文献

J-GLOBAL ID：201702289943517037   整理番号：17A1263068

複雑なファジィ論理による多変量時系列の予測【Powered by NICT】

Forecasting of Multivariate Time Series via Complex Fuzzy Logic

著者 (2件)： Yazdanbakhsh Omolbanin (Department of Electrical and Computer Engineering, University of Alberta, Edmonton, AB, Canada) ,  Dick Scott (Department of Electrical and Computer Engineering, University of Alberta, Edmonton, AB, Canada)
資料名： IEEE Transactions on Systems, Man, and Cybernetics: Systems  (IEEE Transactions on Systems, Man, and Cybernetics: Systems)
巻： 47  号： 8  ページ： 2160-2171  発行年： 2017年 
JST資料番号： C0425D  ISSN： 2168-2216  CODEN： ITSMFE  資料種別： 逐次刊行物 (A)
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： 多変量時系列は,時間の経過とともにいくつかの現象の逐次ベクトル値観測から構成されている。時系列予測(一変量および多変量の場合)は良く知られた高付加価値機械学習問題における目的は,以前のものに基づく時系列の将来の観測を予測することである。複雑なファジィ論理に基づくいくつかの学習アルゴリズムは,近年,非常に正確であると小型予測モデルことが示されている。しかし,これらのモデルは一変量および二変量データセットで試験した。より一般的な多変量データセットの調査されたは持っていない。多変量の場合に適応ニューロ複素ファジィ推論システム学習アーキテクチャの拡張を報告した。単一入力-単一出力,多入力単一出力,多入力多出力変動構造を調べ,四種の多変量時系列に対するそれらの性能を調べた。もアーキテクチャにおけるフォワードとバックワードパス計算に対する修正を調べた。著者らの最良の設計はこれらのデータセットに関する公表された結果よりも優れている,とカーネルベース予測アルゴリズムと少なくとも同程度に正確であることを見出した。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： 学習 ,  予測モデル ,  *ファジィ論理 ,  計算機アーキテクチャ ,  機械学習 ,  ベクトル ,  学習アルゴリズム
準シソーラス用語： 予測アルゴリズム ,  経路計算 ,  MIMO ,  ファジィ推論システム ,  多変量データ ,  高付加価値 ,  時系列予測 ,  *多変量 , 【Automatic Indexing@JST】

分類 (2件)： システム・制御理論一般  (IA02010H) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： ファジィ論理 ,  多変量 ,  時系列 ,  予測