(Хмельницький національний університет, 2016) Каштальян, А.С.; Kashtalian, A.S.
Стаття присвячена нейромережевому підходу прогнозування часових рядів. Розглянуто структуру
нейронної мережі прямого розповсюдження, призначеної для прогнозування часових рядів, що являє собою
нелінійну авторегресійну мережу з зовнішніми входами. Розглянуто вплив параметрів даної нейронної мережі та
розмірів навчальної вибірки на здатність мережі до навчання. Основна увага приділена глибині занурення в ряд.
Показано, що при недостатній глибині занурення нейронна мережа не здатна навчатися, в прогнозованих
значеннях спостерігається відставання на горизонт прогнозування; натомість велика глибина занурення
призводить до перенавчання мережі. В статті запропоновано підхід до побудови навчальної вибірки з
оптимальними значеннями глибини занурення, достатньої для того, щоб навчити нейронну мережу
прогнозувати часовий ряд і одночасно уникнути перенавчання.