|
|
Поэтому для конечных рядов существует риск получить весьма приблизительный прогноз, тем более что в большинстве случаев в реальной практике встречаются ряды, содержащие не более 20 – 30 точек. − Проблемы и недостатки метода Бокса – Дженкинса (модели ав- торегрессии – скользящего среднего). Проблемы связанны, пре- жде всего, с неоднородностью временных рядов и практической реализации метода из-за своей сложности. − Проблемы и недостатки методов, реализованных на базе ней- ронных сетей. Проблемы неопределенности в выборе числа сло- ев и количества нейронных элементов в слое, медленная сходи- мость градиентного метода с постоянным шагом обучения, сложность выбора оптимальной скорости обучения α, влияние случайной инициализации весовых коэффициентов НС на поиск минимума функции среднеквадратической ошибки. Одна из наиболее серьезных трудностей при обучении – это явление пе- реобучения. Кроме того, использование немасштабированных данных может привести к «параличу» сети. − Проблемы и недостатки методов, реализованных на базе генети- ческих алгоритмов. Это 8b2・проблема кодировки информации со- держащейся в модели нейронной сети, а также сложность пони- мания и программной реализации. При построении реальных прогнозов всегда необходимо учиты- вать не только специфические особенности применяемых методов, но и их ограничения и недостатки. |
Выводы к теоретической главе 3 |