お知らせ 2023年度・2024年度 学生員 会費割引キャンペーン実施中です
お知らせ 技術研究報告と和文論文誌Cの同時投稿施策(掲載料1割引き)について
お知らせ 電子情報通信学会における研究会開催について
お知らせ NEW 参加費の返金について
電子情報通信学会 研究会発表申込システム
講演論文 詳細
技報閲覧サービス
[ログイン]
技報アーカイブ
 トップに戻る 前のページに戻る   [Japanese] / [English] 

講演抄録/キーワード
講演名 2005-11-18 13:25
カオス時系列予測問題に対するアンサンブル自己生成ニューラルネットワーク
中原正貴井上浩孝呉高専
抄録 (和) 世の中全ての事象は特別な環境でない限り時間とともに変化していく.例えば,気象変化や自然環境,エ
ネルギー使用量や株価,身近なところではテレビの番組表も時間の流れにそって変わっていくものである.それゆえ,
人間が時間の流れていく先の変化を知ろうとする「予測」は歴史さえも左右するものであり,古代から様々な方法で
行われてきた.現代における予測はコンピュータシミュレーションを利用したものがほとんどであり、これまで時系
列予測問題はAR モデルのような統計的な手続きを使用して解析されてきた.しかし,従来の統計的手法の予測能力
は不規則に変化し続けるデータに対しては無力であり,限界があるとされてきた.そこで,近年,時系列予測を行う
ためのニューラルネットワークによる方法が提案されており,従来用いられている統計的手法のARMA モデルと比
較して,良好な予測精度を得ることが報告されている.ニューラルネットワークを用いた手法では高い予測精度が得
られるが,研究者各自が各問題に対するニューラルネットワークの構成や学習係数等のパラメータを事前に決める必
要がある.特定の問題に対して最適なネットワーク構造を決定することは難しく,大変煩わしい作業である.この煩
わしい状況を避けるため,自己生成ニューラルネットワークがネットワーク設計の容易さのために注目を集めている.
本研究では自己生成ニューラルネットワークを使って予測を行い,従来手法と比較し,分析した.従来手法と比較し
た結果,従来手法よりもより高速に,高い予測精度が得られることがわかった. 
(英) In this paper,we present a performanse characteristic of self-generating neural networks(SGNNs) applied
to time series prediction. Although SGNNs are originally proposed on adopting to classi cation/clustering
problems by automatically constructing self-generating neural tree(SGNT) from given training data set, this SGNNs
architecture seems to be applicable to time series prediction. So, we investigate the possibility of SGNNs application
to time series prediction problems. Moreover, we investigate an ensemble averaging e ect of SGNTs to improve the
prediction accuracy for two time series prediction problems.
キーワード (和) 自己生成ニューラルネットワーク / アンサンブル学習法 / 時系列予測 / カオス / / / /  
(英) Self-Generating Neural Networks, / Ensemble Learning, / Time Series Prediction, / Chaos / / / /  
文献情報 信学技報, vol. 105, no. 416, NLP2005-63, pp. 7-12, 2005年11月.
資料番号 NLP2005-63 
発行日 2005-11-11 (NLP) 
ISSN Print edition: ISSN 0913-5685
PDFダウンロード

研究会情報
研究会 NLP  
開催期間 2005-11-18 - 2005-11-19 
開催地(和) 九州工業大学(若松) 
開催地(英) Kyushu Institute of Technology 
テーマ(和) テーマセッション(NCと共催)およびNLP一般.テーマセッションは「ランダムネスと予測 - その基礎と応用」. 
テーマ(英) Special session and general. Subject of special session is ``Randomness and prediction---from fundamentals to applications''. 
講演論文情報の詳細
申込み研究会 NLP 
会議コード 2005-11-NLP 
本文の言語 日本語 
タイトル(和) カオス時系列予測問題に対するアンサンブル自己生成ニューラルネットワーク 
サブタイトル(和)  
タイトル(英) Ensemble Self-Generating Neural Networks for Chaotic Time Series Prediction 
サブタイトル(英)  
キーワード(1)(和/英) 自己生成ニューラルネットワーク / Self-Generating Neural Networks,  
キーワード(2)(和/英) アンサンブル学習法 / Ensemble Learning,  
キーワード(3)(和/英) 時系列予測 / Time Series Prediction,  
キーワード(4)(和/英) カオス / Chaos  
キーワード(5)(和/英) /  
キーワード(6)(和/英) /  
キーワード(7)(和/英) /  
キーワード(8)(和/英) /  
第1著者 氏名(和/英/ヨミ) 中原 正貴 / Masaki Nakahara / ナカハラ マサキ
第1著者 所属(和/英) 呉工業高等専門学校専攻科 (略称: 呉高専)
Kure National College of Technology (略称: KNCT)
第2著者 氏名(和/英/ヨミ) 井上 浩孝 / Hirotaka Inoue / イノウエ ヒロタカ
第2著者 所属(和/英) 呉工業高等専門学校 (略称: 呉高専)
Kure National College of Technology (略称: KNCT)
第3著者 氏名(和/英/ヨミ) / /
第3著者 所属(和/英) (略称: )
(略称: )
第4著者 氏名(和/英/ヨミ) / /
第4著者 所属(和/英) (略称: )
(略称: )
第5著者 氏名(和/英/ヨミ) / /
第5著者 所属(和/英) (略称: )
(略称: )
第6著者 氏名(和/英/ヨミ) / /
第6著者 所属(和/英) (略称: )
(略称: )
第7著者 氏名(和/英/ヨミ) / /
第7著者 所属(和/英) (略称: )
(略称: )
第8著者 氏名(和/英/ヨミ) / /
第8著者 所属(和/英) (略称: )
(略称: )
第9著者 氏名(和/英/ヨミ) / /
第9著者 所属(和/英) (略称: )
(略称: )
第10著者 氏名(和/英/ヨミ) / /
第10著者 所属(和/英) (略称: )
(略称: )
第11著者 氏名(和/英/ヨミ) / /
第11著者 所属(和/英) (略称: )
(略称: )
第12著者 氏名(和/英/ヨミ) / /
第12著者 所属(和/英) (略称: )
(略称: )
第13著者 氏名(和/英/ヨミ) / /
第13著者 所属(和/英) (略称: )
(略称: )
第14著者 氏名(和/英/ヨミ) / /
第14著者 所属(和/英) (略称: )
(略称: )
第15著者 氏名(和/英/ヨミ) / /
第15著者 所属(和/英) (略称: )
(略称: )
第16著者 氏名(和/英/ヨミ) / /
第16著者 所属(和/英) (略称: )
(略称: )
第17著者 氏名(和/英/ヨミ) / /
第17著者 所属(和/英) (略称: )
(略称: )
第18著者 氏名(和/英/ヨミ) / /
第18著者 所属(和/英) (略称: )
(略称: )
第19著者 氏名(和/英/ヨミ) / /
第19著者 所属(和/英) (略称: )
(略称: )
第20著者 氏名(和/英/ヨミ) / /
第20著者 所属(和/英) (略称: )
(略称: )
講演者 第1著者 
発表日時 2005-11-18 13:25:00 
発表時間 25分 
申込先研究会 NLP 
資料番号 NLP2005-63 
巻番号(vol) vol.105 
号番号(no) no.416 
ページ範囲 pp.7-12 
ページ数
発行日 2005-11-11 (NLP) 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会