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。
限られたデータセットと複雑な非線形関係は,マクロ経済問題に対して計量経済学を適用するときに出現する可能性がある挑戦である。本研究は,前者の場合の学習を転送するためのアプローチとして深層学習を提案し,後者の場合の変数間の関係をマップする。Bayes文脈において与えられた先験的分布を仮定するとき,マクロエコノマイザは既に転送学習を適用するが,他のモデルで観察された結果に基づく信号制限と較正パラメータによる構造VARの推定は,いくつかの例を名付けるために,適用マクロ経済におけるより体系的な移動学習戦略の進歩は,著者らが導入する技術革新である。提案した戦略を経験的に探索し,異なるが関連するドメインからのデータ,一種の移動学習が,ビジネスサイクル年代測定委員会がないとき,ビジネスサイクル相の同定を助け,経済的ベース出力ギャップを迅速に見積もることを示した。次に,深層学習法は学習表現の方法であるので,複数の非線形変換の構成により形成されるもの,より抽象的な表現を得るために,高周波変数から低周波数をマッピングするための深層学習を適用した。得られた結果は,マクロ経済問題に適用した深層学習モデルの適合性を示した。第1に,アメリカのビジネスサイクルを正しく分類するモデルを学習した。次に,移動学習を適用して,サンプル外ブラジルとヨーロッパデータのビジネスサイクルを同定できた。同じ線に沿って,モデルは,U.S.データに基づく出力ギャップを推定するために学習し,ブラジルデータに直面したときに良好な性能を得た。さらに,深い学習は,関連系列によって時系列を補間,分布,外挿する高周波データから低周波変数をマッピングするのに適切であることを証明した。【JST・京大機械翻訳】