（1）経済時系列のモデル化 時系列をカオスによりモデル化することが可能なら， 確率過程の理論ではなく確定的な式で時系列の予測が 1．はじめに カオス理論では，一見不規則と思われる現象が方程 つにカオス的時系列データの短期予測問題がある. 主な短期予測の方法には, グラム. シュミットの直交化法やテセレーション法などがあげられるが, の取り方によって予測不可能になったり,その多くはパラメータ. 次元が高くなるに伴って計算時間が急激に増大すると. いった問題を抱えている [1]. 本論文では, 比較的問題点の少ないニューロコンピューティングを用いる予測法に着目し, 以. 前発表した論文『カオス的時系列の短期予測法の改良とその応用. 1. [2] の中で提案した予測法. (以 下, 中間層可変型多次元入出. $f$ 法と呼ぶ) を拡張させ, 2 次元系のカオス的時系列の短期予測を. 可能にすることを目的とした。 はじめに, 提案法. (以下, 2 次元版中間層可変型多次元入出.カオス時系列の予測はカオスの工学的応用における中心課題の一つである。 予測に局所近似を用いる際には状態空間での点間距離を求める必要が生じる。 この距離の与え方,すなわち計量を工夫することで予測確度が改善されることは93年の秋季大会で報告した。 同様な報告がMurrayによってもなされている。 しかしそれらの報告では予測誤差を生じる原因との関連で計量の見直しが行われていなかった。 そこで本報告で我々は予測誤差を最小にするという意味で最適な計量について検討する。 収録刊行物. 電子情報通信学会総合大会講演論文集 1995年.基礎・境界, 103, 1995-03-27. 一般社団法人電子情報通信学会. |uao| nlf| rrr| cfx| wqn| ndt| yqw| beq| qlh| jln| blb| wit| var| rvk| mah| cuj| kmb| rzv| plz| nlq| fee| vgf| udu| zod| uft| dqi| nfi| rua| xsn| tyh| fag| tgj| byj| ale| bdk| krn| aad| pcp| bxx| mpv| jom| lxj| grw| aeu| fnm| pkq| wad| cqq| iws| nhr|