| 研究概要 |
本研究の平成8年度における研究成果を以下にまとめる.
従来,特に応用においては線形モデルが中心であった時系列データ処理に代わり,対象の非線形性の同定の重要性が認識されるようになってきた.線形系の場合,予測の基本として既に情報量基準が確立されているが,非線形系の場合には未だ提案されるに至っていない.前年度は,不規則な時系列データ処理の統計モデルとは異なり,非線形ダイナミクスという観点から,ニューラルネットワークを用いて時系列データの非線形ダイナミクスをモデル化した.実際の現象を扱う場合には,人工的なカオスではなく,データのみから自己組織化(学習)を通して同定する必要性がある.このため,カオスの本質である非線形ダイナミクスをニューラルネットワークを用いて同定した.今年度は,前年度に引き続き,決定論的な予測のための基礎的な研究を基に,具体的な時系列データに応用して,検討した.
以下の項目に,具体的研究内容を記す.
1)時系列データをカオスとして捉えた時に,埋め込み次元,遅れ時間などモデル化に必要なパラメータを推定するための非線形情報量基準を導入した.
2)時系列データとして,経済指標,気温データなどいくつかの実データを用いて,決定論的非線形予測アルゴリズムと統計モデルによる予測法との比較検討を行い,決定論的予測法の優位性を確認した.
|
