抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】