文献

J-GLOBAL ID：201802260577453934   整理番号：18A1685284

ビッグデータ時系列のための新しいスパークベースの多段階予測アルゴリズム【JST・京大機械翻訳】

A novel spark-based multi-step forecasting algorithm for big data time series

著者 (4件)： Galicia A. (Division of Computer Science, Universidad Pablo de Olavide, Seville ES-41013, Spain) ,  Torres J.F. (Division of Computer Science, Universidad Pablo de Olavide, Seville ES-41013, Spain) ,  Martinez-Alvarez F. (Division of Computer Science, Universidad Pablo de Olavide, Seville ES-41013, Spain) ,  Troncoso A. (Division of Computer Science, Universidad Pablo de Olavide, Seville ES-41013, Spain)
資料名： Information Sciences  (Information Sciences)
巻： 467  ページ： 800-818  発行年： 2018年 
JST資料番号： D0636A  ISSN： 0020-0255  CODEN： ISIJBC  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： 本論文では,大きな時系列を予測するための異なる拡張可能な方法,すなわち高周波測定による時系列を提示した。また,任意の予測層を扱う方法を開発した。この方法のスケーラビリティを達成するために,分散コンピューティングのためのApache Spkフレームワークを提案した。機械学習のためにSpkのMLlibライブラリを用いて予測法を開発した。ライブラリーは多変量回帰を支持しないので,予測問題はh予測サブ問題として定式化される。ここで,hは予測のための将来の値の数である。さらに,異なる種類の代表的な方法を選んだ。例えば,決定木,2つのツリーベースのアンサンブル技術(Gradient-Boosted and Random Forest),および比較のための参照法としての線形回帰法である。最後に,この方法をスペインの電気需要の実時間シリーズで試験し,測定間の時間間隔は10分であった。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： ディシジョンツリー ,  スペイン ,  機械学習 ,  *予測 ,  分散処理 ,  定式化 ,  予測技法 ,  電力
準シソーラス用語： 時間間隔 ,  実時間 ,  線形回帰 ,  多変量 ,  予測アルゴリズム ,  *ビッグデータ , 【Automatic Indexing@JST】

著者キーワード (4件)： ビッグデータ ,  スケーラブル ,  電力時系列 ,  予測

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： ビッグデータ ,  時系列 ,  スパーク ,  段階 ,  予測アルゴリズム