Παρακαλώ χρησιμοποιήστε αυτό το αναγνωριστικό για να παραπέμψετε ή να δημιουργήσετε σύνδεσμο προς αυτό το τεκμήριο: http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/15228
Τίτλος: Βελτιστοποιηση Μεθοδου Προβλεψης Θ Με Χρηση Νευρωνικων Δικτυων
Συγγραφείς: Τσιάφα Ειρήνη
Ασημακόπουλος Βασίλειος
Λέξεις κλειδιά: πρόβλεψη χρονοσειρών
μέθοδος θ
νευρωνικά δίκτυα
tεχνητή nοημοσύνη
διαγωνισμοί προβλέψεων
Ημερομηνία έκδοσης: 29-Οκτ-2008
Περίληψη: Οι διάφορες μέθοδοι πρόβλεψης επιλέγονται και εφαρμόζονται ανάλογα με συγκεκριμένες παραμέτρους όπως το αντικείμενο της πρόβλεψης, τον χρονικό ορίζοντα της πρόβλεψης, τα ήδη υπάρχοντα δεδομένα καθώς και το κόστος για την παραγωγή των προβλέψεων. Στην πραγματικότητα όμως, η αληθινή αξία μιαςμεθόδου αποτιμάται όταν εφαρμόζεται σε πραγματικές καταστάσεις. Μια μέθοδος πρόβλεψης χρονοσειρών λοιπόν, οφείλει να έχει στατιστική πληρότητα και συγχρόνως να παρέχει ικανοποιητικά πρακτικά αποτελέσματα. Την ανάγκη της μέτρησης της απόδοσης των διάφορων μεθόδων πρόβλεψης έρχονται να καλύψουν διαγωνισμοί πρόβλεψης στους οποίους μετράται η αποτελεσματικότητα των μεθόδων που συμμετέχουν μέσα από την εφαρμογή τους σε ένα εκτενές σύνολο χρονοσειρών διαφορετικού μεγέθους και περιεχομένου. Στον μεγαλύτερο διαγωνισμό προβλέψεων που έχει διοργανωθεί ως τώρα τον Μ3 (1999) παρουσιάστηκε από τους Β.Ασημακόπουλο και Κ.Νικολοπόπουλο μια νέα μέθοδος, η μέθοδος Θ. Η μέθοδος Θ αποτελεί μια διαφορετική προσέγγιση της αποσύνθεσης. Πρέπει να σημειωθεί ότι η μέθοδος Θ πρώτευσε ανάμεσα στις 24μεθόδους που διαγωνίστηκαν στον Μ3. Από τότε έχουν γίνει αρκετές μελέτες πάνω στην μέθοδο Θ και έχουν αναζητηθεί τρόποι βελτιστοποίησης της. Με αφορμή τον διαγωνισμό προβλέψεων ΝΝ3 (2007) που ως στόχο είχε να αξιολογηθούν μέθοδοι που χρησιμοποιούν Νευρωνικά δίκτυα ή άλλες μεθόδους τεχνητής νοημοσύνης στην πρόβλεψη χρονοσειρών, έγινε προσπάθεια βελτιστοποίησης της μεθόδου Θ με τηνχρήση Νευρωνικών Δικτύων. Αυτή η προσπάθεια οδήγησε στην μέθοδο Τheta AI η οποία τροποποιεί την μέθοδο Θ ώστε αυτή να επιλέγει τα βάρη της συνεισφοράς των γραμμών Θ με τηνχρήση ενός νευρωνικού δικτύου. Η μέθοδος Theta AI έδωσε ικανοποιητικά αποτελέσματα αφού διακρίθηκε μεταξύ των άλλων μεθόδων(30) και μάλιστα στο ένα από τα δύο σύνολα των χρονοσειρών του διαγωνισμού έδωσε τις καλύτερεςπροβλέψεις. Τα αποτελέσματα της παρούσας εργασίας όσον αφορά την μέθοδο Τheta ΑΙ και τις βελτιώσεις της παρουσιάστηκαν στο 28th International Symposium on Forecasting (ISF) που πραγματοποιήθηκε τον Ιούνιο του 2008 στην Νίκαια της Γαλλίας.
URI: http://artemis-new.cslab.ece.ntua.gr:8080/jspui/handle/123456789/15228
Εμφανίζεται στις συλλογές:Διπλωματικές Εργασίες - Theses

Αρχεία σε αυτό το τεκμήριο:
Αρχείο ΜέγεθοςΜορφότυπος 
DT2008-0236.pdf2.25 MBAdobe PDFΕμφάνιση/Άνοιγμα


Όλα τα τεκμήρια του δικτυακού τόπου προστατεύονται από πνευματικά δικαιώματα.