抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
より良い気候の変化傾向を反映し,また管理決定のためのタイムリーで効率的な環境情報を提供するだけでなく,洪水や干ばつの発生を防ぐことができる正確な降水予測。ビッグデータの時代において,本論文では,深層信念ネットに基づく降水量予測のための新しいアプローチを提案し,DBNPF(降水量予報のための深信念ネットワーク)と呼ばれている。ネットワーク全体の微調整のためのヒト脳の神経接続構造,データ変換のためのGaussカーネル関数,および逆伝搬ネットワークをシミュレートするにより,元の空間のデータの特徴は,次元縮小による意味論的特徴を用いた新しい特徴空間に写像した。提案した方法は非常に一般的な方法を用いた生データの階層的表現を学習し,元のデータに隠された情報をマイニング完全でなく,ビッグデータの時系列の異なる種類の基本となるルールのより正確な記述をすることができた。七種類の環境因子の析出に非常に密接に関連し,入力ベクトルとして使用されており,次の24時間降水量は出力ベクトルとして使用されている。貴州省のZunyi地域からのデータを有する一組の専用実験はモデルの実現可能性と使い易を検証した。は,他の伝統的な機械学習アプローチと性ディープ学習に基づくアプローチを比較した。実験結果は,提案したアプローチは,降水予測の精度を改善できることを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】