Evolutionaty training for dynamical recurrent neural networks: an application in finantial time series prediction
Visualitza/Obre
Estadístiques de LA Referencia / Recolecta
Inclou dades d'ús des de 2022
Cita com:
hdl:2099/3666
Tipus de documentArticle
Data publicació2006
EditorUniversitat Politècnica de Catalunya. Secció de Matemàtiques i Informàtica
Condicions d'accésAccés obert
Llevat que s'hi indiqui el contrari, els
continguts d'aquesta obra estan subjectes a la llicència de Creative Commons
:
Reconeixement-NoComercial-SenseObraDerivada 3.0 Espanya
Abstract
Theoretical and experimental studies have shown that traditional training
algorithms for Dynamical Recurrent Neural Networks may suffer of local optima solutions, due to the error propagation across the recurrence. In the last
years, many researchers have put forward different approaches to solve this
problem, most of them being based on heuristic procedures. In this paper,
the training capabilities of evolutionary techniques are studied, for Dynamical Recurrent Neural Networks. The performance of the models considered is
compared in the experimental section, in real finantial time series prediction
problems.
ISSN1134-5632
Col·leccions
Fitxers | Descripció | Mida | Format | Visualitza |
---|---|---|---|---|
1-pega.pdf | 188,4Kb | Visualitza/Obre |