文献

J-GLOBAL ID：201702250296739493   整理番号：17A1393588

複数の環境因子を用いた深い学習に基づく降水予測アプローチ【Powered by NICT】

A Deep-Learning Based Precipitation Forecasting Approach Using Multiple Environmental Factors

著者 (4件)： Zhang Pengcheng ,  Zhang Lei ,  Leung Hareton ,  Wang Jimin
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： BigData Congress  ページ： 193-200  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 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】

シソーラス用語： モデル ,  ヒト ,  機械学習 ,  次元縮小 ,  ベクトル ,  降水量 ,  *降水予報 ,  *学習 ,  意味論 ,  ネットワーク ,  データ変換 ,  *予測
準シソーラス用語： 信念ネットワーク ,  ビッグデータ ,  *環境因子 , 【Automatic Indexing@JST】

分類 (3件)： 人工知能  (JE08000Z) ,  計算機システム開発  (JD02010R) ,  その他の情報処理  (JE15050M)

タイトルに関連する用語 (3件)： 環境因子 ,  学習 ,  降水予測