文献

J-GLOBAL ID：202102290023056186   整理番号：21A0235219

LSTMベースニューラルネットワークを用いた時系列予測に対するルックバック期間,エポックおよび隠れ状態効果【JST・京大機械翻訳】

Lookback Period, Epochs and Hidden States Effect on Time Series Prediction Using a LSTM based Neural Network

著者 (3件)： Koparanov Kiril Andreev (Technical University of Sofia,Faculty of Computer Systems and Technologies,Department of Programming and Computer Technologies,8 Kliment Ohridski blvd.,Sofia,Bulgaria,1000) ,  Georgiev Krasin Krasimirov (Technical University of Sofia,Faculty of Computer Systems and Technologies,Department of Programming and Computer Technologies,8 Kliment Ohridski blvd.,Sofia,Bulgaria,1000) ,  Shterev Vasil Aleksandrov (Technical University of Sofia,Faculty of Computer Systems and Technologies,Department of Programming and Computer Technologies,8 Kliment Ohridski blvd.,Sofia,Bulgaria,1000)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： TELECOM  ページ： 61-64  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： 予測時系列問題は,様々な主題領域で発生する。最近,ニューラルネットワーク技術がそのようなタスクを解くために使用されてきた。しかし,それらは十分に研究されていない。本論文は,長い短期記憶を用いて,予測時系列におけるルックバック期間,訓練期間,および隠れ状態次元の影響を探究した。用例金融データによる数値実験は,より多くの遅れを使用することが結果を改善しないことを示した。モデルパラメータのそのような研究は,それらの適切な選択にとって重要である。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： *ニューラルネットワーク ,  金融
準シソーラス用語： 短期記憶 ,  *時系列予測 ,  モデルパラメータ ,  数値実験 ,  長短期記憶 , 【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)： LSTM ,  ニューラルネットワーク ,  時系列予測 ,  バック ,  エポック