Porównanie przydatności sieci neuronowych typu GRNN i RBF do prognozowania poprawek dla krajowej skali czasu UTC(PL)
In: Pomiary, Automatyka, Kontrola
Online
serialPeriodical
Zugriff:
W pracy przedstawiono wyniki badań sieci neuronowych typu GRNN zastosowanych do prognozowania poprawek dla krajowej skali czasu UTC(PL). Wyniki te porównano z wynikami otrzymanymi przy użyciu sieci neuronowej typu RBF, a także z wynikami otrzymanymi w GUM z zastosowaniem metody regresji liniowej. Prognozowanie poprawek prowadzono w oparciu o metodę regresji dla danych wejściowych powstałych na bazie dwóch szeregów czasowych sc1 (bez eliminacji trendu opisanego równaniem regresji liniowej) oraz sc2 (z eliminacją tego trendu). Prognozy zostały wykonane na 15 dzień dla 5 kolejnych miesięcy 2008 począwszy od stycznia (MJD 54479) do maja (MJD 54599) Z przeprowadzonych badań wynika, że otrzymane wartości błędu prognozy dla sieci neuronowej typu GRNN są zdecydowanie gorsze od błędów prognozy otrzymanych przy użyciu sieci neuronowej typu RBF.
Titel: |
Porównanie przydatności sieci neuronowych typu GRNN i RBF do prognozowania poprawek dla krajowej skali czasu UTC(PL)
|
---|---|
Autor/in / Beteiligte Person: | Sobolewski, Ł. |
Link: | |
Zeitschrift: | Pomiary, Automatyka, Kontrola |
Medientyp: | serialPeriodical |
Schlagwort: |
|
Sonstiges: |
|