ニューラルネットにおける学習

学習はネットワークが望ましい出力をするようにその構造を変化させることであり、各時間における為替相場の値と教師信号を時間の順序に沿ってネットワークに与え、誤差逆伝播法の式に基づいて結合荷重を変化させる[1]。 今回の学習では、式 (4.8)における $\eta$ と $\alpha$ (以下パラメータと呼ぶ)の値をそれぞれ $1\times 10^{-1}$ から $9\times 10^{-7}$ まで変化させながら実験した。 学習させる時系列の各時間の一回りを本研究での学習回数の1回分の単位とする。

短い周期が繰り返すような時系列の学習では、ネットワークに入力値を与えて計算を行い、 出力値とそれに対応する教師信号の誤差が十分に小さくなった場合に学習成功として学習を終了させることができるが、 今回のような複雑な時系列では、誤差が十分に小さくなるとは考えにくい。そこで3万回学習をさせて、そのネットワークを用いて予測させることとした。