|
ИСТИНА |
Войти в систему Регистрация |
Интеллектуальная Система Тематического Исследования НАукометрических данных |
||
Improved architecture and configurations of feedforward neural networks to increase accuracy of predictions for moments of finite normal mixturesстатья
Статья опубликована в журнале из списка RSCI Web of Science
Информация о цитировании статьи получена из
Web of Science,
Scopus
Статья опубликована в журнале из перечня ВАК
Статья опубликована в журнале из списка Web of Science и/или Scopus
Дата последнего поиска статьи во внешних источниках: 22 октября 2021 г.
- Авторы: Gorshenin A.K., Kuzmin V.Yu
- Журнал: Pattern Recognition and Image Analysis: Advances in Mathematical Theory and Applications
- Том: 29
- Номер: 1
- Год издания: 2019
- Издательство: Pleiades Publishing, Ltd
- Местоположение издательства: Road Town, United Kingdom
- Первая страница: 79
- Последняя страница: 88
- DOI: 10.1134/S1054661819010115
- Аннотация: The methodology of forecasting using neural networks for modified data with original values replaced by discrete ones was successfully applied in previous authors’ works for mixture moments approximated with method of moving separation of mixtures. Previously the uniform architecture has been used for all analyzed time-series. This paper proposes an improved type of neural network architecture with grid- search hyper-parameter tuning for expectation, variance, skewness and kurtosis. It allows increasing the value of prediction accuracy for some combinations of forecast periods and number of gaps up to 99.7%. Numerous tables and plots are presented to better demonstrate the results.
- Добавил в систему: Горшенин Андрей Константинович