Učení neuronové sítě

Máme údaje o časově závislé proměnné x_t (t=1,2,...) a chceme předpovědět hodnotu proměnné v čase t+h.

Predikce časové řady pomocí neuronové sítě spočívá v naučení sítě na průběh veličiny v nějakém omezeném čase a následném použití do budoucnosti. Síti předkládáme na vstup data z minulosti a jako výstup očekáváme data z budoucnosti (viz obrázek 2). Jedná se tedy o učení s učitelem. Pro přesnější predikci je vhodné dodat další infomace, například ve formě intervenčních proměnných (viz obrázek 3). Neplatí však, že více údajů zaručuje lepší predikci, někdy spíše naopak. Vždy je potřeba vybrat relevantní údaje, pokud jsou k dispozici.

Pro predikci lze použít různé typy sítí, např. síť typu backpropagation, sítě ART, Marksovu síť a jiné. V dalším textu se zaměříme na síť typu backpropagation.

Obrázek 2 - Učení časové řady bez intervenčních proměnných. Vyznačené
hodnoty v grafu představují časovou řadu vzniklou vzorkováním funkce.

Obrázek 3 - Učení časové řady s intervenčními proměnnými