|
Эта публикация цитируется в 1 научной статье (всего в 1 статье)
Применение рекуррентных нейронных сетей для прогнозирования моментов конечных нормальных смесей
А. К. Горшенинab, В. Ю. Кузьминc a Институт проблем информатики Федерального исследовательского центра «Информатика и управление» Российской академии
наук
b Факультет вычислительной математики и кибернетики Московского государственного университета им. М. В. Ломоносова
c ООО «Вай2Гео»
Аннотация:
Проведено сравнение нейронных сетей прямого распространения и рекуррентных модификаций для решения задачи построения прогнозов непрерывных значений для математического ожидания, дисперсии, коэффициентов асимметрии и эксцесса конечных нормальных смесей. Рассмотрены $14$ различных архитектур нейронных сетей, включая и LSTM (Long-Short Term Memory). Для повышения скорости обучения использованы высокопроизводительные вычислительные средства. Продемонстрировано, что на рассматриваемых данных наилучшие результаты для всех моментных характеристик в смысле качества прогнозирования в стандартных метриках (среднеквадратичная ошибка, функция потерь, средняя абсолютная ошибка) достигаются с использованием двух рекуррентных архитектур — с одним скрытым слоем из $100$ нейронов и тремя слоями по $50$ нейронов.
Ключевые слова:
рекуррентные нейронные сети, прогнозирование, глубокое обучение, высокопроизводительные вычисления, CUDA.
Поступила в редакцию: 04.09.2019
Образец цитирования:
А. К. Горшенин, В. Ю. Кузьмин, “Применение рекуррентных нейронных сетей для прогнозирования моментов конечных нормальных смесей”, Информ. и её примен., 13:3 (2019), 114–121
Образцы ссылок на эту страницу:
https://www.mathnet.ru/rus/ia617 https://www.mathnet.ru/rus/ia/v13/i3/p114
|
|