文献

J-GLOBAL ID：202002226234505569   整理番号：20A2458639

時系列予測のためのロバストな経験的ウェーブレットファジィ認知マップ【JST・京大機械翻訳】

Robust empirical wavelet fuzzy cognitive map for time series forecasting

著者 (3件)： Gao Ruobin (School of Civil and Environmental Engineering, Nanyang Technological University, Singapore) ,  Du Liang (School of Civil and Environmental Engineering, Nanyang Technological University, Singapore) ,  Yuen Kum Fai (School of Civil and Environmental Engineering, Nanyang Technological University, Singapore)
資料名： Engineering Applications of Artificial Intelligence  (Engineering Applications of Artificial Intelligence)
巻： 96  ページ： Null  発行年： 2020年 
JST資料番号： T0797A  ISSN： 0952-1976  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)

抄録/ポイント： ファジィ認知地図は,時系列モデリングと予測において有意な成功を達成した。しかし,ファジィ認知マップは,非定常性と外れ値を扱う弱点を含んでいる。本論文では,ファジィ認知マップと経験的ウェーブレット変換に基づく新しい時系列予測モデルを提案した。経験的ウェーブレット変換を適用して,異なる周波数の情報を捉える異なるレベルへの元の時系列を分解した。次に,高次ファジィ認知地図を訓練して,すべてのサブ系列生成とオリジナル時系列間の関係をモデル化した。異常値に対する高次ファジィ認知マップのロバスト性を強化するために,サポートベクトル回帰に基づく新しい学習法を設計した。最後に,著者らは,数値予測を得るために,2つの高次ファジィ認知マップの各概念値の加算を分割した。8つの公共時系列に関する包括的な経験的研究は,文献からの一般的なベースラインモデルと比較して,提案モデルの優位性を検証した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 学習 ,  *波束 ,  異常値 ,  基準線 ,  数値予測 ,  *ロバスト性 ,  ウェーブレット変換
準シソーラス用語： *時系列予測 ,  非定常性 ,  サポートベクトル回帰 ,  列生成法 , 【Automatic Indexing@JST】

著者キーワード (4件)： ファジィ認知マップ ,  高次ファジィ認知マップ ,  経験的ウェーブレット変換 ,  時系列予測

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 時系列予測 ,  ロバスト ,  経験 ,  ウェーブレット ,  ファジィ認知マップ