文献

J-GLOBAL ID：201902230548303538   整理番号：19A0033964

予測のための機械学習グレイモデル【JST・京大機械翻訳】

Machine Learning Grey Model for Prediction

著者 (6件)： Kumar R Subham ,  Ganesh G S ,  Vijayarangan N ,  Padmanabhan K ,  Satish B ,  Kumar Alok
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CSCI  ページ： 799-804  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 一次導関数と一つの独立変数を意味する灰色モデルGM(1,1)は,より良い精度を生み出す結果を予測すると考えられる。予測のための灰色モデルGM(n,m)を解くことは,nが導関数次数で,m,独立変数の数である,高次導関数の誤った結果により,依然として課題となっている。本論文では,この問題を低減法と再帰計算により解決した。そこで,著者らは,機械学習を用いて一般化されるGM(n,m,k)と呼ばれる新しい方法を提案した。ここで,kは,与えられたシステムのm依存性または独立変数に属する制約の集合である。著者らは,航空会社産業における応用に対して提案した灰色モデルを適用してテストして,それは従来の灰色モデルよりはるかに良い精度で結果を与えることを証明した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *機械学習 ,  導関数
準シソーラス用語： 次数 ,  独立変数 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 予測 ,  機械学習 ,  グレイ ,  モデル