文献

J-GLOBAL ID：202102220512939649   整理番号：21A2098299

ニッケル価格予測のための多重カーネルベース長期記憶ネットワークを用いた投資ポートフォリオ管理のための強化予測【JST・京大機械翻訳】

Enhanced Prediction for Investment Portfolio Management using Multiple Kernel-based Long Short-Term Memory-Network for Nickel Price Prediction

著者 (5件)： Padmavathi G. (Avinashilingam Institute for Home Science and Higher Education for Women,Department of Computer Science,Coimbatore,India) ,  Valliammal N. (Avinashilingam Institute for Home Science and Higher Education for Women,Department of Computer Science,Coimbatore,India) ,  Shaju Barani (Avinashilingam Institute for Home Science and Higher Education for Women,Department of Computer Science,Coimbatore,India) ,  Balasubramaniam Anandkumar (The School of Computer Science & Engineering, Kyungpook National University,Daegu,South Korea) ,  Paul Anand (The School of Computer Science & Engineering, Kyungpook National University,Daegu,South Korea)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICOT  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： ニッケルは,商品と経済特性を有する重要な競合材料源であり,その価格変動が株主の意思決定に影響するであろう。この理由のために,ニッケル価格の正確なパターン予測は,ニッケル取引における投資家の戦略的計画にとって重大な関心事である。しかし,従来のニューラルネットワークモデルは予測性能と適合性に関して有効でない。従って,Gaussプロセス-Long Short-Termメモリ(GP-LSTM)モデルは,LSTMカーネルを学習し,ニッケル価格を予測することが示唆された。しかし,このカーネル関数表現は,様々な情報源から捕捉された膨大な量のデータに対して,多くは存在しなかった。また,それは動的,複合的および構造的データ属性を完全に学ぶことができない。したがって,本論文では,膨大な量のデータを学習し,ニッケル価格を効率的に予測するために,多重Kernel LSTM(MKLSTM)ネットワークモデルを提案した。このMKLSTMモデルのコア目的は,ニッケル産業からのデータを用いてLSTMと多重カーネル関数を追加することの困難さを解決することである。このモデルを適用して,適切なデータを表現するための重要な属性を見出した。また,動的および構造的データ属性を学習するための適切な大きなカーネルを,有向非循環グラフ(DAG)を構築することによって選択した。選択したカーネルを用いて,MKLSTMを学習してニッケル価格とその変動を予測した。最後に,実験結果は,LSTMおよびGP-LSTMモデルと比較して,ニッケル価格データベースを用いたMKLSTMの性能を示した。Copyright 2021 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： 記憶装置 ,  意思決定 ,  情報源 ,  データベース ,  *投資 ,  *ネットワーク ,  *ニッケル ,  Gauss過程 ,  適応性 ,  *多重化
準シソーラス用語： 神経回路網モデル ,  価格変動 ,  ネットワークモデル ,  DAG【グラフ】 ,  Kernel関数 , 【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 (9件)： ニッケル ,  価格予測 ,  多重 ,  カーネル ,  長期記憶 ,  投資 ,  ポートフォリオ管理 ,  強化 ,  予測