文献

J-GLOBAL ID：201802218124479604   整理番号：18A0667968

時空間最適化深さニューラルネットワークに基づくAQIクラス予測【JST・京大機械翻訳】

AQI levels prediction based on deep neural network with spatial and temporal optimizations

著者 (3件)： Dong Ting (武漢大学 計算机学院,軟件工程国家重点実験室,武漢 430072) ,  Zhao Jianhui (武漢大学 計算机学院,軟件工程国家重点実験室,武漢 430072) ,  Hu Yong (武漢大学 資源与環境科学学院,武漢,430079)
資料名： Jisuanji Gongcheng yu Yingyong  (Jisuanji Gongcheng yu Yingyong)
巻： 53  号： 21  ページ： 17-23,41  発行年： 2017年 
JST資料番号： C2533A  ISSN： 1002-8331  CODEN： JGYYAT  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 既存の空気品質予測法の精度が低く、ノイズに敏感であるなどの問題に対して、スタック雑音低減自己符号化(Stacked Denoising Auto-Encoders,SDAE)モデルに基づく空気品質の予測方法を提案した。まず、武漢市の歴史的大気質と気象監視データを研究対象として、SDAEモデルの各層における原始データの特徴表現を学習し、最後の層特徴と分類器の連結により予測モデルの調整を完成させた。同時に,マルチパラメータメッシュ探索法を改良し,最適パラメータを選択した。次に,予測値と実際の値の間の平均絶対誤差と平均二乗誤差を,試験セット上で予測し,そして,予測性能評価基準として用いた。他のネットワークモデルとの比較実験により,SDAEモデルが空気品質レベルに対して優れた予測性能を持つことを証明した。最後に,空間的最適化に基づくSDAEモデルの予測性能は,時間,空間および空間時間の3つの観点から最適化され,そして,従来の方法より正確な予測結果を得ることができた。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 品質水準 ,  評価基準 ,  品質 ,  予測モデル ,  符号化 ,  予測技法 ,  *最適化 ,  *予測 ,  雑音低減 ,  *ニューラルネットワーク ,  比較試験 ,  雑音
準シソーラス用語： 予測性能 ,  平均二乗誤差 ,  品質予測 , 【Automatic Indexing@JST】

著者キーワード (4件)： AQI levels ,  prediction ,  Stacked Denoising Auto-Encoder(SDAE) ,  optimization

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 時空間 ,  最適化 ,  ニューラルネットワーク ,  クラス ,  予測