Next:
序論
Up:
oka
Previous:
oka
目次
序論
ニューロンとニューラルネットワーク[4][5]
ニューロン
形式ニューロンモデル
ニューラルネットワーク
自己組織化マップ
競合学習[3][4][5]
ベクトル量子化[5]
自己組織化マップ[3]
自己組織化マップの計算過程[3][6]
ラベル付け[3][7]
学習後の自己組織化マップの特徴[5]
自己組織化マップによる学習と気象予測
学習と気象予測方法
より信頼性の高い予測結果を出すために
周囲のラベル付きニューロンの総合的な予測
降水量観測データの対数化
時系列についての総合的な予測
選出するニューロン間の距離の制限
実験
目的
使用プログラムと係数の設定
実験方法
実験1 : 予測アルゴリズムによる予測精度の比較
実験概要
実験結果
実験2 : 自己組織化マップによる気象予測の有効性の評価
実験概要
実験結果
実験3 : 適中率と予測誤差の分析
実験概要
実験結果
実験4 : 観測データ数による予測の評価
実験概要
実験結果
予測精度の改善
結論
参考文献
各地の1ヶ月間の平均予測精度の変化
各地の月ごとの気象予測精度
Deguchi Lab.
2011年3月4日