文献

J-GLOBAL ID：202002224733548517   整理番号：20A2462047

MF-DCCAと多重ニューラルネットワークアプローチに基づく週末ボックスオフィス予測【JST・京大機械翻訳】

Weekend Box Office Forecasting Based on MF-DCCA and Multiple Neural Networks Approach

著者 (4件)： Gu Leilei (College of Physics and Electronic Engineering, Sichuan Normal University, Chengdu, China) ,  Zhang Xinxin (College of Physics and Electronic Engineering, Sichuan Normal University, Chengdu, China) ,  Li Ke (College of Physics and Electronic Engineering, Sichuan Normal University, Chengdu, China) ,  Jia Guozhu (College of Physics and Electronic Engineering, Sichuan Normal University, Chengdu, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： CSAE 2020  ページ： 1-6  発行年： 2020年 
JST資料番号： D0698C  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： ボックスオフィスレジットの予測は,常に困難で挑戦的な問題である。本論文では,マルチフラクタルトレンド交差相関解析(MF-DCCA)と多重ニューラルネットワーク(DNN,CNN,LSTM)に基づく週末ボックスオフィスレジットを正確に予測するための予測手法を提案した。MF-DCCAは,マルチフラクタルである各因子およびボックスオフィスレジットの間に長距離相互相関が存在することを,定量的に見出した。そのローリングウィンドウはニューラルネットワークの固有機構を反映することができて,オリジナルデータからモデルの一般化能力を改良することができる効果的データを抽出することができた。これらのフレームワークの予測性能は,単一ニューラルネットワークに基づく方法を満たすか,またはそれを超えることができる。(MF-DCCA)-DNNでは,分類精度は0.843,(MF-DCCA)-CNNは0.786,(MF-DCCA)-LSTMは0.986であった。本研究は,ボックスオフィスレジプス予測の精度と有効特性の抽出を濃縮し,改善するための理論的方法を提供する。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 予測技法 ,  *ニューラルネットワーク ,  *多重化 ,  横揺れ
準シソーラス用語： 相互相関 ,  マルチフラクタル ,  分類精度 ,  長短期記憶 , 【Automatic Indexing@JST】

著者キーワード (4件)： ボックスオフィスレセプト ,  予測 ,  MF-DCCA ,  ニューラルネットワーク

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： MF ,  多重 ,  ニューラルネットワーク ,  予測