文献

J-GLOBAL ID：201502208864842968   整理番号：15A0861266

複数時系列にわたるセマンティックスのモデリングとその応用

Modelling semantics across multiple time series and its applications

著者 (7件)： QIAO Zhi (Inst. of Computing Technol., Chinese Acad. of Sciences, Beijing, CHN) ,  QIAO Zhi (Univ. of Chinese Acad. of Sciences, Beijing, CHN) ,  HUANG Guangyan (School of Information Technol., Deakin Univ., AUS) ,  HE Jing (Centre for Applied Informatics, Coll. of Engineering and Sci., Victoria Univ., AUS) ,  ZHANG Peng (QCIS, Univ. of Technol. Sydney, AUS) ,  ZHANG Yanchun (Centre for Applied Informatics, Coll. of Engineering and Sci., Victoria Univ., AUS) ,  GUO Li (Inst. of Information Engineering, Chinese Acad. of Sciences, Beijing, CHN)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 85  ページ： 27-36  発行年： 2015年09月 
JST資料番号： T0426A  ISSN： 0950-7051  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： 全体論敵複数時系列システムに基づく分析は,実際的で重要な主題であった。本論文で筆者らは,(ここではセマンティックスと表す)ルールを生成し展開する時系列データをモデル化する方法を意味する,複数時系列システムの下でそのデータが如何に作られるかという新しい問題を主に研究した。筆者らは,そのシステムの基礎でありそのシステムを走行(データ生成と展開)させる潜伏状態があることを仮定した。従って,本問題にはいくつかの以下の挑戦がある。(1)潜伏状態の検出法,(2)その状態に基づくルールの学習法,(3)そのセマンティックスをなぜ使用しうるか。従って,そのセマンティックスを学習するために新規相関場ベースセマンティックス学習法を提示した。本方法において筆者らは最初に,ティックごとのデータ,時間順序づけ,複素おじ系列間の関係などを含む多種の複数時系列特性を包括的に検討することにより,潜伏状態割当を検出した。次に,ベイズマルコフ特性によってそのセマンティックスを学習した。実際に,学習したセマンティックスは更なる分析に対する予測や異常検出のような多様な用途に適用し得た。このように筆者らは,次のnステップ予測や異常検出をそれぞれ行うために適用したセマンティックス知識に基づく2つのアルゴリズムを提案した。筆者らが提案した方法の効率を示すために,実世界データセット上でいくつかの実験を行った。Copyright 2015 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *時系列 ,  *意味論 ,  *モデリング ,  利用 ,  潜伏期 ,  学習 ,  検出 ,  予測
準シソーラス用語： *セマンティックス ,  モデル化 ,  異常検出 ,  応用 ,  潜伏

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 時系列 ,  セマンティックス ,  モデリング ,  応用