文献

J-GLOBAL ID：201702229012340053   整理番号：17A0369082

予測区間構築のためのフレームワークによる非反復粒状エコー状態ネットワークをマップ低減【Powered by NICT】

Map-reduce framework-based non-iterative granular echo state network for prediction intervals construction

著者 (3件)： Sheng Chunyang (School of Control Science and Engineering, Dalian University of Technology, China) ,  Zhao Jun (School of Control Science and Engineering, Dalian University of Technology, China) ,  Wang Wei (School of Control Science and Engineering, Dalian University of Technology, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 222  ページ： 116-126  発行年： 2017年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 予測間隔(PI)構築のための間隔重み付き粒状ニューラルネットワーク(NN)を用いた場合,反復予測モードは常にPIsの信頼性に有害であることを誤差蓄積を伴う。本研究では,粒状エコー状態ネットワーク(ESN)は,PI構築のために開発した,ネットワーク接続区間値情報粒によって表現した。反復モードに起因する誤差蓄積に対処するために,粒状ESNのためのここで提案した非反復予測モード。粒状ESNの訓練プロセスは,情報粒度の配分,粒子群最適化(PSO)ベースの方法が,最適化問題を解くための採用したの最適化と見なすことができ,また,PI被覆確率(PICP)と平均PI幅(MPIW)を含むPI性能の評価基準を最適化目的として選択した。計算精度と効率を改善するため,Map-Reduce(MR)フレームワークは,PSOに基づく最適化プロセスのプログラミング実装のために設計した。二種類の時系列データを,二個のベンチマーク予測問題と鉄鋼業におけるガス系からの二種類の工業用を含め,提案した方法の有効性を検証するためにここで採用した。実験結果により,提案アプローチは,PI構築のための良好な性能を提供することを示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 信頼性 ,  最適化問題 ,  評価基準 ,  *ネットワーク ,  ベンチマーク ,  最適化 ,  ニューラルネットワーク ,  粒度 ,  鉄鋼業 ,  計算機プログラミング
準シソーラス用語： 時系列データ ,  計算精度 ,  粒子群最適化 ,  予測モード ,  *エコー状態ネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： 非反復予測 ,  区間値粒状性 ,  エコー状態ネットワーク ,  予測区間

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 予測区間 ,  構築 ,  フレームワーク ,  反復 ,  エコー状態ネットワーク ,  マップ