文献

J-GLOBAL ID：201802257349858906   整理番号：18A1711627

エネルギー市場に関する新しいCID学習率とEEMDアルゴリズムによるニューラルネットワークモデルの予測【JST・京大機械翻訳】

Forecasting neural network model with novel CID learning rate and EEMD algorithms on energy market

著者 (2件)： Cen Zhongpei (Institute of Financial Mathematics and Financial Engineering, School of Science, Beijing Jiaotong University, Beijing 100044, PR China) ,  Wang Jun (Institute of Financial Mathematics and Financial Engineering, School of Science, Beijing Jiaotong University, Beijing 100044, PR China)
資料名： Neurocomputing  (Neurocomputing)
巻： 317  ページ： 168-178  発行年： 2018年 
JST資料番号： W0360A  ISSN： 0925-2312  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： 経済的および財政的予測における人工ニューラルネットワークの応用の観点から,ニューラルネットワークの予測方法と予測精度を改善することが重要である。本論文では,複雑さ不変距離(CID)によって制御される新しい学習速度を有するニューラルネットワークアーキテクチャを,エネルギー市場予測のために開発した。ここで,CIDは,ユークリッド距離を採用することにより,二つの時系列間の複雑さの差を測定するために一般的に利用される。さらに,確率的時間強度ニューラルネットワーク(STNN)は,時系列を予測するために導入された一種の教師つきニューラルネットワークである。上記の理論に基づいて,予測精度を改善する試みにおいて,CID-STNNと呼ばれる新しいニューラルネットワークモデルを提案した。CID-STNNとSTNNの予測性能を深く比較するために,アンサンブル経験的モード分解(EEMD)を適用して,時系列をいくつかの固有モード関数(IMF)に分解し,これらのIMFを用いてモデルを訓練した。さらに,提案したモデルの予測能力を評価することによって,WTIとBentの予測効果をテストすることにおいて,経験的研究を実行して,対応する優位性も実証した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  予測モデル ,  *予測 ,  予測技法 ,  *ニューラルネットワーク ,  *学習 ,  不変性
準シソーラス用語： 予測能力 ,  固有モード関数 ,  予測性能 ,  Euclid距離 ,  学習速度 ,  複雑性 ,  予測精度 ,  *神経回路網モデル , 【Automatic Indexing@JST】

著者キーワード (7件)： 予測ニューラルネットワーク ,  CID-STNN予測モデル ,  CID学習率 ,  経験的予測効果分析 ,  複雑さ不変距離 ,  アンサンブル経験的モード分解 ,  原油エネルギー市場

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： エネルギー市場 ,  CID ,  学習率 ,  アルゴリズム ,  ニューラルネットワークモデル ,  予測