文献

J-GLOBAL ID：201802276361148531   整理番号：18A0472645

空間-時間系列予測のための不均一空間-時間人工ニューラルネットワーク【Powered by NICT】

Heterogeneous Space-Time Artificial Neural Networks for Space-Time Series Prediction

著者 (6件)： Deng Min (Department of Geo-Informatics, Central South University, Changsha, China) ,  Yang Wentao (Department of Geo-Informatics, Central South University, Changsha, China) ,  Liu Qiliang (Department of Geo-Informatics, Central South University, Changsha, China) ,  Jin Rui (Department of Geo-Informatics, Central South University, Changsha, China) ,  Xu Feng (Department of Geo-Informatics, Central South University, Changsha, China) ,  Zhang Yunfei (Department of Geo-Informatics, Central South University, Changsha, China)
資料名： Transactions in Gis  (Transactions in Gis)
巻： 22  号： 1  ページ： 183-201  発行年： 2018年 
JST資料番号： W2757A  ISSN： 1361-1682  資料種別： 逐次刊行物 (A)
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： 空間-時間系列予測は地理的データマイニングと知識発見の領域で重要な役割を果たす。一般に,空間-時間系列予測の既存の手法は二つの主要なカテゴリーに分けることができる:統計的機械学習法。,機械学習法を非線形問題を扱うことに関して明白な利点を持っている。しかし,空間-時間依存性と空間-時間データの不均一性は,既存の機械学習手法によって十分に対処されていない。この限界のために,空間-時間系列の正確な予測はまだ挑戦的な問題である。それ故,本研究では,空間-時間依存性と不均一性の両方は,フィードバック人工神経回路網に組み込まれている,不均一空間-時間人工神経回路網(HSTANNs)空間-時間系列予測のために開発した。最初に,空間的不均一性を扱うために,空間-時間系列クラスタリングは,研究地域を均質サブ領域のセットに使用されている。,採用したデータセットの空間-時間依存性構造を探求することである空間-時間自己相関解析。HSTANNは各サブ領域に対して確立した。さらに,HSTANNsは北京-天津-河北における微細粒子状物質(PM_2)の濃度を予測するために適用した。実験結果は,他の方法と比較した場合,予測結果の精度はHSTANNsを用いてかなり改善されることを示した。Copyright 2018 Wiley Publishing Japan K.K. All Rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *ニューラルネットワーク ,  データマイニング ,  時間依存性 ,  フィードバック ,  機械学習 ,  *予測 ,  地理学 ,  非線形問題 ,  クラスタ化 ,  知識発見 ,  不均一性
準シソーラス用語： 天津市 ,  相関分析 ,  空間的不均一性 ,  統計的機械学習 , 【Automatic Indexing@JST】

分類 (5件)： 治療学一般  (GC03011J) ,  基礎治療学  (GC03012A) ,  高分子固体の構造と形態学  (CG02022M) ,  ポーラロン,電子-フォノン相互作用  (BM02130P) ,  看護,看護サービス  (GB07000G)

タイトルに関連する用語 (4件)： 時間系列 ,  予測 ,  不均一 ,  人工ニューラルネットワーク