Розглянуто задачу багатокрокового прогнозування часових рядів. Представлено існуючі моделі рекурентних та нерекурентних нейронних мереж, що застосовуються для задач прогнозування. Описано спосіб навчання нейромереж за методом розширеного фільтра Калмана з обчисленням похідних за допомогою методу зворотного поширення в часі. Запропоновано метод псевдорегуляризації для зменшення ефекту зникнення градієнтів, що приводить до підвищення якості прогнозування в багатокроковому випадку. Наведено результати числових експериментів на прикладі прогнозування кількості сонячних плям за рік і хаотичного процесу Маккея - Гласса.

  Повний текст PDF - 364.151 Kb    Зміст випуску     Цитування публікації

  Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"