長久以來,人類在萬物中獨具的高智慧特質吸引了無數的哲學家和科學家
投入對其研究,除了醫學的原因之外,由於人腦所具有卓越的辨識系統及學
習能力,為數不少的科學家們相信人腦存在許多最適化系統與設計,因此如
何模仿人類腦神經的組織與運作,一直是很多人努力及夢寐以求的.因此類
神經網路就是依據這些理念而在各研究領域上廣為發展與應用,其中本文
所探討的倒傳遞神經網路模型更是目前類神經網路模型中最具代表性,應
用最廣的模型.而結構性時間數列模型則是將可被觀察的變數分解成趨勢,
季節性,不規則性等不可被觀察項,故其對經濟意義的解釋是相當明當明顯
的,藉由狀態空間模式的轉換,我們將很容易地利用卡門濾器來作估計與預
測.而本文所欲探的重點在於比較有學習機能的倒傳遞神經網及可利用最
新的資訊更新之結構性時間數列何者之預測能利較佳,藉此瞭解二者之一
些特性.
| Identifer | oai:union.ndltd.org:CHENGCHI/B2002004217 |
| Creators | 陳振鈞, Chen, Jenn Jiun |
| Publisher | 國立政治大學 |
| Source Sets | National Chengchi University Libraries |
| Language | 中文 |
| Detected Language | Unknown |
| Type | text |
| Rights | Copyright © nccu library on behalf of the copyright holders |
Page generated in 0.0027 seconds