|
4. Vaqtni kechiktiradigan neyron tarmoqlari.
Vaqt seriyasini tahlil qilishning maqsadi - ma'lum bir qatordan foydali ma'lumotlarni olishdir. Buning uchun hodisaning matematik modelini yaratish kerak. Bunday model ma'lumotlar yaratadigan jarayonning mohiyatini tushuntirishi kerak, xususan, ma'lumotlar tabiatini tavsiflaydi (tasodifiy, trendli, davriy, statsionar va hk). Shundan so'ng, siz ma'lumotlarni filtrlashning turli usullarini qo'llashingiz mumkin (tekislash, ortiqcha miqdorlarni olib tashlash va hk) yakuniy maqsad - kelajakdagi qadriyatlarni bashorat qilish.
Shunday qilib, ushbu yondashuv vaqt qatorlari ba'zi bir matematik tuzilishga ega (masalan, hodisaning jismoniy mohiyatining natijasi bo'lishi mumkin) degan taxminga asoslanadi. Ushbu tuzilma mavjud fazaviy bo'shliq, uning koordinatalari dinamik tizim holatini tavsiflovchi mustaqil o'zgaruvchilar. Shuning uchun modellashtirishda duch keladigan birinchi vazifa faza makonini mos ravishda aniqlashdir. Buni amalga oshirish uchun tizimning ba'zi xususiyatlarini o'zgarishlar o'zgaruvchilari sifatida tanlashingiz kerak. Shundan so'ng siz allaqachon bashorat qilish yoki ekstrapolyatsiya masalasini ko'tarishingiz mumkin. Odatda, tasodifiy dalgalanmalar va shovqin o'lchovlar natijasida olingan vaqt seriyasida turli nisbatlarda mavjud. Shuning uchun modelning sifati, asosan, uni shovqindan ajratib, taxmin qilingan ma'lumotlar tuzilishini taxmin qilish qobiliyatiga qarab belgilanadi.
Vaqt seriyalarining statistik tahlili-Vaqt qatorlarini statistik tahlil qilish usullarining batafsil tavsifi ushbu kitob doirasidan tashqarida. Biz an'anaviy yondashuvlarni qisqacha ko'rib chiqamiz, shu bilan birga taqdimotimiz mavzusi bilan bevosita bog'liq bo'lgan holatlarni ta'kidlaymiz. Yulning kashshoflik ishidan beri chiziqli ARIMA modellari statistik vaqt qatorlarini tahlil qilishda markaziy o'rinni egalladi. Vaqt o'tishi bilan ushbu soha bir qator metodlar to'plami - Boks-Jenkins nazariyasi bilan to'liq nazariyaga aylandi.
ARIMA modelida avtoregressiv atamaning mavjudligi o'zgaruvchining joriy qiymatlari uning o'tgan qiymatlariga bog'liqligini bildiradi. Bunday modellar bir o'lchovli deb nomlanadi. Ammo, ko'pincha, o'rganilayotgan maqsad o'zgaruvchining qiymatlari bir necha xil vaqt qatorlari bilan bog'liq.
Vaqt seriyasini STATISTICA paketida TIME seriyali / prognozlash modulida eksponent tekislash prognozidan foydalangan holda qayta ishlash jarayonida keyingi qisqa muddatli prognozlash uchun teng (5 kunlik davrlarga) bo'linadigan tendentsiya ta'kidlanadi. Trendni sozlash to'rtta taqdim etilgan usullardan biri (chiziqli, eksponent, gorizontal, polinom) yordamida amalga oshiriladi. Biz eksperiment uchun eksponent usulni tanladik. Biz trendni qayta ishladik va uni tekislash haqida ma'lumot oldik. Ushbu ma'lumotlar yana ko'p qavatli perceptron yordamida neyron tarmoqlarini qayta ishlashga beriladi. Ta'lim eksponentli tekislash usuli bilan amalga oshiriladi, buning natijasida tarmoq ilgari olingan prognozning to'g'riligini tasdiqlaydi. Arxivlash funktsiyasi yordamida natijalarni ko'rishingiz mumkin. Natijada paydo bo'lgan taxmin qilingan qiymatlar treyder tomonidan tahlil qilinadi, natijada qimmatli qog'ozlar bilan operatsiyalarni amalga oshirish to'g'risida to'g'ri qaror qabul qilinadi.
Tizimning o'tishlari turli uzunlikdagi to'lqinlarning superpozitsiyasini anglatadi. Ma'lumki, to'lqinlarda bir-birining o'rnini bosadigan bir necha fazalar mavjud. Bu tiklanish, turg'unlik yoki turg'unlik bosqichi bo'lishi mumkin. Agar ushbu fazalarga A, B, C ramziy qiymatlari berilgan bo'lsa, unda ular ibtidoiylar ketma-ketligi (texnik tahlildagi jadvallarga o'xshash) va ushbu ketma-ketlikni tan olgan holda (ular ko'tarilish, pasayish, turg'unlik davrlarini ham anglatadi, ya'ni a, b, c, faqat kichikroq miqyosda), grammatikalarni ba'zi ehtimollik bilan tanib olish qoidalariga asoslanib, "src \u003d" http://hi-edu.ru/e-books/xbook725/files/28.gif "border \u003d "0" align \u003d "absmiddle" alt \u003d "(! LANG:... Keyin biz AAABBCD… kabi ketma-ketliklarni ko'rib chiqishimiz mumkin.
Ushbu jarayon takroriy ravishda sodir bo'ladi, biz o'zimizga mos keladigan og'irlik W qiymatini topgunimizcha doimo kamayib boramiz.
Nerv tarmog'i rasm va yorliq misolidan o'rganadi. Bizga bolaligimizda "bu mushuk, bu it" deb o'rgatganimizdek, neyron tarmoqlar ham ko'plab rasmlarga o'rgatilgan. Ammo haqiqat shundaki, 2010 yilgacha tasvirlarni tanib olish uchun bunday parametrlarni o'rgatadigan etarlicha katta ma'lumotlar to'plami mavjud emas edi.
Bu vaqtgacha mavjud bo'lgan eng katta ma'lumotlar bazalari: atigi 20 toifadagi ob'ektlarga ega bo'lgan PASCAL VOC va Kaliforniya Texnologiya Institutida ishlab chiqilgan Caltech 101. Ikkinchisi 101 toifaga ega edi va bu juda ko'p
Do'stlaringiz bilan baham: |
