Abstract: Рассматривается задача многошагового прогнозирования нелинейных динамических процессов. Описываются существующие нейросетевые методы прогнозирования на основе использования многослойного персептрона с линией задержек и рекуррентного многослойного персептрона. Описывается метод обучения нейросетей методом расширенного фильтра Калмана с вычислением производных методом обратного распространения во времени. Предлагается метод псевдорегуляризации для уменьшения эффекта исчезновения градиентов, что приводит к повышению качества прогнозирования в многошаговом случае. Приводятся результаты численных экспериментов на примере прогнозирования хаотического процесса Маккея-Гласса.

Keywords: псевдорегуляризация, рекуррентный многослойный персептрон, обратное распространение во времени, расширенный фильтр Калмана

ACM Classification Keywords: I.2.6 Learning, Connectionism and neural nets

Link:

ОБУЧЕНИЕ РЕКУРРЕНТНЫХ НЕЙРОННЫХ СЕТЕЙ МЕТОДОМ ПСЕВДОРЕГУЛЯРИЗАЦИИ ДЛЯ МНОГОШАГОВОГО ПРОГНОЗИРОВАНИЯ НА ПРИМЕРЕ ХАОТИЧЕСКОГО ПРОЦЕССА МАККЕЯ-ГЛАССА

Артем Чернодуб

http://foibg.com/ibs_isc/ibs-28/ibs-28-p16.pdf