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。
キャスティングは,最終GDP図のような重要な時間遅れで公開されたデータに対する政策立案者のタイムリーな洞察を与える際に重要な役割を果たす。現在,実務者にとっては,多くの方法論とアプローチがある。しかし,予測性能と特性に関して,これらの異種アプローチの包括的な比較が不足している。今報では,現在,最も普及している伝統的な機械学習アプローチの幾つかと同様に,現在注型で採用されているすべての方法を含む,米国四半期GDP成長を注型する12の異なる方法論の性能を調べることによって,欠陥が取り組まれている。アメリカの経済歴史における3つの異なるtum雑な期間,すなわち1980年代早期の後退,2008年の財政危機,およびCOVID危機について性能を評価した。解析における2つの最良の実行方法は,長い短期記憶人工ニューラルネットワーク(LSTM)とBayesベクトル自己回帰(BVAR)であった。調べた方法論のそれぞれの適用と試験を容易にするために,異なるデータセットに適用することができるボイラプレートコードを含むオープンソースリポジトリを,論文に沿って発表し,即ち,ギトブ・コ/ドップ1/知識キャッセンブ・ベンチマークで利用できる。【JST・京大機械翻訳】