Особенности применения рекуррентных нейронных сетей для решения задачи прогнозирования хаотических временных рядов

Abstract

Исследуются особенности GRU-сетей, LSTM-сетей и полностью рекуррентных сетей при решении задачи прогнозирования хаотических временных рядов. Рассматриваются различные способы структурирования нейронных сетей. Предобработка исходных данных проводится с использованием методов анализа нелинейных временных рядов. Было показано, что с использованием GRU сети с одним скрытым слоем из 64 нейронов можно уменьшить MAE до 0,000853 при прогнозировании координаты x системы Лоренца. C использованием GRU сети с одним скрытым слоем из 128 нейронов можно уменьшить MAE до 0,00062 при прогнозировании координаты x системы Рёсслера.