Использование нечеткой искусственной нейронной сети TSK (Takagi, Sugeno, Kang’a) в задаче прогнозирования валютных курсов

Рисунок 2. График курса валюты доллара США к евро. Зеленый – реальные данные, красный – спрогнозированные

Рисунок 3. График курса валюты доллара США к британскому фунту стерлингов. Зеленый – реальные данные, красный – спрогнозированные

604 height=357 src="images/referats/8196/image083.jpg">

Рисунок 4. График курса валюты доллара США к евро. Зеленый – реальные данные, красный – спрогнозированные

Рисунок 5. График курса валюты российского рубля к доллару США. Зеленый – реальные данные, красный – спрогнозированные

Рисунок 6. График курса валюты российского рубля к евро. Зеленый – реальные данные, красный – спрогнозированные

Рисунок 7. График курса валюты российского рубля к британскому фунту стерлингов. Зеленый – реальные данные, красный – спрогнозированные

Рисунок 8. График курса валюты российского рубля к швейцарскому франку. Зеленый – реальные данные, красный – спрогнозированные

Рисунок 9. График курса валюты российского рубля к доллару японской йене. Зеленый – реальные данные, красный – спрогнозированные

Рисунок 10. График курса валюты доллара США к евро. Зеленый – реальные данные, красный – спрогнозированные на 3 шага

Рисунок 11. График курса валюты доллара США к британскому фунту стерлингов. Зеленый – реальные данные, красный – спрогнозированные на 3 шага

Рисунок 12. График курса валюты доллара США к японской йене. Зеленый – реальные данные, красный – спрогнозированные на 3 шага

Рисунок 13. График курса валюты российского рубля к доллару США. Зеленый – реальные данные, красный – спрогнозированные на 3 шага

Рисунок 14. График курса валюты российского рубля к евро. Зеленый – реальные данные, красный – спрогнозированные на 3 шага

Рисунок 15. График курса валюты российского рубля к британскому фунту стерлингов. Зеленый – реальные данные, красный – спрогнозированные на 3 шага

Рисунок 16. График курса валюты российского рубля к швейцарскому франку. Зеленый – реальные данные, красный – спрогнозированные на 3 шага

Рисунок 17. График курса валюты российского рубля к японской йене. Зеленый – реальные данные, красный – спрогнозированные на 3 шага

4.2 Экспериментальные исследования метода экспоненциально сглаживания

Метод экспоненциально сглаживания (МЭС) является адаптивным алгоритмом прогнозирования. МЭС проявил себя с хорошей стороны во многих экспериментальных исследованиях [1]. Поэтому МЭС был выбран для сравнения потенциальной эффективности ННС TSK в данной курсовой работе.

Экспоненциальное сглаживание ряда осуществлялось по рекуррентной формуле:

где – значение экспоненциальной средней в момент ; – постоянная сглаживания (параметр адаптации), , .

При прогнозировании исходная выборка была разбита на 2 части: обучающую и проверочную. Длины обучающей и проверочной выборке в эксперименте с ННС TSK и МЭС были равны. На обучающей выборке была выбрана наилучшая постоянная сглаживания . Далее она использовалась для прогнозирования на проверочной выборке.

4.3 Экспериментальные исследования нейронной сети с кубическими сплайнами

На рисунке 2 приводится структура нейронной сети, которая была ранее предложена автором курсовой работы. Данная нейронная сеть приводится для сравнения. Выделяются следующие характеристики, свойства, особенности и функциональные элементы сети:

1. Обучение проводится с учителем. Т.е. для каждого входного вектора имеется желаемое для выхода значение.

2. Выборка разбивается на 2 части: обучающая и проверочная.

3. На вход необходимо подавать сигналы

. ,

где – память системы.

4. На входов подаются следующие величины

,

где – память системы.

5. На выходе ИНС ожидается прогноз изменения значения величины . Т.е.

где – выход ИНС.

6. функции принадлежности типа кубических сплайнов, предложенные Е. В. Бодянским. На интервале [0,1], нужно расположить функций принадлежности при этом центр расположен в нуле (), а центр в единице

.

Данные функции принадлежности не допускают «дыр» и обеспечивают единичное разбиение, т.е.

 Скачать реферат