文献

J-GLOBAL ID：201702273224007358   整理番号：17A1058892

時系列予測のためのGPU深い学習メタヒューリスティックに基づくモデル【Powered by NICT】

A GPU deep learning metaheuristic based model for time series forecasting

著者 (8件)： Coelho Igor M. (Grupo da Causa Humana, Ouro Preto, Brazil) ,  Coelho Igor M. (Department of Computing, State University of Rio de Janeiro, Rio de Janeiro, Brazil) ,  Coelho Vitor N. (Grupo da Causa Humana, Ouro Preto, Brazil) ,  Coelho Vitor N. (Institute of Computing, Universidade Federal Fluminense, Niteroi, Brazil) ,  Luz Eduardo J. da S. (Department of Computing, Universidade Federal de Ouro Preto, Ouro Preto, Brazil) ,  Ochi Luiz S. (Institute of Computing, Universidade Federal Fluminense, Niteroi, Brazil) ,  Guimaraes Frederico G. (Department of Electrical Engineering, Universidade Federal de Minas Gerais, Belo Horizonte, Brazil) ,  Rios Eyder (Institute of Computing, UESPI, Paranaiba, Brazil)
資料名： Applied Energy  (Applied Energy)
巻： 201  ページ： 412-418  発行年： 2017年 
JST資料番号： A0097A  ISSN： 0306-2619  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： スマートセンサの新世代高サンプリング収集システムに向けて進化しつつあるので,学習アルゴリズムによって処理すべき情報量が増加している。グラフィックス処理ユニット(GPU)アーキテクチャは,採掘ビッグデータのための低エネルギー消費で環境に優しい代替法を提供し,単一チップへの千処理コアの電力をもたらす,広範囲な可能性ある用途を開いた。(19 21,モルジブ年4月にREM2016で発表された短縮版の実質的な拡張[1])では,時系列学習のための新しい並列戦略における時系列の異なる部分は異なるスレッドにより評価したを設計した。提案した戦略は,重要なミニ/マイクログリッド予測問題からの学習パターンに適用し,ハイブリッドメタヒューリスティックモデル家庭電力需要予測をコア内部に挿入した。将来のスマートシティは,分散型エネルギー発生に依存しているであろう,市民は自分自身の資源を管理し,制御するかについて認識すべきである。この意味で,エネルギー分解研究は,いくつかの典型的な有用なマイクログリッド応用の一部である。計算結果は訓練ラウンドの数が増加すると提案したGPU学習戦略であるスケーラブルであることを示し,スマートセンサに埋め込まれた有望な深い学習ツールとして出現した。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： 電力需要 ,  マイクログリッド ,  電力 ,  学習アルゴリズム ,  *予測 ,  *学習 ,  情報量 ,  計算機アーキテクチャ
準シソーラス用語： スマートシティ ,  電力需要予測 ,  ビッグデータ ,  GPU【プロセッサ】 ,  インテリジェントセンサ ,  *時系列予測 , 【Automatic Indexing@JST】

著者キーワード (6件)： 深い学習 ,  グラフィックス処理装置 ,  ハイブリッド予測モデル ,  スマートセンサ ,  家庭用電力需要 ,  ビッグデータ時系列

分類 (1件)： 電力工学・電力事業一般  (NB01000X)

タイトルに関連する用語 (5件)： 時系列予測 ,  GPU ,  学習 ,  ヒューリスティック ,  モデル