Авторитетность издания
ВАК - К1
RSCI, ядро РИНЦ
Добавить в закладки
Следующий номер на сайте
№4
Ожидается:
09 Сентября 2024
Исследование влияния алгоритмов инициализации весовых коэффициентов сети Вольтерри на решение задачи прогнозирования
Study of the influence of initialization algorithms of Volterry network weight coefficients on forecast problem solving
Дата подачи статьи: 12.12.2017
УДК: 004.896, 004.942
Статья опубликована в выпуске журнала № 1 за 2018 год. [ на стр. 60-63 ]Аннотация:В статье описана разработанная авторами автоматизированная система прогнозирования нефтяных котировок нейронной сетью Вольтерри. Реализованы три алгоритма инициализации весовых коэффициентов: алгоритм имитации отжига, эволюцион-ный алгоритм и случайная инициализация. Система предоставляет пользователю такие возможности, как загрузка выборок, установка параметров обучения, выбор алгоритма инициализации весовых коэффициентов с установлением для них параметров и просмотр результатов прогнозирования. Кроме того, существует возможность сохранять параметры нейронной сети в XML-файл, что впоследствии позволяет выполнять прогнозирование с применением уже обученной сети. При тестировании пользователь может загрузить ранее созданную сеть или работать с текущей сетью, загрузить файл с выборкой, а затем просмотреть результаты тестирования. Все результаты сохраняются в файлах формата .xlsx. Разработанную систему можно применять для прогнозирования показателей цен на нефть. В качестве показа-теля качества работы спроектированной системы было выбрано среднеквадратическое отклонение. Для проведе-ния вычислительных экспериментов использованы показатели цен на нефть марки Brent и WTI за определенный период. По результатам проведенных исследований сделан вывод о том, что использование алгоритмов оптимизации при начальной инициализации весовых коэффициентов дает более точный результат прогнозирования, чем случайная инициализация.
Abstract:The article describes an automated system designed by the authors for forecasting oil market quotes by Volterry neural network. The system runs three algorithms for weight coefficients initialization: the annihilation simulation algorithm, the evolutionary algorithm and random initialization. A user is able to upload samples, set learning parameters, select a learning algorithm for weight coefficients initialization, define their parameters and look through forecasting results. Moreover, a user can save parameters of a neural network to a XML file to provide an ability to perform forecasting by using preset parameters of a trained network. While testing a user can open a network saved earlier or work with a current one, load a sample file and then look at the results. All results are kept in .xlsx files. The developed software can be used for forecasting a market oil price. Standard deviation is an evaluation criterion of the designed application. To make a testing experiment the authors selected Brent and WTA oil prices during the period from December 31, 2005 till December 31, 2016. The article shows the results of researching a dependency of forecasting quality according to the selected algorithms. The results show that a random initialization (learning coefficient 0.01, a number of neurons L=3, a number of layers K=3) produces a bigger error than the annihilation simulation algorithm or the evolutionary algorithm. As a result, using optimization algorithms for initialization of weight coefficients provides more accurate forecasting result than a random initialization.
Авторы: Лёзина И.В. (chuchyck@yandex.ru) - Самарский национальный исследовательский университет им. академика С.П. Королева (доцент), Самара, Россия, кандидат технических наук, Сараева К.В. (chuchyck@yandex.ru) - Самарский национальный исследовательский университет им. академика С.П. Королева (магистрант ), Самара, Россия | |
Ключевые слова: случайная инициализация, эволюционный алгоритм, алгоритм имитации отжига, оптимизационные алгоритмы, нефтяные котировки, прогнозирование, сеть вольтерри, нейронная сеть, автоматизированная система |
|
Keywords: random initialization, evolutionary algorithm, simulated annealing, optimization algorithms, oil market quotes, forecasting, voletrry network, neural network, an automated system issue |
|
Количество просмотров: 11271 |
Статья в формате PDF Выпуск в формате PDF (29.74Мб) |
Постоянный адрес статьи: http://swsys.ru/index.php?page=article&id=4399&lang=&lang=&like=1 |
Версия для печати Выпуск в формате PDF (29.74Мб) |
Статья опубликована в выпуске журнала № 1 за 2018 год. [ на стр. 60-63 ] |
Возможно, Вас заинтересуют следующие статьи схожих тематик:
- Интеллектуальная информационная система для решения задач прогнозирования неисправностей вагонного оборудования на железнодорожном транспорте
- Автоматизированная система прогнозирования остаточного ресурса электроконтактных соединений
- Автоматизированная система проектирования искусственной нейронной сети
- Извлечение аспектов из текстов научных статей
- Программная среда прогнозирования вероятностной надежности элементов сложных электротехнических систем
Назад, к списку статей