文献

J-GLOBAL ID：201902217537256312   整理番号：19A2887913

LSTMニューラルネットワークの複雑ネットワーク解析を用いたエルニーニョ南方振動予測

El Nino-Southern Oscillation forecasting using complex networks analysis of LSTM neural networks

著者 (8件)： Broni-Bedaiko Clifford (University of Ghana, Accra, Ghana) ,  Broni-Bedaiko Clifford (Soka University, Tokyo, Japan) ,  Katsriku Ferdinand Apietu (University of Ghana, Accra, Ghana) ,  Unemi Tatsuo (Soka University, Tokyo, Japan) ,  Atsumi Masayasu (Soka University, Tokyo, Japan) ,  Abdulai Jamal-Deen (University of Ghana, Accra, Ghana) ,  Shinomiya Norihiko (Soka University, Tokyo, Japan) ,  Owusu Ebenezer (University of Ghana, Accra, Ghana)
資料名： Artificial Life and Robotics  (Artificial Life and Robotics)
巻： 24  号： 4  ページ： 445-451  発行年： 2019年12月 
JST資料番号： L3251A  ISSN： 1433-5298  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 確かに,エルニーニョ南方振動(ENSO)は,過去数年間に集中的に研究されてきた最も影響力のある気候学的現象である。現在,科学界はENSO現象の基本的プロセスについてかなり分かっているが,人間社会と自然環境にとって非常に重要である長期的視点に立った予測可能性は科学界において依然として課題である。ここでは,ENSO現象を予測するために,長い短期記憶ニューラルネットワークを持つ気候ネットワークから抽出された種々の複雑なネットワークメトリックの使用に基づく手法を示した。その結果,予測子として抽出された12ネットワークメトリックが予測力および長い複数ステップ先のENSO現象を予測する可能性を有することを示唆する。Copyright 2019 International Society of Artificial Life and Robotics (ISAROB) Translated from English into Japanese by JST.

シソーラス用語： *ニューラルネットワーク ,  ネットワーク ,  複合系 ,  解析 ,  *エルニーニョ ,  南方振動 ,  *予測 ,  MIMOシステム ,  予測可能性 ,  自然環境 ,  予測技法 ,  複雑ネットワーク ,  ネットワーク解析 ,  時系列予測 ,  LSTMネットワーク
準シソーラス用語： LSTM ,  長短期記憶

著者キーワード (4件)： LSTM神経回路網 ,  複雑なネットワーク ,  ENSO予測 ,  時系列予測

分類 (2件)： 大気大循環,熱帯気象  (DC05060G) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： ニューラルネットワーク ,  複雑ネットワーク ,  解析 ,  エルニーニョ南方振動 ,  予測