文献

J-GLOBAL ID：201602214582092629   整理番号：16A0269005

深層学習と線形モデルを併用した時系列予測手法

A Novel Approach to Time Series Forecasting using Deep Learning and Linear Model

著者 (5件)： 平田貴臣 (山口大学大学院理工学研究科) ,  呉本尭 (山口大学大学院理工学研究科) ,  大林正直 (山口大学大学院理工学研究科) ,  間普真吾 (山口大学大学院理工学研究科) ,  小林邦和 (愛知県立大学情報科学部)
資料名： 電気学会論文誌 C  (IEEJ Transactions on Electronics, Information and Systems)
巻： 136  号： 3  ページ： 348-356 (J-STAGE)  発行年： 2016年 
JST資料番号： S0810A  ISSN： 0385-4221  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 深層学習と線形モデルを併用した新たな時系列予測手法を提案した。従来のMNN(多層ニューラルネットワーク)を用いた時系列予測手法は,ビッグデータや複雑な現実問題に対峙する際に限界が生じるが,近年,深層学習がMNNに高い性能を与え注目されている。深層学習を用いるニューラルネットワークは,従来のMNNと区別するために,DBN(ディープビリーフネット)と呼ばれている。一方,線形モデルの代表として,ARIMAモデルは依然現実問題に対応できる重要な時系列予測手法である。本論文では,RBM(制限付きボルツマンマシン)とMLP(多層パーセプトロン)とを結合させたDBNとARIMAモデルを併用したARIMA+DBN型モデルとDBN+ARIMA型モデルを新たな時系列予測手法として提案した。カオス時系列データやCATSベンチマークデータを用いた予測実験より,提案手法の優位性を確認した。

シソーラス用語： *機械学習 ,  ニューラルネットワーク ,  時系列 ,  予測モデル ,  *ARMAモデル ,  時系列分析 ,  Boltzmannマシン ,  多層パーセプトロン ,  *深層学習 ,  時系列予測 ,  *自己回帰和分移動平均モデル ,  モデル
準シソーラス用語： *ARIMAモデル ,  ARIMA

分類 (1件)： 人工知能  (JE08000Z)

引用文献 (16件)：

• (1) G. E. P. Box and D. A. Pierce : “Distribution of residual autocorrelations in autoregressive-integrated moving average time series models”, Journal of the American Statistical Association, Vol. 65, No. 332, pp. 1509-1526 (1970)
• (2) M. Casdagli : “Nonlinear prediction of chaotic time series”, Physica D, Vol. 35, pp. 335-356 (1989)
• (3) G. E. Hinton and R. R. Salakhutdinov : “Reducing the dimensionality of data with neural networks”, Science, Vol. 313, pp. 504-507 (2006)
• (4) N. L. Roux and Y. Bengio : “Representational power of restricted Boltzmann machines and deep belief networks”, Neural Computation, Vol. 20, pp. 1631-1649 (2008)
• (5) T. Kuremoto, S. Kimura, K. Kobayashi, and M. Obayashi : “Time series forecasting using restricted Boltzmann machines”, Proceedings of the 8th International Conference on Intelligent Computing (ICIC2012), Communications in Computer and Information Science (CCIS), Springer-Verlag, Vol. 304, pp. 17-22 (2012)

タイトルに関連する用語 (5件)： 深層学習 ,  線形モデル ,  併用 ,  時系列 ,  予測手法