Warianty tytułu
Principal Components Analysis as a Data Pre-processing Method for Neural Networks
Języki publikacji
Abstrakty
W artykule opisano analizę głównych składowych (PCA) w odniesieniu do zagadnienia wstępnej transformacji danych dla sieci neuronowych typu perceptron. Zaprezentowano przy tym funkcjonowanie opierającej się na regule Sangera i realizującej taką transformację sieci neuronowej typu PCA, jako narzędzia alternatywnego dla metody klasycznej. Następnie przedstawiono wyniki badań doboru optymalnej ilości stosowanych głównych składowych oraz czasu uczenia sieci PCA w zagadnieniu wstępnego przetwarzania danych dla sieci neuronowych, wykorzystywanych do prognozowania dynamiki zmian indeksu giełdowego WIG 20. Wykazano celowość stosowania analizy PCA w wybranych zagadnieniach oraz sformułowano szereg wniosków dotyczących tej metody. (abstrakt oryginalny)
This study discusses principal components analysis (PCA) with reference to preliminary data transformation for perceptron-type neural networks. In addition, the performance of the PCA-type neural network, which is based on the Sanger rule and results in such a transformation, has been presented as an alternative tool to the classic statistical method. Next, the author give research results determining the optimal number of principal components and learning time for the PCA network; PCA network exploitation deals with the problem of data pre-processing for perceptron neural networks that have been used to predict WIG 20 stock index changes. The author demonstrate the utility of PCA analysis in selected areas and offer a number of conclusions with regard to this method (original abstract)
Słowa kluczowe
Rocznik
Numer
Strony
17-30
Opis fizyczny
Twórcy
autor
Bibliografia
- Azoff E.M. [1994], Neural Network Time Series Forecasting of Financial Markets, New York, Wiley.
- Goldberg D.E. [1995], Algorytmy genetyczne i ich zastosowania, WNT, Warszawa.
- Grabowski M. [1997], Sieci neuronowe w analizie danych społeczno-ekonomicznych, praca doktorska, Akademia Ekonomiczna w Krakowie.
- Haykin S. [1994], Neural Networks. A Comprehensive Foundation, New York, Macmillan College Publishing Company.
- Jajuga K. [1993], Statystyczna analiza wielowymiarowa, PWN, Warszawa.
- Morąjda J. [1997], Wybrane możliwości zastosowań sieci neuronowych w ekonomii i zarządzaniu, Akademia Ekonomiczna w Krakowie, Zeszyty Naukowe, nr 493.
- Neural Networks in the Capital Markets [1995], A.P. Refenes (ed.), Chichester, Wiley.
- Osowski S. [1996], Sieci neuronowe w ujęciu algorytmicznym, WNT, Warszawa.
- Rutkowska D., Piliński M., Rutkowski L. [1997], Sieci neuronowe, algorytmy genetyczne i systemy rozmyte, PWN, Warszawa.
- Tadeusiewicz R. [1993], Sieci neuronowe, Akademicka Oficyna Wydawnicza RM, Warszawa.
- Tadeusiewicz R. [1995], Sieci neuronowe w prognozowaniu procesów gospodarczych, Materiały konferencyjne nt.: Sztuczna inteligencja i infrastruktura informatyczna, Siedlce.
- Thomason M.R. [1996a], Principal Components Analysis for Neural Network Input Variable Reduction and Financial Forecasting, Neurovest Journal, Part 1: January/February 1996; Part 2: March/April.
- Thomason M.R. [1996b], Neural Network Input Variable Selection (revisted), Neurovest Journal, May/June.
- Żurada J. [1992], Introduction to Artificial Neural Systems, West Publishing Co.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000000010720