عنوان فارسی مقاله:
اپراتورهای جمعی شبکه عصبی برای پیش بینی سریهای زمانی
|
|
| عنوان انگلیسی مقاله: |
Neural network ensemble operators for time series forecasting |
چکیده
ثابت شده است که ترکیب پیش بینی های ناشی از شبکه های عصبی جمعی، عملکرد بهتری نسبت به استفاده از بهترین مدل شبکه مجزا دارد. متون علمی گسترده ای از این مسئله پشتیبانی کرده اند که نشان می دهد ترکیب، به طور کلی منجر به بهبود صحت و قدرت پیش بینی می گردد و اینکه استفاده از اپراتور میانگین اغلب برتر از روشهای پیچیده تر ترکیبی از پیش بینی ها عمل می کند. این مقاله اپراتور جمعی مد یا حالت مبتنی بر برآورد چگالی هسته (کرنل) پیشنهاد می کند که برخلاف اپراتورمیانگین، نسبت به نمونه های دورافتاده و انحرافات از نرمالیته، حساس نیست و برخلاف اپراتور میانه، نیازی به توزیع های متقارن ندارد. در اینجا سه اپراتور به روش تجربی باهم مقایسه شده و نشان داده شده است که اپراتور جمعی درست ترین پیش بینی ها را حاصل می کند، اپراتور میانه در رتبه بعدی جای دارد، در حالیکه میانگین عملکرد نسبتاً ضعیفی به معرض نمایش می گذارد. یافته های بدست آمده حاکی از آن است که اپراتور مد ( حالت) باید به عنوان یک جایگزین برای اپراتورهای میانگین و میانه در برنامه های پیش بینی مد نظر قرار گیرد. آزمایشات نشان می دهد که مجموعه های مد نقش مفیدی در خودکار نمودن مدلهای شبکه عصبی در میان تعداد بزرگی از سریهای زمانی، ایفا نموده و بر مسائل عدم قطعیت مرتبط با نمونه گیری داده ها، تصادفی بودن آموزش شبکه عصبی و توزیع پیش بینی ها غلبه می کنند.
