Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Parallel Collaborative Filtering Recommendation Model Based on Two-Phase Similarity Kapitel lesen Erstes Kapitel lesen

2015 | OriginalPaper | Buchkapitel

Forecasting Weather Signals Using a Polychronous Spiking Neural Network

verfasst von : David Reid, Hissam Tawfik, Abir Jaafar Hussain, Haya Al-Askar

Erschienen in: Intelligent Computing Theories and Methodologies

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Due to its inherently complex and chaotic nature predicting various weather phenomena over non trivial periods of time is extremely difficult. In this paper, we consider the ability of an emerging class of temporally encoded neural network to address the challenge of weather forecasting. The Polychronous Spiking Neural Network (PSNN) uses axonal delay to encode temporal information into the network in order to make predictions about weather signals. The performance of this network is benchmarked against the Multi-Layer Perceptron network as well as Linear Predictor. The results indicate that the inherent characteristics of the Polychronous Spiking Network make it well suited to the processing and prediction of complex weather signals.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel An Online Supervised Learning Algorithm Based on Nonlinear Spike Train Kernels
Nächstes Kapitel A Water Wave Optimization Algorithm with Variable Population Size and Comprehensive Learning
Literatur
1.
Mathur, P.S., Kumar, A., Chandra, M.: A feature based neural network model for weather forecasting. In: World Academy of Science, Engineering and Technology (2007)
2.
Box, G.E.P., Jenkins, G.W., Reinsel, G.C.: Time Series Analysis - Forecasting and Control, 3rd edn. Prentice-Hall, Englewood Cliffs (1994)MATH
3.
Sfetsos, A.: A comparison of various forecasting techniques applied to mean hourly wind speed time series. Renewable Energy 21(1), 23–35 (2000)CrossRef
4.
Ho, S., Xie, M., Goh, T.N.: A comparative study of neural network and Box-Jenkins ARIMA modeling in time series prediction. Comput. Ind. Eng. 42(2–4), 371–375 (2002)CrossRef
5.
Faraway, J., Chatfield, C.: Time series forecasting with neural networks: a comparative study using the airline data. J. R. Stat. Soc. 47(2), 231–250 (1998)CrossRef
6.
Zhang, G.P., Patuwo, B.E., Hu, M.Y.: A simulation study of artificial neural networks for nonlinear time-series forecasting. Comput. Oper. Res. 28, 381–396 (2001)CrossRefMATH
7.
Hodgkin, A., Huxley, A.: A quantitative description of membrane current and its application to conduction and excitation in nerve. J. Physiol. 117, 500–544 (1952)CrossRef
8.
Abeles, M.: Corticonics: Neural circuits of the cerebral cortex. Cambridge University Press, New York (1991)CrossRef
9.
Maass, W.: Networks of spiking neurons the third generation of neural network models. Neural Netw. 10(9), 1659–1671 (1997). Elsevier PublishingCrossRef
10.
Maass, W., Bishop, C.M.: Pulsed Neural Networks. MIT Press, Cambridge (1998). ISBN 0-262-13350-4MATH
11.
12.
Legenstein, R., Naeger, C., Maass, W.: What can a neuron learn with spike-timing-dependent-plasticty. J. Neural Comput. 17(11), 2337–2382 (2005)MathSciNetCrossRefMATH
13.
Nessler, B., Pfeiffer, M., Maass, W.: STDP enables spiking neurons to detect hidden causes of their inputs. In: Proceedings of NIPS 2009: Advances in Neural Information Processing Systems, vol. 22, pp. 1357–1365. MIT Press (2010)
14.
Levy, W.B., Steward, O.: Temporal contiguity requirements for long-term associative potentiation/depression in the hippocampus. Neuroscience 8(4), 791–797 (1983)CrossRef
15.
Markram, H., Lübke, J., Frotscher, M., Sakmann, B.: Regulation of synaptic efficacy by coincidence of postsynaptic APs and EPSPs. Science 275(5297), 213–215 (1997)CrossRef
16.
17.
Arthur, J.V., Boahen, K.A.: Synchrony in Silicon The Gamma Rhythm. IEEE Trans. Neural Netw. 18(6), 1815–1825 (2007)CrossRef
Metadaten
Titel
Forecasting Weather Signals Using a Polychronous Spiking Neural Network
verfasst von
David Reid
Hissam Tawfik
Abir Jaafar Hussain
Haya Al-Askar
Copyright-Jahr
2015
Buch
Intelligent Computing Theories and Methodologies

Print ISBN: 978-3-319-22179-3

Electronic ISBN: 978-3-319-22180-9

Copyright-Jahr: 2015

DOI
https://doi.org/10.1007/978-3-319-22180-9_12