文献

J-GLOBAL ID：202102252474436838   整理番号：21A0398679

オンライン旅客システム向けのサービス量予測アルゴリズム【JST・京大機械翻訳】

Service Volume Prediction Algorithm for Online Customer Service System

著者 (1件)： Zhou Zixin (河海大学 計算机与信息学院,南京,211100)
資料名： Jisuanjixitong Yingyong  (Jisuanjixitong Yingyong)
巻： 29  号： 4  ページ： 137-143  発行年： 2020年 
JST資料番号： C4394A  ISSN： 1003-3254  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： オンライン旅客システムのサービス量は,多くの因子によって影響され,システムのサービス量予測精度を改善するために,離散的変異制御パラメータに基づく適応微分進化アルゴリズム(DMPSADE)を提案し,改良アルゴリズムIDMPSADEを提案した。長期記憶ニューラルネットワークLSTMと組合せて,サービス量を予測するIDMPSADE-LSTMを構築した。IDMPSADEにおいて、子世代の個体群テスト関数の最適化性能に父代の個体群がよい場合、父代の個体群個体に対して逆方向誘導を行い、局部最適を飛び出し、大域最適能力まで探索する。LSTMのニューロン数、反復回数、学習率及び訓練バッチは経験を通して設置する必要があるため、大きなランダム性があるため、IDMPSADEを利用してこれらのパラメータに対して最適化を行った。IDMPSADE-LSTMは、分析で得られた気温、降水量を影響因子として、サービス量の時間特徴を結びつけ、システムのサービス量を予測する。実験結果は,IDMPSADE-LSTM予測モデルが一般的ニューラルネットワークとSARIMA-SVM混合予測モデルより高い精度を有することを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  最適化 ,  気温 ,  降水量 ,  学習 ,  ニューロン ,  ニューラルネットワーク ,  *乗客 ,  個体群 ,  父親 ,  予測モデル
準シソーラス用語： 長期記憶 ,  予測精度 ,  *予測アルゴリズム ,  *オンライン , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (4件)： オンライン ,  旅客 ,  サービス ,  予測アルゴリズム