Материал: Лабораторная работа 5

Рисунок 23 — LM, 300 точек, 150 лагов, (0 ,30 ] , цель 0.1

Рисунок 24 — Обучение LM, время работы: 23 минуты 27 секунд

Рисунок 25 — CG, 300 точек, 150 лагов, (0 ,30 ] , цель 1e-5, время работы: 14 минут 22 секунды

16

Обучение LM (MATLAB) точное (и на больших, и на малых рассмотренных данных), но очень длительное.

Обучение CG (Neurolab) быстрое (и на больших, и на малых рассмотренных данных), но может быть менее точным (в особенности на малых данных).

Прогнозирование на 1000 точках и 500 лагах (CG, Neurolab) представлено на рис. 26.

Рисунок 26 — CG, 1000 точек, 500 лагов, (0 ,30 ] , цель 1e-3,

Заключение В результате выполнения лабораторной работы мы изучили способ

прогнозирования временного ряда с помощью нейронной сети в системе MATLAB и с использованием языка программирования Python с библиотекой Neurolab.

Применение функций пакета Neural Network Toolbox существенно упрощает построение, обучение и использование ИНС.

17