COVID-19危機中の現在キャスティングにおける長期短期記憶人工ニューラルネットワークの性能【JST・京大機械翻訳】

Hopp Daniel

プレプリント

J-GLOBAL ID：202202214002711073 整理番号：22P0308522

COVID-19危機中の現在キャスティングにおける長期短期記憶人工ニューラルネットワークの性能【JST・京大機械翻訳】

Performance of long short-term memory artificial neural networks in nowcasting during the COVID-19 crisis

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 (1件)：
資料名：
発行年： 2022年03月22日プレプリントサーバーでの情報更新日： 2022年03月22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)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

COVID-19パンデミックは,マクロ経済変数のタイムリーな推定のための政策立案者の増加する必要性を実証した。事前UNCTAD研究論文では,この性質の経済的予測を行うための長い短期メモリ人工ニューラルネットワーク(LSTM)の適合性を調べた。ここでは,COVID-19パンデミック中のLSTMの性能を比較し,野外で一般的に使用される方法論である動的因子モデル(DFM)と対比した。3つの別々の変数,グローバルマーチャンス輸出価値と体積とグローバルサービス輸出は,2020年の第2,第3と第4の4分の1と2021の第1と第2の4分の1のために評価された実際のデータビンテージと性能によってナウキャストであった。平均絶対誤差と二乗平均平方根誤差の両方に関して,LSTMは可変/四分組合せの2/3でより良い性能を得て,より一貫したナラティブとより小さな修正でより緩やかな予測進化を示した。さらに,LSTMsへの解釈可能性を導入する方法論を導入し,現在,R,MATLAB,およびJuliaで利用可能な,現在,鋳造したLstm Pythonライブラリで利用できるようにした。【JST・京大機械翻訳】

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

パターン認識 , ニューロコンピュータ , 人工知能

, , , ,

前のページに戻る