リカレントニューラルネットワークを用いた不規則時系列データの学習・予測方法及び装置並びに気象予測方法

開放特許情報番号
L2008004759
開放特許情報登録日
2008/9/5
最新更新日
2012/8/20

基本情報

出願番号 特願2006-237066
出願日 2006/8/31
出願人 国立大学法人長岡技術科学大学
公開番号 特開2007-095046
公開日 2007/4/12
登録番号 特許第5023325号
特許権者 国立大学法人長岡技術科学大学
発明の名称 リカレントニューラルネットワークを用いた不規則時系列データの学習・予測方法
技術分野 情報・通信
機能 機械・部品の製造、制御・ソフトウェア
適用製品 リカレントニューラルネットワークを用いた不規則時系列データの学習・予測装置
目的 従来よりも不規則時系列データの予測精度を高めることができるリカレントニューラルネットワークを用いた不規則時系列データの学習・予測方法及び装置を提供する。また、従来より予測精度の高い気象予測方法を提供する。
効果 従来法に比べて、格段に優れた学習結果と予測結果が得られる。また、予測精度を高めることができる。
技術概要
リカレントニューラルネットワークを用いた不規則時系列データの学習・予測方法は、リカレントニューラルネットワークを準備する準備ステップと、学習ステップと、予測用モデル構築ステップと予測ステップとから構成される。図1は、コンピュータを用いて実現するリカレントニューラルネットワーク(RNN)を備えた学習・予測装置のモデル図を示す。このリカレントニューラルネットワークは、入力層1と、1以上の中間層3と、出力層5と、帰還路7と、規格化手段9とを備えている。なおこの例では中間層3は1層である。入力層1は、r個(rは2以上の整数でフラクタル次元から定められた予測可能なデータの数)の不規則時系列データ(株価、気象情報、為替等の時系列データ)がそれぞれ入力されるr個のニューロン11〜1rからなる第1のニューロン群N1と、r個の不規則時系列データに続く別のr個の不規則時系列データがそれぞれ入力されるr個のニューロン21〜2rからなる第2のニューロン群N2とを備えている。また中間層3は、q(qは2以上の整数で一般的にはr以上の整数)個のニューロン31〜3qからなる第3のニューロン群N3を備えている。
実施実績 【無】   
許諾実績 【無】   
特許権譲渡 【否】
特許権実施許諾 【可】

登録者情報

その他の情報

関連特許
国内 【無】
国外 【無】   
Copyright © 2018 INPIT