Acta Univ. Agric. Silvic. Mendelianae Brun. 2008, 56(3), 109-118 | DOI: 10.11118/actaun200856030109
PREDIKČNÍ MODELY S NEURONOVÝMI SÍTĚMI
- Ústav informatiky, Mendelova zemědělská a lesnická univerzita v Brně, Zemědělská 1, 613 00 Brno, Česká republika
Cílem příspěvku je řešení technických problémů realizace prognostického modelu v obecné rovině. Aplikace na predikci kurzů měny má pouze praktický důvod, kterým je dostupnost. Modely postavené na bázi vícevrstvé neuronové sítě nelze přeceňovat, ale ani podceňovat. Experimenty aplikující uvedená pravidla pro tvorbu a učení predikčních modelů vykazují vcelku přijatelné výsledky.
Za zajímavý poznatek lze uvést to, že v mnoha případech jsou lepší výsledky dosahovány s prostou lineární funkcí neuronů. U těchto modelů je postačující vstupní a výstupní vrstva neuronů, protože složitější konfiguraci lze transformací převést na dvouvrstvou síť, a tudíž je zde zbytečné se zabývat složitější konfigurací. Důležité je pouze stanovení počtu hodnot časové řady, na jejichž základě bude prováděná predikce.
V experimentech 6 a 7 byl použit model s jednou vstupní a jednou výstupní časovou řadou. Vzhledem k tomu, že u vstupní časové řady jsou hodnoty známé i do budoucna, tento typ modelů umožňuje zkoumat vliv vstupu na hodnoty predikce.
Uvedené experimenty byly provedeny na modelu vícevrstvé neuronové sítě realizovaném na Ústavu informatiky PEF, který umožňuje jednoduchou realizaci a korekci všech typů uvedených modelů, včetně grafické prezentace časových řad a predikce.
trend, neuronová síť, časová řada, učení neuronové sítě, chybová funkce, prognóza
Predictions models with neural nets
The contribution is oriented to basic problem trends solution of economic pointers, using neural networks. Problems include choice of the suitable model and consequently configuration of neural nets, choice computational function of neurons and the way prediction learning. The contribution contains two basic models that use structure of multilayer neural nets and way of determination their configuration. It is postulate a simple rule for teaching period of neural net, to get most credible prediction.
Experiments are executed with really data evolution of exchange rate Kč/Euro. The main reason of choice this time series is their availability for sufficient long period. In carry out of experiments the both given basic kind of prediction models with most frequent use functions of neurons are verified. Achieve prediction results are presented as in numerical and so in graphical forms.
Keywords: trend, neural net, time series, model, learning of neural net, error function, prognosis
Received: October 16, 2007; Published: November 12, 2014 Show citation
References
- KONEČNÝ, V., 2005: Umělá inteligence v BI. In: Informatika XVII, 2005. Brno, Konvoj, s. 63-72. ISBN 80-7302-110-2.
- KONEČNÝ, V., MATIÁŠOVÁ, A., RÁBOVÁ, I., 2005: Učení n-vrstvé neuronové sítě. Acta univ. agric. et silvic. Mendel. Brun., LIII, 6, str. 75-84. ISSN 1211-8516. DOI: 10.11118/actaun200553060075
Go to original source... - KONEČNÝ, V., 2006: Modely trendů s vícevrstvou neuronovou sítí. In: Firma a konkurenční prostředí 2006. Sekce 7, IS/IT a konkurenceschopnost podniků, Brno, Konvoj, s. 29-35. ISBN 80-7302-097-1.
This is an open access article distributed under the terms of the Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License (CC BY NC ND 4.0), which permits non-comercial use, distribution, and reproduction in any medium, provided the original publication is properly cited. No use, distribution or reproduction is permitted which does not comply with these terms.