文献

J-GLOBAL ID：202002284310659080   整理番号：20A2282444

PIDベース残差補償による多変量時系列予測【JST・京大機械翻訳】

Multivariate Time Series Prediction with PID-based Residual Compensation

著者 (3件)： Liu Jinxin (Westlake University,School of Engineering,Hangzhou,China,310024) ,  Tian Qiangxing (Westlake University,School of Engineering,Hangzhou,China,310024) ,  Wang Donglin (Westlake University,School of Engineering,Hangzhou,China,310024)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IJCNN  ページ： 1-7  発行年： 2020年 
JST資料番号： W2441A  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： 多変量時系列予測は,様々な実用領域に対して基本的に重要である。予測の精度と効率を改善するために,多くの有用な技術が文献で提案されている。しかし,時間スタンプと多重時系列間の対話型依存性の間の複雑な依存性のため,高精度を追求し,予測誤差を軽減するのは非常に難しい。本論文では,多変量時系列予測のための残差補償方式を提案し,そこでは,予測誤差をPIDベース残差ネットワーク(PID-R)によってモデル化し,種々の線形,累積および微分効果をカバーする。残差補償の有効性を評価するために,古典的ベクトル自己回帰(VAR)とSeq2Seqモデルを統合するハイブリッド構造を,初期予測子として構築した。残差補償(FPRC)による提案した最終予測子は,初期予測子とPID-Rを組み込んだ。広範な実験は,FPRCが最先端の方法と比較して優れた精度を達成し,アブレーション解析が残留補償の有効性を実証することを示した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ネットワーク ,  *残差 ,  微分 ,  多重化 ,  線形性 ,  有効性 ,  アブレーション ,  予測誤差 ,  複合構造
準シソーラス用語： *時系列予測 ,  予測子 ,  高精度 ,  スタンプ ,  ベクトル自己回帰 ,  *多変量 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： PID ,  残差 ,  補償 ,  多変量 ,  時系列予測