文献

J-GLOBAL ID：202002223770291501   整理番号：20A0784666

長期短期記憶ネットワークに基づく相対湿度の予測【JST・京大機械翻訳】

Prediction of relative humidity based on long short-term memory network

著者 (5件)： Hutapea Marlyna Infryanty (Department of Computer Science, Universitas Methodist Indonesia, Jl. Hang Tuah No.8, Medan, Sumatera Utara 20151, Indonesia) ,  Pratiwi Yolanda Yulianti (Department of Computer Science, Universitas Methodist Indonesia, Jl. Hang Tuah No.8, Medan, Sumatera Utara 20151, Indonesia) ,  Sarkis Indra M. (Department of Computer Science, Universitas Methodist Indonesia, Jl. Hang Tuah No.8, Medan, Sumatera Utara 20151, Indonesia) ,  Jaya Indra Kelana (Department of Computer Science, Universitas Methodist Indonesia, Jl. Hang Tuah No.8, Medan, Sumatera Utara 20151, Indonesia) ,  Sinambela Marzuki (Department of Physics, Faculty of Mathematics and Natural Sciences, Universitas Sumatera Utara, Jl. Bioteknologi No.1, Padang Bulan, Medan, Sumatera Utara 20155, Indonesia)
資料名： AIP Conference Proceedings  (AIP Conference Proceedings)
巻： 2221  号： 1  ページ： 060003-060003-5  発行年： 2020年 
JST資料番号： D0071C  ISSN： 0094-243X  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： 本論文の主要目標は,提案した長い短期記憶(LSTM)-基底相対湿度(RH)予測モデルの性能を評価することであった。計算物理学学習理論は人工知能の分野である。本論文において,著者らは,気象と気候における重要な側面と影響として,総観観測所位置からRHの実際に観察した気象データを使用して,LSTMニューラルネットワークに基づく機械学習方式を使用した。それは一種の再帰ニューラルネットワーク(RNN)であった。機械学習手法を用いて,LSTMモデルの相対湿度基底を計算した。LSTMは,2年間の気候データ(2008年1月~2009年12月)を用いて訓練された。LSTMは,強い非定常性を有する複雑な単変量相対湿度時系列を予測することができる。結果は,LSTMの有用性を示し,挑戦的な相対湿度記録問題における従来の予測法を実行した。Copyright 2020 AIP Publishing LLC All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *相対湿度 ,  気候 ,  気象データ ,  機械学習 ,  人工知能 ,  ニューラルネットワーク ,  基底 ,  予測技法 ,  *ネットワーク ,  予測モデル ,  気象
準シソーラス用語： 非定常性 ,  気候値 ,  学習理論 ,  短期記憶 , 【Automatic Indexing@JST】

分類 (2件)： 太陽光発電  (NB03090G) ,  放射,大気光学  (DC05080C)

タイトルに関連する用語 (4件)： 長期 ,  短期記憶 ,  相対湿度 ,  予測