DSpace university logo mark
Advanced Search
Japanese | English 

NAOSITE : Nagasaki University's Academic Output SITE > Faculty of Economics > Bulletin > Annual review of economics > Volume 11 >

ニューラルネットワークの自己組織化による時系列の動的分析の一方法


File Description SizeFormat
keizainenpo11_03.pdf1.01 MBAdobe PDFView/Open

Title: ニューラルネットワークの自己組織化による時系列の動的分析の一方法
Other Titles: An Approach of Dynamic Time-Series Analysis using Neural-Network's Self Organizing Mechanism
Authors: 杉原, 敏夫
Authors (alternative): Sugihara, Toshio
Issue Date: 24-Mar-1995
Publisher: 長崎大学経済学部 / Faculty of Economis, Nagasaki University
Citation: 経済学部研究年報, 11, pp.31-48; 1995
Abstract: ニューラルネットワークの自己組織化能力を利用した動的な時系列分析の試みを述べる。ニューラルネットワークは与えられた入力パターンによる出力を設定された教師パターンに合わせるように,各々の要素間の結合の係数を変化させることにより,構成を自己組織化することができる。ここでは,多入力一出力のニューラルネットワークモデルのもとに,時系列を適度に分割し,入力データ系列と教師データとの組合せを時系列の進行に対応させ,連続的に投入することにより,逐次的な推定・予測値を得る方式を提案する。ニューラルネットワークの解析は誤差逆伝搬法による。結果については、本方式と自己回帰モデルおよび遷移行列に学習機能を持たせたカルマンフィルタとの3つを比較した。ニューラルネットワークは非線形性を前提とした汎用モデルであり、カルマンフィルタなど他の手法との組合わせにより学習速度の面での問題が解決されれば、動的な時系列分析にも効果的な適用ができるものと考えられる。 / An approach of dynamic time-series analysis thchnique using Neural-Network's self organiza-tion mechanism is proposed. Neural-Network can adapt it's organization to new organization given training data sets. Corresponding to the proceeding time-series, estimation and prediction value is acquired sequentialy by throwing sets of input data series and training data into Neural-Network. Three type results (this method, autoregressive model and Kalman-Filter with learning ability) are compared under the evaluation of minimum square error. Neural-Network model is general purpose model based on nonlinearity. Therefore, On condition high speed learn-ing with involving other method such as Kalman Filter, it will be expected a simple and effective technique to dynamic time-series analysis.
URI: http://hdl.handle.net/10069/26179
ISSN: 09108602
Type: Departmental Bulletin Paper
Text Version: publisher
Appears in Collections:Volume 11

Citable URI : http://hdl.handle.net/10069/26179

All items in NAOSITE are protected by copyright, with all rights reserved.

 

Valid XHTML 1.0! Copyright © 2006-2015 Nagasaki University Library - Feedback Powerd by DSpace