Treść książki
Przejdź do opcji czytnikaPrzejdź do nawigacjiPrzejdź do informacjiPrzejdź do stopki
PRZYKŁADOWEOSZACOWANIEINWESTYCJI…
25
c
j
+
1
(
k
)
=
∑
c
j
(
m
)
h
(
k
−
2m
)
+
∑
d
j
(
m
)
h
1
(
k
−
2m
)
m
m
coprzebieganastępująco:
a)określamywspółczynnikifiltrów:dolnoprzepustowego
h
(n
)
igórno-
przepustowego
h
1n
(
)
,
b)sygnałyaproksymacji
c
idetali
d
uzupełniamyzeramicodrugą
próbkę,
c)dokonujemysplotuuzupełnionegozeramiwektoraczewspółczynni-
kamifiltru
h
(n
)
otrzymującdolnoprzepustowąinformacjęosygnaleoraz
uzupełnionegozeramiwektoradz
h
1n
(
)
otrzymującgórnoprzepustowąinfor-
macjęosygnale,
d)sumujemywektoryotrzymanewpunkciec).
Etap4
Generowaniewspółczynnikówfalkowychdlakolejnychchwilcza-
sowych,czylidlachwilprognozowanychprzyużyciusztucznejsiecineurono-
wejtypuMLP.CharakterystycznącechąsieciMLPjestfakt,iżpołączenia
występujątylkomiędzyneuronamiznajdującymisięwsąsiednichwarstwach.
Narys.2zostałprzedstawionyschematprostejsieciMLP.
Rys.2.SiećtypuMLP
Siećuruchamianoprzyjmując:liczbaepok=1500,krokuczenia=0.01,
dopuszczalnybłądsieci=1e-12.
