Sieć falkowo-neuronowa jako skuteczne narzędzie do analizy i predykcji szeregów czasowych

• Autorzy: Monika Hadaś
• Języki publikacji: PL

Abstrakty

Sztuczne sieci neuronowe powstały na grancie wiedzy o działaniu systemu nerwowego istot żywych i stanowią próbę wykorzystania zjawisk zachodzących w systemach nerwowych przy poszukiwaniu nowych rozwiązań technologicznych. Wykazują własności pożądane w wielu zastosowaniach praktycznych, a mianowicie stanowią uniwersalny układ aproksymacyjny odwzorowujący wielowymiarowe zbiory danych, mają zdolność uczenia się i przystosowywania do zmieniających się warunków środowiskowych. Jakkolwiek sieci neuronowe stanowią dziedzinę wiedzy całkowicie samodzielną, w rozwiązaniach praktycznych stanowią zwykle część sterującą procesem bądź część decyzyjną, przekazującą sygnał wykonawczy innym elementom urządzenia, niezwiązanym bezpośrednio z sieciami neuronowymi. W niniejszej pracy wykorzystujemy własności sztucznej sieci neuronowej i falki do przeprowadzenia predykcji szeregu czasowego. Prezentowana predykcja jest oparta na sieci neuronowo-falkowej, która jest odmianą sieci neuronowej, a w której tradycyjne funkcje aktywacji neuronów zastąpiono funkcjami falkowymi. (fragment tekstu)

Słowa kluczowe

PL

Sieci neuronowe; Szeregi czasowe; Analiza falkowa

EN

Neural networks; Time-series; Wavelet analysis

• Czasopismo: Prace Naukowe / Akademia Ekonomiczna w Katowicach
• Rocznik: 2008
• Tom: Metody matematyczne, ekonometryczne i komputerowe w finansach i ubezpieczeniach 2006
• Strony: 175--185

Twórcy

autor

Monika Hadaś

• Akademia Ekonomiczna im. Karola Adamieckiego w Katowicach

Bibliografia

• Aussem A., Murtagh F.: A neuro-wavelet strategy for Web traffic forecasting. "Journal of Official Statistics" 1998, No 1
• Białasiewicz: Falki i aproksymacje. WNT, Warszawa 2000
• Gao R., Tsoukalas L.H.: Neural-wavelet methodology for load forecasting. "Journal of Intelligent & Robotic Systems" 2001, Vol. 31, No 1-3
• Grzymkowski R.: Zastosowanie teorii falek w zagadnieniach brzegowych. Wydawnictwo Pracowni Komputerowej Jacka Skalmierskiego, Gliwice 2004
• Korbicz J. Obuchowicz A.: Sztuczne sieci neuronowe-podstawy i zastosowania. Akademicka Oficyna Wydawnicza PLJ, Warszawa 1994
• Krzyżak A.: Metody nieparametryczne w przetwarzaniu sygnałów i w sieciach neuronowych. Prace Naukowe, z. 106. Oficyna Wydawnicza PW, Warszawa. 1998
• Leland W., Taqqu M., Willinger W., Wilson D.: On the Self-Similar Nature of Ethernet Traffic. "IEEE/ACM Transactions on Networking" 1994, No 2(1)
• Mallat S.G.: 1989. Multiresolution approximation and wavelets orthonormal bases of L2 (R). "Trans. Amer. Math Soc." 1989, No 1
• Majkowski A.: Zastosowanie transformacji folkowej i obliczeń neuronowych w kompresji sygnałów. Politechnika Warszawska, Warszawa. 1999
• Osowski S.: Sieci neuronowe do przetwarzania informacji. Oficyna wydawnicza Politechniki Warszawskiej, Warszawa 2000
• Osowski S.: Rekurencyjna sieć neuronowa Elmana w zastosowaniu do problemów predykcji. XX SPETO, Ustroń 1997
• Poggio T., Girosi F.: Networks for approximation and learning. Proc. "IEEE" 1990, Vol. 78, No 9
• Siwek K.: Implementacja komputerowa wybranych algorytmów uczących i aplikacyjnych sieci samoorganizujących się Kohonena. Politechnika Warszawska, Warszawa 1994
• Tadeusiewicz R.: Sieci neuronowe. Akademicka Oficyna Wydawnicza, Warszawa 1993
• Wojtaszczyk: Teoria falek. PWN, Warszawa 2000
• Zhang Q.: Wavenet, Public domain Matlab toolbox. Anonymous FTP: ftp.irisa.fr
• Żurada J., Jędruch W.: Sztuczne sieci neuronowe. PWN, Warszawa 1997