KENN:時系列予測のための知識の活用による深層ニューラルネットワークの強化【JST・京大機械翻訳】

Chattha Muhammad Ali; van Elst Ludger; Malik Muhammad Imran; Dengel Andreas; Ahmed Sheraz

プレプリント

J-GLOBAL ID：202202207794465299 整理番号：22P0286515

KENN:時系列予測のための知識の活用による深層ニューラルネットワークの強化【JST・京大機械翻訳】

KENN: Enhancing Deep Neural Networks by Leveraging Knowledge for Time Series Forecasting

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 (5件)： , , , ,
資料名：
発行年： 2022年02月08日プレプリントサーバーでの情報更新日： 2022年02月16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)

エンドツーエンドデータ駆動機械学習法は,実世界アプリケーションで実現できないことが多い訓練データの品質と量に関して,しばしば優れた要求を持つ。これは,災害予測,異常検出,および需要予測のような問題が,しばしば大量の歴史的データを持たないので,時系列領域で特に真実である。さらに,訓練のための過去の事例に純粋に頼るのは,そのように,1つの非常に重要な領域すなわち知識を無視しているので,準最適であり,それは,それ自身の明白な利点を持っている。本論文では,それらの個々の弱点を緩和する一方で,知識とデータドメインの両方の強度を結合することを特に目的とする時系列予測のために,新しい知識融合アーキテクチャ,知識強化ニューラルネットワーク(KENN)を提案した。KENNは全体フレームワークのデータ依存性を低減するだけでなく,純粋知識とデータ駆動ドメインにより生成されたものより良い予測を生成することにより,性能も改善することを示した。また,KENNを最先端の予測手法と比較し,KENNにより生成された予測が,データの50%だけを訓練した場合でさえ,かなり良好であることを示した。【JST・京大機械翻訳】

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

人工知能

, , , ,

前のページに戻る