Применение рекуррентных нейронных сетей для прогнозирования моментов конечных нормальных смесейстатья
Статья опубликована в журнале из списка RSCI Web of Science
Информация о цитировании статьи получена из
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: 28 февраля 2020 г.
Аннотация:В статье проведено сравнение нейронных сетей прямого распространения и рекуррентных модификаций для решения задачи построения прогнозов непрерывных значений для математического ожидания, дисперсии, коэффициентов асимметрии и эксцесса конечных нормальных смесей. Рассмотрены 14 различных архитектур нейронных сетей, включая LSTM (Long-Short Term Memory). Для повышения скорости обучения использованы высокопроизводительные вычислительные средства. Продемонстрировано, что на рассматриваемых данных наилучшие результаты для всех моментных характеристик в смысле качества прогнозирования в стандартных метриках (среднеквадратичная ошибка, функция потерь, средняя абсолютная ошибка) достигаются с использованием двух рекуррентных архитектур - с одним скрытым слоем из 100 нейронов и тремя слоями по 50 нейронов.