Zinātniskās darbības atbalsta sistēma
Latviešu English

Publikācija: Comparative Analisys of Different Approaches Towards Multilayer Percentron Training

Publikācijas veids Publikācija RTU zinātniskajā žurnālā
Pamatdarbībai piesaistītais finansējums Nav zināms
Aizstāvēšana: ,
Publikācijas valoda English (en)
Nosaukums oriģinālvalodā Comparative Analisys of Different Approaches Towards Multilayer Percentron Training
Pētniecības nozare 2. Inženierzinātnes un tehnoloģijas
Pētniecības apakšnozare 2.2. Elektrotehnika, elektronika, informācijas un komunikāciju tehnoloģijas
Autori Aleksandrs Vališevskis
Atslēgas vārdi neural networks; time-series prediction; adaptive learning algorithms; backpropagation; QuickProp; Rprop
Anotācija A comparative analysis of four multilayer perceptron learning algorithms is exposed in this work: the error backpropagation algorithm and three other algorithms with fundamentally different approaches towards the improvement of convergence time. Stock exchange share price prediction is at the basis of the comparison of the algorithms. The optimal neural network topology for the solution of the above-mentioned task is determined in this work. Furthermore the forecasts concerning four neural networks with the same topology, but trained with the help of different algorithms are being compared. Special attention is paid to the generalisation ability of neural networks. A series of reasons, which can cause neural network forecast delay problems, is mentioned.
Atsauce Vališevskis, A. Comparative Analisys of Different Approaches Towards Multilayer Percentron Training. Datorvadības tehnoloģijas. Nr.5, 2001, 157.-167.lpp. ISSN 1407-7493.
Pilnais teksts Pilnais teksts
ID 11124