ARMA-CIGMN - A neural network model for time series, Fachbücher von João Henrique Ferreira Flores, Paulo Martins Engel

Das Buch "ARMA-CIGMN - A neural network model for time series" bietet eine umfassende Einführung in ein neuartiges Modell von neuronalen Netzwerken, das speziell für die Analyse und Prognose von Zeitreihen entwickelt wurde. Der ARMA-CIGMN (Autoregressive Moving Average Classical Incremental Gaussian Mixture Network) ist eine Weiterentwicklung des klassischen IGMN (Incremental Gaussian Mixture Network), das auf einer klassischen statistischen Herangehensweise basiert. Durch gezielte Modifikationen des IGMN-Algorithmus wird eine verbesserte Anpassung an Zeitreihenanalysen erreicht. Das Buch erläutert die Funktionsweise des Modells und zeigt, wie es mit bewährten statistischen Werkzeugen wie Autokorrelation und partieller Autokorrelation kombiniert werden kann, um präzise Vorhersagen zu ermöglichen. Die Evaluierung des ARMA-CIGMN-Modells erfolgt anhand bekannter Zeitreihen sowie simulierten Daten, was die Anwendbarkeit und Robustheit des Modells unterstreicht.