Bei der Analyse mit ANN werden oft verrauschte, nicht-stationäre Daten für die Zeitreihenvorhersage berücksichtigt. Dieses Buch befasst sich mit verschiedenen Datenvorverarbeitungsmethoden und wie diese die Vorhersagegenauigkeit von künstlichen neuronalen Netzen erhöhen. Die Wahl der richtigen Konfiguration eines ANN ist eine nicht triviale Aufgabe, und die erzielten Ergebnisse werden durch die Anwendung verschiedener Kriterien und den Austausch von Versuchs- und Testreihen sowie durch Randomisierung überprüft, so dass sie auch unter extremen Bedingungen anwendbar sind.

Dans l'analyse avec ANN, les données bruitées et non stationnaires entrent souvent en ligne de compte pour la prédiction des séries temporelles. Ce livre traite des différentes techniques de prétraitement des données et de la manière dont elles permettent d'accroître la précision des prédictions des réseaux neuronaux artificiels. Le choix de la configuration correcte d'un réseau neuronal artificiel est une tâche non triviale et les résultats obtenus sont vérifiés en appliquant divers critères et en interchangeant les ensembles expérimentaux et les ensembles de test, ainsi...