Time series intelligent processing using heterogeneous neural networks

Abstract

Запропоновано гетерогенну модель нейронної мережі для розв'язання задач прогнозування часових рядів. Модель що побудована на основі адаптивних радіально-базисних нейтронних мереж, здатна у процесі навчання адаптувати вагові коефіцієнти і архітектуру мережі, забезпечуючи збіжність, високу точність алгоритму і здатність розв'язувати задачі у реальному часі, де можлива зміна природи даних у процесі навчання, забезпечуючи при цьому кращий результат, ніж кожна адаптивна мережа окремо. In this article a heterogeneous model of neural network for time series prediction problem is proposed. Based on adaptive radial basis function networks this model is able to adapt weight coefficients and the network topology during learning and with it to provide a convergence, a good accuracy of algorithm and a possibility to solve real-time problems where data may be changed during learning. It is proved that the efficiency of heterogeneous model is better than the efficiency of both adaptive networks.