Login

Журнал «Современная Наука»

Russian (CIS)English (United Kingdom)

МОСКВА +7(495)-755-19-13

Статьи:
A+ R A-

Предобработка статистических данных для повышения качества прогноза нейронной сети

E-mail Печать

А.Р. Гильманов,  (Пермский государственный национальный исследовательский университет)

А.Л. Гусев,  (Д.т.н., К.ф.-м.н., профессор, Пермский государственный национальный исследовательский университет)

А.А. Окунев,  (Аспирант, Пермский государственный национальный исследовательский университет)

Серия «Естественные и Технические науки» # 03 2018
В статье описывается метод функциональной предобработки статистических данных для улучшения прогноза, получаемого с помощью нейронных сетей. Рассматривается достаточно широкий набор функций, который может быть использован для предобработки статистических данных. Показано преимущество нейронных сетей для прогноза с использованием предобработки данных, в смысле устойчивости прогноза. Ошибка прогноза рассматривается как случайная величина, для которой вычисляются: статистические оценки для математического ожидания и для стандартного отклонения, а также вычисляется выборочный коэффициент вариации для определения наиболее устойчивой модели прогноза.

Ключевые слова: Функциональная предобработка, прогноз, устойчивость нейросетевой модели, коэффициент вариации.

 

Читать полный текст статьи …


СПИСОК ЛИТЕРАТУРЫ:
1. Ruta D., Gabrys B. Neural Network Ensembles for Time Series Prediction // Neural Networks, 2007. IJCNN 2007. International Joint Conference on. 2007. pp. 1204-1209.
2. Collotta M., Pau G. An Innovative Approach for Forecasting of Energy Requirements to Improve a Smart Home Management System Based on BLE // IEEE Transactions on Green Communications and Networking, 2017. pp. 112-120.
3. Nguyen, H.H., Chan, C.W. Multiple neural networks for a long term time series forecast // Neural Computing & Applications, Vol. 13, No. 1, 2004. pp. 90-98.
4. Abdoli A.M., Nezhad M.F., Sede R.S., Behboudian S. Longterm forecasting of solid waste generation by the artificial neural networks // Environmental Progress & Sustainable Energy, Vol. 31, No. 4, 2012. pp. 68-636.
5. Gusev A.L., Okunev A.A. Forecasting with incomplete set of factors determining the predicted factor. Neural network error extrapolation method // International Journal of Applied Mathematics and Statistics, Vol. 56, No. 5, 2017. pp. 48-52.
6. Гусев А.Л., Окунев А.А. Методы сжатия информационного пространства при прогнозировании в условиях неполноты информации // Материалы ХV Всероссийской научной конференций «Нейрокомпьютеры и их применение». Москва. 2017. С. 190-191.
7. Регионы России. Социально-экономические показатели 2015. Статистический сборник. Росстат, 2015.


©  А.Р. Гильманов, А.Л. Гусев, А.А. Окунев, Журнал "Современная наука: актуальные проблемы теории и практики".
 

 

 

ПРАВОВАЯ ИНФОРМАЦИЯ:
Перепечатка материалов допускается только в некоммерческих целях со ссылкой на оригинал публикации. Охраняется законами РФ. Любые нарушения закона преследуются в судебном порядке.
© ООО "Научные технологии"

Серия - Естеств. и Техн. науки

Выпуск 2018 04(1) Natural and Technical

Выпуск 2018 04(2) Natural and Technical

Выпуск 2018 03(1) Natural and Technical

Выпуск 2018 03(2) Natural and Technical

Выпуск 2018 02 Natural and Technical

Выпуск 2018 01 Natural and Technical

Выпуск 2017 12/2 Natural and Technical

Выпуск 2017 12(1) Natural and Technical

Выпуск 2017 12(2) Natural and Technical

Выпуск 2017 11 Natural and Technical

Выпуск 2017 10 Natural and Technical

Выпуск 2017 09 Natural and Technical

Выпуск 2017 7-8(1) Natural and Technical

Выпуск 2017 7-8(2) Natural and Technical

Выпуск 2017 06 Natural and Technical

Выпуск 2017 05 Natural and Technical

Выпуск 2017 03-04 Natural and Technical

Выпуск 2017 02 Natural and Technical

Выпуск 2017 01 Natural and Technical

Выпуск 2016 12 Natural and Technical

Выпуск 2016 11 Natural and Technical

Выпуск 2016 09-10 Natural and Technical

Выпуск 2016 08 Natural and Technical

Выпуск 2016 07 Natural and Technical

Выпуск 2016 06 Natural and Technical

Выпуск 2016 05 Natural and Technical

Выпуск 2016 04 Natural and Technical

Выпуск 2016 03 Natural and Technical

Выпуск 2016 02 Natural and Technical

Выпуск 2016 01 Natural and Technical

Выпуск 2015 13 Natural and Technical

Выпуск 2015 12(1) Natural and Technical

Выпуск 2015 12(2) Natural and Technical

Выпуск 2015 11(1) Natural and Technical

Выпуск 2015 11(2) Natural and Technical

Выпуск 2015 09-10 Natural and Technical

Выпуск 2015 07-08 Natural and Technical

Выпуск 2015 05-06 Natural and Technical

Выпуск 2015 03-04 Natural and Technical

Выпуск 2015 01-02 Natural and Technical

Выпуск 2014 11-12 Natural and Technical

Выпуск 2014 09-10 Natural and Technical

Выпуск 2014 07-08 Natural and Technical

Выпуск 2014 05-06 Natural and Technical

Выпуск 2014 03-04 Natural and Technical

Выпуск 2014 01-02 Natural and Technical

Выпуск 2013 11-12 Natural and Technical

Выпуск 2013 9-10 Natural and Technical

Выпуск 2013 7-8 Natural and Technical

Выпуск 2013 5-6 Natural and Technical

Выпуск 2013 3-4 Natural and Technical

Выпуск 2013 1-2 Natural and Technical

Выпуск 2012 12 Natural and Technical

Выпуск 2012 10-11 Natural and Technical

Выпуск 2012 8-9 Natural and Technical

Выпуск 2012 6-7 Natural and Technical

Выпуск 2012 4-5 Natural and Technical

Выпуск 2012-03 Natural and Technical

Выпуск 2012-02 Natural and Technical

Выпуск 2012-01 Natural and Technical

Выпуск 01-2011 Natural and Technical