文献

J-GLOBAL ID：202002235212537397   整理番号：20A2076501

季節時系列のための方法推奨に基づく自動予測フレームワーク【JST・京大機械翻訳】

An Automated Forecasting Framework based on Method Recommendation for Seasonal Time Series

著者 (6件)： Bauer Andre (University of Wuerzburg, Wuerzburg, Germany) ,  Zuefle Marwin (University of Wuerzburg, Wuerzburg, Germany) ,  Grohmann Johannes (University of Wuerzburg, Wuerzburg, Germany) ,  Schmitt Norbert (University of Wuerzburg, Wuerzburg, Germany) ,  Herbst Nikolas (University of Wuerzburg, Wuerzburg, Germany) ,  Kounev Samuel (University of Wuerzburg, Wuerzburg, Germany)
資料名： ACM Proceedings  (ACM Proceedings)
号： ICPE ’20  ページ： 48-55  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： ユーザの高速容量と変化要求のため,コンピューティングシステムは自律資源管理を必要とする。特別なオーバヘッドを引き起こす変化に対する積極的で正確な意思決定を可能にするために,信頼できる予測が必要である。実際,与えられた時系列シナリオのための最良の性能予測方法を選択することは,重要なタスクである。「No-Free-Lunch the Form」を考慮して,すべてのタイプの時系列で最良の性能を実行する予測方法は存在しない。この目的のために,(i)与えられた時系列から特性を抽出する自動手法,(ii)推薦に基づく最良適合機械学習法を選択し,最後に予測を実行する。本アプローチは,その不正確な予測による単一方法に依存しない利点を提供した。広範な評価において,提案アプローチは最良の予測精度を達成した。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 ,  意思決定 ,  計算機システム ,  機械学習 ,  資源管理
準シソーラス用語： 自律性 ,  性能予測 ,  予測精度 ,  オーバヘッド , 【Automatic Indexing@JST】

著者キーワード (5件)： 比較研究 ,  特徴工学 ,  予測 ,  機械学習 ,  勧告

分類 (2件)： 人工知能  (JE08000Z) ,  数値計算  (JE02000J)

タイトルに関連する用語 (5件)： 季節 ,  時系列 ,  推奨 ,  予測 ,  フレームワーク