также пороговая авторегрессионная модель

Все описанные в этой главе эксперименты показали хорошую способность MBPN-моделей к обнаружению нелинейных связей во временных рядах финансовых показателей. Это проявлялось в ро-бастности прогноза на тестовых данных. Для сравнения мы применяли также традиционные линейные методы, предполагая при этом, что ничего не знаем о структуре входного ряда. Конечно, имеются более сильные статистические методы, например, такие, где учитывается зависимость дисперсии от прошлых значений (AR H), или пороговые авторегрессионные модели (TAR), и с их помощью можно находить сложные нелинейные связи. В этой главе мы хотели подчеркнуть тот факт, что методы нейронных сетей не предполагают никаких предварительных знаний о модели. Единственное, что нужно — это значения переменных, а далее сеть уже сама приспосабливается к имеющейся структуре.  [c.92]


Смотреть страницы где упоминается термин также пороговая авторегрессионная модель

: [c.249]    [c.249]    [c.249]    [c.250]