文献

J-GLOBAL ID：201802268876442211   整理番号：18A0343028

エコー状態ネットワークを用いた非定常フラクタル時系列のデータ駆動型トレンド除去【Powered by NICT】

Data-driven detrending of nonstationary fractal time series with echo state networks

著者 (5件)： Maiorino Enrico (Dept. of Information Engineering, Electronics, and Telecommunications, SAPIENZA University of Rome, Italy) ,  Bianchi Filippo Maria (Machine Learning Group, Department of Physics and Technology, University of Tromso - The Arctic University of Norway, Norway) ,  Livi Lorenzo (Dept. of Computer Science, College of Engineering, Mathematics and Physical Sciences, University of Exeter, UK) ,  Rizzi Antonello (Dept. of Information Engineering, Electronics, and Telecommunications, SAPIENZA University of Rome, Italy) ,  Sadeghian Alireza (Dept. of Computer Science, Ryerson University, Toronto, Canada)
資料名： Information Sciences  (Information Sciences)
巻： 382-383  ページ： 359-373  発行年： 2017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,非定常,フラクタルおよび多重フラクタル時系列からの傾向(トレンド除去)を除去するための新しいデータ駆動型アプローチを提案した。は時間とともに発展することを基本的な力学系の測定と比較して実数値時系列を考察した。はこのような動的プロセスであるエコー状態ネットワーク(ESN)と呼ばれるリカレントネットワークのクラスを用い,一般的な動的過程をモデル化するためにできるによりある程度予測可能であることを仮定した。関心の重畳(多)フラクタル成分を単離するために,筆者らは与えられた入力時系列のトレンド成分を同定するためのESN予測能力に活用することによりデータ駆動フィルタを定義した。特に,(推定)傾向は,最初の時系列から除去されると残留信号はマルチフラクタルトレンド除去変動解析法を用いて解析しトレンド除去手順の正しさを検証することである。提案手法の有効性を実証するために,異なるタイプの傾向と既知の特性を有するフラクタル雑音成分からなるいくつかの合成時系列を考察した。ではまた,実世界データセット,太陽黒点時系列であり,その多重フラクタル特徴のよく知られているを処理し,最近複雑なシステム分野で注目を集めている。結果は,ESNに基づく提案したトレンド除去法の妥当性と一般性を示した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 力学系 ,  多重化 ,  モデリング ,  普遍性 ,  フィルタ ,  実数 ,  畳込み ,  予測 ,  *フラクタル
準シソーラス用語： トレンド除去変動解析 ,  リカレントニューラルネットワーク ,  *データ駆動 ,  *非定常性 ,  *エコー状態ネットワーク , 【Automatic Indexing@JST】

著者キーワード (6件)： フラクタル時系列 ,  多重スケーリング ,  ゆらぎ解析 ,  トレンド除去 ,  エコー状態ネットワーク ,  予測

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： エコー状態ネットワーク ,  非定常 ,  フラクタル ,  時系列 ,  データ駆動 ,  トレンド