Алгоритм решения задачи прогнозирования

В статье рассмотрены основные методы прогнозирования и предложен новый алгоритм, основанный на методе группового учёта аргументов и искусственных нейронных сетях. Алгоритм проверен на реальных данных и показал результаты лучше, чем нейронные сети. Также была найдена экспериментальная зависимость сре...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:Штучний інтелект
Datum:2012
Hauptverfasser: Чумаченко, Е.И., Горбатюк, В.С.
Format: Artikel
Sprache:Russian
Veröffentlicht: Інститут проблем штучного інтелекту МОН України та НАН України 2012
Schlagworte:
Online Zugang:https://nasplib.isofts.kiev.ua/handle/123456789/60510
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Назва журналу:Digital Library of Periodicals of National Academy of Sciences of Ukraine
Zitieren:Алгоритм решения задачи прогнозирования / Е.И. Чумаченко, В.С. Горбатюк // Штучний інтелект. — 2012. — № 2. — С. 24-31. — Бібліогр.: 8 назв. — рос.

Institution

Digital Library of Periodicals of National Academy of Sciences of Ukraine
Beschreibung
Zusammenfassung:В статье рассмотрены основные методы прогнозирования и предложен новый алгоритм, основанный на методе группового учёта аргументов и искусственных нейронных сетях. Алгоритм проверен на реальных данных и показал результаты лучше, чем нейронные сети. Также была найдена экспериментальная зависимость среднеквадратической ошибки прогноза, полученного с помощью данного алгоритма и нейронных сетей, от количества точек в обучающей выборке. У статті були розглянуті основні методи прогнозування і запропонований новий алгоритм, що базується на методі групового урахування аргументів та штучних нейронних мережах. Алгоритм перевірений на реальних даних і показав результати кращі, ніж нейронні мережі. Також була знайдена експериментальна залежність середньоквадратичної помилки прогнозу, отриманого за допомогою даного алгоритму і нейронних мереж, від кількості точок в навчальній вибірці. In the article, the main forecasting methods are described and a new algorithm based on the group method of data handling and artificial neural networks is offered. The algorithm has been tested on the real data and has shown the better results, as compared with neural networks. The experimental dependence of a mean square prediction error, obtained with the use of the offered algorithm and neural networks, on the number of points in the training set is also found.
ISSN:1561-5359