Time series analysis using hierarchical neural network classifiersстатья

Информация о цитировании статьи получена из Scopus, Web of Science
Дата последнего поиска статьи во внешних источниках: 12 октября 2013 г.

Работа с статьей


[1] Time series analysis using hierarchical neural network classifiers / S. A. Dolenko, Y. V. Orlov, I. G. Persiantsev, J. S. Shugai // PROCEEDINGS OF THE JOINT CONFERENCE ON INFORMATION SCIENCES. — Association for Intelligent Machinery Atlantic City, NJ, 2000. — P. 908–911. Recently we have proposed an algorithm of hierarchical neural network classifiers (HNNC) construction based on a modification of error backpropagation. It combines supervised learning with self-organization. Recursive use of the algorithm results in creation of compact and computationally effective self-organized structures of neural classifiers. In this paper the above algorithm is expanded for unsupervised analysis of dynamic objects, described by time series. The algorithm performs segmentation of the analyzed time-series into parts characterized by different types of dynamics. The algorithm has been successfully tested on pseudo-chaotic maps.

Публикация в формате сохранить в файл сохранить в файл сохранить в файл сохранить в файл сохранить в файл сохранить в файл скрыть