時系列データ予測のためのニューラルネットワークの構造最適化と応用について

カテゴリ: 研究会(論文単位)

論文No: CT16027

グループ名: 【C】電子・情報・システム部門 制御研究会

発行日: 2016/03/04

タイトル(英語): Structural optimization of neural networks for time series data prediction and applications

著者名: 林田 智弘(広島大学),西崎 一郎(広島大学),関崎 真也(広島大学)

著者名(英語): Tomohiro Hayashida(Hiroshima University),Ichiro Nishizaki(Hiroshima University),Shinya Sekizaki(Hiroshima University)

キーワード: リカレントニューラルネットワーク|データ予測|時系列データ|構造最適化|遺伝的アルゴリズム|タブー探索|Recurrent neural network|data prediction|time-series data|structural optimization|genetic algorithms|tabu search

要約(日本語): ニューラルネットワークは、その構造や内部パラメータを適切に設定することで任意の連続関数に対する高い近似能力を持つ。このことから、複雑な物理モデルなどの厳密な計算の代替として用いられ、また、様々なデータの予測や分類へ応用されている。本講演では、ニューラルネットワークのデータ予測への適用事例の紹介および、他の機械学習手法とニューラルネットワークとを併用して設計された適応型エージェントを紹介する。

要約(英語): Neural network has high approximation capability for any real-valued multidimensional functions. I introduce basic scheme and application of the neural networks for data predication or data mining. Additionally, some adaptive agent models constructed by using other machine learning methods.

原稿種別: 日本語

PDFファイルサイズ: 845 Kバイト