文献

J-GLOBAL ID：202002269956907875   整理番号：20A2526711

金融予測におけるアンサンブル多次元Gaussニューロファジィモデルを合成するための経験的モード分解に基づく方法【JST・京大機械翻訳】

An Empirical Mode Decomposition Based Method to Synthesize Ensemble Multidimensional Gaussian Neuro-Fuzzy Models in Financial Forecasting

著者 (5件)： Vlasenko Alexander (Kharkiv National University of Radio Electronics, Kharkiv, Ukraine) ,  Vlasenko Nataliia (Simon Kuznets Kharkiv National University of Economics, Kharkiv, Ukraine) ,  Vynokurova Olena (Kharkiv National University of Radio Electronics, Kharkiv, Ukraine) ,  Vynokurova Olena (GeoGuard, Kharkiv/Lviv, Ukraine) ,  Peleshko Dmytro (GeoGuard, Kharkiv/Lviv, Ukraine)
資料名： Communications in Computer and Information Science  (Communications in Computer and Information Science)
巻： 1158  ページ： 140-149  発行年： 2020年 
JST資料番号： W5071A  ISSN： 1865-0929  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 時系列は経済の異なる分野で発生し,それらの予測は意思決定の重要な部分である。しかし,それらの固有の複雑性と非線形挙動は,その分野を挑戦的なタスクで予測する。ハイブリッド人工知能モデルは,そのような複雑な動力学を扱う際に最も強力なツールである。本論文は,より良い精度を達成するために,アンサンブル多次元Gaussベースのニューロファジーモデルのための雑音除去と分解フレームワークとして経験的モード分解を使用する新規モデルを紹介する。計算実験結果は,提案したアプローチの明白な利点,一般化能力の保存によるより速い誤差減衰,および妥当な計算オーバヘッドを示した。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 意思決定 ,  *金融 ,  人工知能 ,  *高次元 ,  ファジィニューラルネットワーク ,  雑音除去
準シソーラス用語： 時系列予測 ,  複雑性 ,  経験的モード分解 , 【Automatic Indexing@JST】

著者キーワード (4件)： 時系列予測 ,  経験的モード分解 ,  ニューロファジィ ,  多次元Gauss

分類 (2件)： 風力エネルギー  (LB03060X) ,  局地循環,気流  (DC05090N)

タイトルに関連する用語 (7件)： 金融 ,  予測 ,  アンサンブル ,  多次元 ,  ニューロファジィ ,  モデル ,  経験的モード分解