AutoTS:二段階枝刈りに基づく自動時系列予測モデル設計【JST・京大機械翻訳】

Wang Chunnan; Chen Xingyu; Wu Chengyue; Wang Hongzhi

プレプリント

J-GLOBAL ID：202202203633968341 整理番号：22P0310819

AutoTS:二段階枝刈りに基づく自動時系列予測モデル設計【JST・京大機械翻訳】

AutoTS: Automatic Time Series Forecasting Model Design Based on Two-Stage Pruning

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年03月26日プレプリントサーバーでの情報更新日： 2022年03月26日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

与えられた時系列データシナリオに対する適切な予測モデルを効率的に設計するためのユーザを支援するための自動時系列予測(TSF)モデル設計は,緊急に解決すべき新しい研究トピックである。本論文では,既存の設計スキルを利用し,この問題を効果的に解くための効率的な探索手法の設計を試みるAutoTSアルゴリズムを提案した。自動TSでは,既存のTSF作業から効果的な設計経験を抽出する。異なるTSFタスクをサポートするための多様なTSFモデルを含む効果的な探索空間を生成するために,異なるソースからの設計経験の効果的な組合せを可能にした。巨大な探索空間を考慮して,AutoTSにおいて,探索の困難さを減らし,探索効率を改善するために,2段階剪定戦略を提案した。さらに,AutoTSにおいて,モジュールオプション間の関係を明らかにするために知識グラフを導入した。検索品質をさらに改善するために,各モジュールオプションの高レベル特徴を学習するために,これらの関係情報を完全に利用した。広範な実験結果は,AutoTSがTSF領域によく適していることを示した。それは既存のニューラルアーキテクチャ検索アルゴリズムより効率的であり,手動で設計したものより強力なTSFモデルを迅速に設計できる。【JST・京大機械翻訳】

, , , ,
, , , , , 【Automatic Indexing@JST】

人工知能 , ネットワーク法 , 計算理論

, , , ,

前のページに戻る