查詢結果分析
相關文獻
- 利用逆傳遞網路作多期預測--以臺灣區躉售物價指數為例
- 應用類神經網路預測東南亞金融風暴期間臺幣對美元的短期匯率
- 筆記型電腦之關鍵零組件價格預測研究
- 類神經網路在時間數列問題上的應用--以臺灣經濟成長率之預測為例
- 類神經網路於時間數列預測之發展趨勢回顧與展望
- 時間數列分析在百貨業之運用
- 多重介入時間數列預測模式之個案研究
- Neural Network Procedures for Taguchi's Dynamic Problems
- A Fast and Efficient Competitive Learning Design Algorithm Based on Weight Vector Training in Transform Domain
- 專家系統振動訊號圖型判別之研究
頁籤選單縮合
題 名 | 利用逆傳遞網路作多期預測--以臺灣區躉售物價指數為例=The Multiple Period's Forecasting Via Back Propagation Networks--A Case of Wholesales Price Indices in Taiwan |
---|---|
作 者 | 王泰裕; 陳忠信; | 書刊名 | 成功大學學報 |
卷 期 | 32(人文.社會篇) 民86.11 |
頁 次 | 頁151-166 |
分類號 | 561.163 |
關鍵詞 | 多期預測; 類神經網路; 時間數列; Multiple period's forecasting; Neural networks; Time series; |
語 文 | 中文(Chinese) |
中文摘要 | 本研究使用期間變數、 日期變數及時序變數等三種標示性神經元以輔助網路之 學習訓練,並針對臺灣區 售物價指數作未來 24 期之預測。同時在網路架構中考慮連接的 方式,以及加入因果變數,以使網路同時具有時間數列分析法與因果模式的特色。使用本研 究方法與 ARIMA Model 相較,其預測誤差水準可降低達 62.77 %;與傳統逆傳遞網路方法 相比較,亦改善誤差達 67.74 %。 |
英文摘要 | This study uses three labeling variables: period variable, calendar variable, and ordering variable to assist the networks' learning. And the wholesale price indices of last 24 periods in Taiwan are used as the testing examples. To let the networks have the characteristics of both time series and causal model, different connecting methods and causal variables are used during the network construction. By using this architecture, the forecasting error is reduced by 62.77% compared to that of the ARIMA model. Also the forecasting error is reduced by 67.44% compared to the conventional back propagation networks model. |
本系統中英文摘要資訊取自各篇刊載內容。