カオス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の学習・予測

摘要

本論文では，カオス時系列の予測の方法としてカオスニューロンを用いたリカレントニューラルネットワークを提案する．また，順方向（時間経過方向）と逆方向（時間経過と反対方向）に対する予測能力の差異を用いた時系列データのカオス性の検定手法の適用可能性についても論じる．ローレンツ方程式から生成される時系列データを用いて評価を行った結果，活性化関数に単調型活性化関数を用いるよりも非単調型活性化関数を用いることで1けた程度，予測精度を向上させることができた，また，順方向と逆方向に対する予測能力の差異を用いた信号のカオス検定手法の適用が本予測手法においても可能であることを示し，ローレンツ時系列及びfBm信号を用いてカオス検定が適用できることを確認した．また，カオスを有しているとされる気象情報である，積雪量に対してカオス検定を試み，その結果，今回用いた積雪データはその時系列に対する順逆学習時の予測性能の違いからカオス性を有していると考えられ，積雪量の揺らぎ成分に関しては，予測可能な範囲で見る限り，確率論的な性質を有していることが確認できた．