高周波時系列を予測するためのBスプラインウェーブレット多重解像度によるDWT-RNNモデルの改良【JST・京大機械翻訳】

Hajiabotorabi Zeinab; Hajiabotorabi Zeinab; Kazemi Aliyeh; Samavati Faramarz Famil; Maalek Ghaini Farid Mohammad

文献

J-GLOBAL ID：201902286552675356 整理番号：19A2277896

高周波時系列を予測するためのBスプラインウェーブレット多重解像度によるDWT-RNNモデルの改良【JST・京大機械翻訳】

Improving DWT-RNN model via B-spline wavelet multiresolution to forecast a high-frequency time series

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=19A2277896&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=19A2277896&from=J-GLOBAL&jstjournalNo=W0178A") }}

著者 (5件)： , , , ,
資料名：
巻： 138 ページ： Null 発行年： 2019年
JST資料番号： W0178A ISSN： 0957-4174 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)

本論文では,高周波時系列を予測するための効率的離散ウェーブレット変換(DWT)を用いて改善されるリカレントニューラルネットワーク(RNN)を提案した。結合したDWT-RNNモデルにおいて,最初に,高次d(BSD)のB-スプラインウェーブレットに基づく多重分解能を用いて,時系列をいくつかの滑らかなデータセットに分解した。したがって,近似データセット(低周波数)といくつかの詳細データセット(高周波による)を,小さな波動振幅で得た。次に,すべての分解成分をRNN入力として用いた。提案したBSD-RNNモデルは,満足できる精度で滑らかなパターンを近似することができ,局所的性質のために,BSDは,高周波時系列を前処理するために,HaarやDaubechiesの順序n(DBN)のような他の一般的DWTより良い選択である。4つの異なるストック指数を予測するための性能計量の結果によると,BSd-RNNモデルはHaar-RNNやdbn-RNNなどの他の一般的なDWT-RNNモデルより優れている。また,結果は,BSD-RNNモデルが多層フィードフォワード神経回路網(FFNN)のような他の一般的人工ニューラルネットワーク(ANN)モデルより優れていることを示した。最後に,結果は,BS3-RNN予測モデルが他のウェーブレットまたは他のANNsを使用する他の比較モデルより良い予測能力を持つことを示した。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , 【Automatic Indexing@JST】

著者キーワード (5件)： , , , ,

パターン認識 , 図形・画像処理一般

, , , , , , , ,

前のページに戻る