文献

J-GLOBAL ID：201802229654206401   整理番号：18A1906793

多変量時系列予測のための観測不能成分空間における進化的方法論【JST・京大機械翻訳】

Evolving Methodology in Unobservable Components Space for Multivariate Time Series Forecasting

著者 (2件)： Rodrigues Junior Selmo Eduardo (Federal Institute of Education, Sciences and Technology, Imperatriz, Maranhao, Brazil) ,  de Oliveira Serra Ginalber Luiz (Federal Institute of Education, Sciences and Technology, Sao Lui ́s, Maranhao, Brazil)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： FUZZ  ページ： 1-8  発行年： 2018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： 本論文は,多変量時系列を予測するために,そのファジィルール構造を修正する進化Takagi-Sugenoニューロファジィネットワークを提示した。本論文で提案したMR-SSA法を用いて時系列から抽出した観測不能成分を入力データとして考慮した。eClusting+に基づく進化的クラスタリングアルゴリズムを用いて,ルールの数が増加または減少することができるファジィルールの先行命題を定式化した。これらの構成要素の使用のために,進化するクラスタリングアルゴリズムによって考慮するデータ空間は,本論文において観察できない構成要素空間と呼んだ。したがって,提案された多変量法は,別々に各成分の予測を実行するために訓練され,最後に,考慮された時系列の予測を得るために訓練される。ファジィルールの命題は,状態空間における線形モデルであり,そこでは,状態は観測不能成分自体に対応する。実験は,3つの実際の事例研究を考慮し,その応用,時系列専門家による意思決定における重要性を強調し,多変量進化時系列予測法のベンチマークとしてそれらを提案した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 定式化 ,  ベンチマーク ,  *命題 ,  ファジィニューラルネットワーク ,  事例研究 ,  意思決定
準シソーラス用語： 線形モデル ,  状態空間 ,  クラスタリングアルゴリズム ,  入力データ ,  ファジィルール ,  *時系列予測 ,  *多変量 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 多変量 ,  時系列予測 ,  観測 ,  進化 ,  方法論