PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
2001 | 8 | nr 906 Klasyfikacja i analiza danych : teoria i zastosowania | 68--76
Tytuł artykułu

Hybrydowe metody identyfikacji wzorców oraz modelowania i prognozowania szeregów czasowych

Autorzy
Warianty tytułu
Hybrid Methods of Pattern Identification, Modelling and Forecasting of Time Series
Języki publikacji
PL
Abstrakty
W pracy scharakteryzowano metodę identyfikacji wzorców za pomocą sieci Kohonena. Przeprowadzony podział szeregu czasowego na podobne fragmenty może stanowić rodzaj wstępnego przygotowania danych na potrzeby modelowania i prognozowania. Niezależne modele budowane dla wydzielonych fragmentów szeregu czasowego charakteryzują się zwykle lepszym dopasowaniem do danych i sprawiają mniej problemów w trakcie ich konstruowania. W przeprowadzonych badaniach jako narzędzie modelowania zastosowano neuronowe modele perceptronowe. Wykonane prace wskazują, że jakość tworzonych modeli (mierzona wartością błędu średniokwadratowego) może zostać podniesiona poprzez przeprowadzenie dekompozycji analizowanego szeregu, budowę modeli cząstkowych dla wyodrębnionych składowych i agregację uzyskanych wyników. Zadanie dekompozycji szeregu zrealizowano dzięki wykorzystaniu dyskretnej transformacji falkowej. (fragment tekstu)
EN
This paper discusses selected problems of pattern identification and modelling in time series data. The hybrid method that is described in the article consists of three steps. The first one is connected with the decomposition of time series. That task is performed by wavelet methods. In the next step the Kohonen network is applied to identify patterns in obtained components. The construction of neural MLP models for each homogeneous part in each component is the final stage of modelling process. The forecasting task requires the aggregation of partial models' results. (original abstract)
Twórcy
autor
Bibliografia
  • Azoff E.M.: Neural Network Time Series Forecasting of Financial Markets. John Wiley & Sons, 1994.
  • Grabowski M.: Zastosowanie samoorganizujących się map cech Kohonena w analizie danych. Sekcja Klasyfikacji i Analizy Danych PTS, Zeszyt 4, 1997.
  • Grabowski M.: Sieci neuronowe w analizie danych społeczno-ekonomicznych. Maszynopis pracy doktorskiej, Akademia Ekonomiczna w Krakowie, Kraków, 1998.
  • Lula P.: Jednokierunkowe sieci neuronowe w modelowaniu zjawisk ekonomicznych. Wydawnictwo Akademii Ekonomicznej w Krakowie, Kraków, 1999.
  • Louis A., MaaB K., Rieden A.: Wavelets. Theory and Applications. John Wiley & Sons, 1997.
  • Osowski S.: Sieci neuronowe. Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa, 1994.
  • Osowski S.: Sieci neuronowe w ujęciu algorytmicznym. WNT, Warszawa, 1996.
  • Percival D.B., Walden A.T.: Wavelet Methods for Time Series Analysis. Cambridge Series in Statistical and Probabilistic Mathematics, Cambridge University Press, 2000.
  • Refenes A.-P. (ed.): Neural Networks in the Capital Markets, John Wiley & Sons, 1995.
  • Rojas R.: Neural Networks. A Systematic Introduction. Springer-Verlag, 1996.
  • Tadeusiewicz R.: Sieci neuronowe, Akademicka Oficyna Wydawnicza RM, Warszawa, 1993.
  • Zeliaś A.: Teoria prognozy. Polskie Wydawnictwo Ekonomiczne, Warszawa, 1997.
  • Zieliński J. (red.): Inteligentne systemy w zarządzaniu. Teoria i praktyka. Wydawnictwo Naukowe PWN, Warszawa, 2000.
  • Żurada J., Barski M., Jędruch W.: Sztuczne sieci neuronowe. Podstawy teorii i zastosowania. Wydawnictwo Naukowe PWN, Warszawa 1996.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171272719

Zgłoszenie zostało wysłane

Zgłoszenie zostało wysłane

Musisz być zalogowany aby pisać komentarze.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.