RUS  ENG
Полная версия
ЖУРНАЛЫ // Информатика и её применения // Архив

Информ. и её примен., 2019, том 13, выпуск 3, страницы 114–121 (Mi ia617)

Эта публикация цитируется 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

DOI: 10.14357/19922264190316



© МИАН, 2024