| 講演名 | 1997/2/6 非線形時系列予測の階層Bayes的アプローチ 浜岸 広明, 松本 隆, |
|---|---|
| PDFダウンロードページ | PDFダウンロードページへ |
| 抄録(和) | 階層Bayes的手法を用いたニューラルネットにより非線形時系列予測を行なう。"Evidence"(周辺尤度)を評価することで、データに含まれるノイズにoverfitすることなく学習を行なうことができる。また、入力数や中間素子数の異なるモデルの中から、最適なモデルを選択することができる。実際の例として、システムノイズを含むカオス的時系列の学習と短期予測を行なった。 |
| 抄録(英) | Using Hierarchical Bayes approach with Neural Nets, we solve nonlinear time series prediction problems. Evaluating "Evidence"(Marginal Likelihood), it become possible not to overfit to the noise in the given data. And also, we can find the optimum model from many models having different number of inputs and hidden units. Here, for example, we use chaotic time series with system noise for learning and short term prediction. |
| キーワード(和) | ニューラルネット / ペイズ推定 / 非線形予測 / カオス |
| キーワード(英) | Neural Net / Bayesian Inference / Nonlinear Prediction / Chaos |
| 資料番号 | NLP96-131,NC96-85 |
| 発行日 |
| 研究会情報 | |
| 研究会 | NC |
|---|---|
| 開催期間 | 1997/2/6(から1日開催) |
| 開催地（和） | |
| 開催地（英） | |
| テーマ（和） | |
| テーマ（英） | |
| 委員長氏名（和） | |
| 委員長氏名（英） | |
| 副委員長氏名（和） | |
| 副委員長氏名（英） | |
| 幹事氏名（和） | |
| 幹事氏名（英） | |
| 幹事補佐氏名（和） | |
| 幹事補佐氏名（英） | |
| 講演論文情報詳細 | |
| 申込み研究会 | Neurocomputing (NC) |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 非線形時系列予測の階層Bayes的アプローチ |
| サブタイトル（和） | |
| タイトル（英） | A Hierarchical Bayes Approach to Nonlinear Time Series Prediction with Neural Nets |
| サブタイトル（和） | |
| キーワード(1)（和/英） | ニューラルネット / Neural Net |
| キーワード(2)（和/英） | ペイズ推定 / Bayesian Inference |
| キーワード(3)（和/英） | 非線形予測 / Nonlinear Prediction |
| キーワード(4)（和/英） | カオス / Chaos |
| 第 1 著者 氏名（和/英） | 浜岸 広明 / H. Hamagishi |
| 第 1 著者 所属（和/英） | 早稲田大学理工学部電気電子情報工学科 Depatment of Electrical, Electronics and Computer Engineering, Waseda University |
| 第 2 著者 氏名（和/英） | 松本 隆 / T. Matsumoto |
| 第 2 著者 所属（和/英） | 早稲田大学理工学部電気電子情報工学科 Depatment of Electrical, Electronics and Computer Engineering, Waseda University |
| 発表年月日 | 1997/2/6 |
| 資料番号 | NLP96-131,NC96-85 |
| 巻番号（vol） | vol.96 |
| 号番号（no） | 511 |
| ページ範囲 | pp.- |
| ページ数 | 8 |
| 発行日 | |