Нейросетевые и гибридные модели в моделировании временных рядов
Автор: Аверкин Алексей Николаевич, Ярушев Сергей Александрович
Журнал: Сетевое научное издание «Системный анализ в науке и образовании» @journal-sanse
Статья в выпуске: 1, 2014 года.
Бесплатный доступ
В данной статье рассматриваются различные методы для построения моделей временных рядов. В частности особое внимание уделяется нейросетевым и гибридным методам для моделирования и прогнозирования временных рядов. Детально рассматривается несколько нечетких архитектур нейронных сетей, таких как ANFIS и TSK. Рассматривается возможность гибридизации методов нейронных сетей и регрессионного анализа для прогнозирования временных рядов.
Гибридные модели, временной ряд, нейронные сети, нечеткие методы моделирования
Короткий адрес: https://sciup.org/14123239
IDR: 14123239
Список литературы Нейросетевые и гибридные модели в моделировании временных рядов
- Валеев С.Г. Регрессионное моделирование при обработке данных/ С. Г. Валеев. - Казань: ФЭН, 2001.
- EDN: WFLQBT
- Барский А. Б. Нейронные сети: распознавание, управление, принятие решений / А. Б. Барский. - М.: Финансы и статистика, 2004. - С. 176.
- EDN: QMNRUB
- Горбань А. Н. Обучение нейронных сетей / А. Н. Горбань. - М.: СП «ПараГраф», 1990. - С. 159.
- Головко В. А. Нейронные сети: обучение, организация и применение. Кн. 4: учебное пособие для вузов / В. А. Головко; Общая ред. В. А. Галушкина. - М.: ИПРЖР, 2001. - С. 256.
- Song Q. Forecasting enrollments with fuzzy time series - Part I / Q. Song, B. Chissom // Fuzzy Sets and Systems. - №54 (1993) - Pp. 1-9.
