文献

J-GLOBAL ID：201802244396988209   整理番号：18A0196416

太陽フレア予測のための時系列分類に基づくアプローチ【Powered by NICT】

A time series classification-based approach for solar flare prediction

著者 (5件)： Hamdi Shah Muhammad (Department of Computer Science, Georgia State University, Atlanta, GA 30302) ,  Kempton Dustin (Department of Computer Science, Georgia State University, Atlanta, GA 30302) ,  Ma Ruizhe (Department of Computer Science, Georgia State University, Atlanta, GA 30302) ,  Boubrahimi Soukaina Filali (Department of Computer Science, Georgia State University, Atlanta, GA 30302) ,  Angryk Rafal A. (Department of Computer Science, Georgia State University, Atlanta, GA 30302)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： Big Data  ページ： 2543-2551  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： 太陽フレア予報は宇宙及び地上両インフラストラクチャに及ぼすそれらの潜在的影響の観点から重要な課題である。予測タスクは,フレアとフレアのない活性領域間の二元分類としてモデル化できる。フレア予測に関する以前の研究は,ベクトル空間の中のフレアとフレアのない活性領域例を表すに焦点を当て,特徴空間は活動領域磁場パラメータからが分かった。はこれらの活性領域パラメータの時系列試料を抽出し,単変量時系列のk-NN分類に基づくフレア予測法を提示した。分類タスクのための,単一活性領域パラメータ,全符号なし電流ヘリシティと呼ばれる,の時系列の統計的要約を用いて時間の単一時点で全活性領域パラメータの使用に優れていることを見出した。,多変量時系列を用いたflaring/nonフレア活動領域のデータモデルを提案した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： ヘリシティ ,  *太陽フレア ,  電流 ,  ベクトル空間 ,  活性部位 ,  宇宙空間 ,  磁場 ,  モデリング ,  インフラストラクチャー ,  データモデル ,  予測技法 ,  *予測
準シソーラス用語： 多変量 ,  特徴空間 ,  *フレア , 【Automatic Indexing@JST】

分類 (3件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z) ,  その他のオペレーションズリサーチの手法  (KA03070E)

タイトルに関連する用語 (4件)： 太陽フレア ,  予測 ,  時系列 ,  分類