приложениях  2.1-2.3.
Каждая из таблиц приложений разделены на две части. В первой рас-
положены результаты тестирования обучения, во второй - результаты
симуляции прогнозирования. Первый столбец в таблице описания опы-
тов содержит номер набора в тестовой или  симуляционной  выборке.
Остальные столбцы содержат результаты экспериментов.  В них может
находиться знак *, или пара цифр. Энак * означает, что данный на-
бор распознан правильно.  Цифры в строке обозначают, что при рас-
познавании произошла ошибка. Первая цифра обозначает номер нейро-
на,  который  соответствует  фактическому значению переменной,  а
вторая - фактическому.

     5.2. Описание экспериментов

ЭКСПЕРИМЕНТ 1
ОПИСАНИЕ ИСТОРИЧЕСКИХ ДАННЫХ:  Данные подаются на входы НС в виде
временной  последовательности  ежедневных  измерений фактического
курса (в тысячах карбованцев).
ОПИСАНИЕ ПРОГНОЗИРУЕМЫ7843ћ



Текущая страница: 1

страницы: 1  2  3  4  5  6  7 
Список предметов Предмет: Информатика
Методы прогнозирования основанных на нейронах сетях Тема: Методы прогнозирования основанных на нейронах сетях
Методы прогнозирования основанных на нейронах сетях, Методы, комп-ры, основанных, Программирование и комп-ры, Программирование, прогнозирования, нейронах, сетях Ключевые слова: Методы прогнозирования основанных на нейронах сетях, Методы, комп-ры, основанных, Программирование и комп-ры, Программирование, прогнозирования, нейронах, сетях
   Книги:


Copyright c 2003 REFLIST.RU
All right reserved. liveinternet.ru

поиск рефератов запомнить сайт добавить в избранное пишите нам