Сайт бібліотеки  >  Електронний каталог  >  Опис документа

Опис документа

Zaychenko Yu., Zaichenko He., Hamidov G.
Hybrid GMDH deep learning net-works - analysis, optimization and applications in forecasting at financial sphere

Вид документа:  Складова частина документа 
Мова:  Англійська  Обсяг:  P. 73-86 
УДК:  519.925.51 

Аннотацiя:

In this paper, the new class of deep learning (DL) neural networks is con-sidered and investigated — so-called hybrid DL networks based on self-organization method Group Method of Data Handling (GDMH). The application of GMDH en-ables not only to train neural weights, but also to construct the network structure as well. Different elementary neurons with two inputs may be used as nodes of this structure. So the advantage of such a structure is the small number of tuning pa-rameters. In this paper, the optimization of parameters and the structure of hybrid neo-fuzzy networks was performed. The application of hybrid Dl networks for fore-casting market indices was considered with various forecasting intervals: one day, one week, and one month. The experimental investigations of hybrid GMDH neo-fuzzy networks were carried out and comparison of its efficiency with FNN ANFIS in the forecasting problem was performed which enabled to estimate their efficiency and advantages. Розглянуто та досліджено новий клас мереж глибокого навчання - гібридні мережі глибокого навчання на основі методу самоорганізації МГУА. Застосування МГУА дозволяє навчати не тільки ваги зв'язків, але і конструювати структуру мережі. Як вузли мережі можуть бути використані елементарні нейрони з двома входами. Перевага такої структури - мала кількість налаштовуваних параметрів. Виконано оптимізацію параметрів та структури гібридних неофаззі мереж. Розглянуто застосування гібридних мереж глибокого навчання з оптимізованими параметрами для прогнозування біржових індексів з різними інтервалами упередження - один день, тиждень та місяць. Проведено експериментальні дослідження гібридних МГУА неофаззі мереж та порівняння їх з нечіткою нейронною мережею ANFIS, що дозволило оцінити ефективність та переваги гібридних мереж порівняно звичайними мережами глибокого навчання.

Є складовою частиною документа Системні дослідження та інформаційні технології [Текст] = System research & information technologies : міжнар. наук.-техн. журнал. № 1 / ННК "Ін-т прикладного систем. аналізу" НТУУ "КПІ" МОН та НАН України. — Київ : ВПК "Політехніка", 2022.

Теми документа

• УДК/5 Математика та природничi науки/51 Математика