Conditions pour recycler le RN

La performance d'un outil basé sur des RN peut se dégrader quand il y a des changements dans le système. Le RN peut tenir compte de cet effet. Ceci peut être fait par l'apprentissage en ligne ou l'apprentissage hors ligne. Quand nous avons utilisé le même RN qualifié pour prévoir la sixième semaine, nous avons obtenu MSE=0,012. Cela signifie que la performance se dégrade et que le RN doit être recyclé pour s'améliorer. Un recyclage aveugle du RN qualifié n'améliorera pas trop la performance. Les échantillons de recyclage devraient être choisis comme suit. L'enlèvement de tous les échantillons de spikes est une nécessité pour obtenir une meilleure performance. Nous devons choisir quelques échantillons qui donnent de bonnes prévisions et également quelques échantillons qui sont mal prédits dans le passé. Le choix des ces dernières permet au RN l'apprentissage des changements de processus du trafic. Le choix des échantillons bien prédits est important pour tenir au courant le RN de l'historique du processus du trafic. Nous avons effectué deux expériences pour recycler le RN. Dans la première, nous l'avons entraîné aveuglement avec une BD contenant des spikes. Nous avons obtenu MSE=0,009 sur la BD de test. Une fois que nous enlevions les spikes de la BD d'apprentissage dans la deuxième expérience, le MSE s'est amélioré à 0,0054 sur la même BD de test. Il est important de mentionner que dans [56], les auteurs ont argumenté du fait que ni le recyclage en ligne ni hors ligne n'améliorent la performance. Nous expériences ont montré que ceci est du aux échantillons dits spikey.