基于误差输出反馈的岭多项式神经网络多步时间序列预测
机器学习
2018-11-29 v1 神经与进化计算
机器学习
摘要
时间序列预测因其在众多实际应用中的影响而备受关注。具有递归反馈的高阶神经网络是一种强大的技术，已成功用于预测。它保持快速学习以及随时间学习序列动态的能力。为此，本文提出一种称为带误差输出反馈的岭多项式神经网络（RPNN-EOFs）的新模型，该模型结合了高阶与误差输出反馈的特性。使用著名的 Mackey-Glass 时间序列来测试 RPNN-EOFs 的预测能力。仿真结果表明，所提出的 RPNN-EOFs 以 0.00416 的均方根误差对 Mackey-Glass 时间序列提供了更好的理解。该结果小于文献中其他模型。因此，我们可以得出结论，RPNN-EOFs 可成功应用于时间序列预测。
引用
@article{arxiv.1811.11620,
title = {Multi-step Time Series Forecasting Using Ridge Polynomial Neural Network with Error-Output Feedbacks},
author = {Waddah Waheeb and Rozaida Ghazali},
journal= {arXiv preprint arXiv:1811.11620},
year = {2018}
}
备注
This is a pre-print of an article published in the International Conference on Soft Computing in Data Science, 2016. The final authenticated version is available online at: http://link.springer.com/chapter/10.1007/978-981-10-2777-2_5