深いアンサンブルからの分布予測の集約【JST・京大機械翻訳】

Schulz Benedikt; Lerch Sebastian

プレプリント

J-GLOBAL ID：202202215555861428 整理番号：22P0325788

深いアンサンブルからの分布予測の集約【JST・京大機械翻訳】

Aggregating distribution forecasts from deep ensembles

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 (2件)： ,
資料名：
発行年： 2022年04月05日プレプリントサーバーでの情報更新日： 2022年04月05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)

予測の不確実性を正確に定量化する重要性は,確率的予測に関する最近の研究を動機づけた。特に,ニューラルネットワークの出力として得られた予測分布により,多様な深層学習手法が提案されてきた。これらのニューラルネットワークベースの方法は,異なるランダム初期化からの多重モデルに基づくアンサンブルの形でしばしば使用され,最終確率予測に集約される必要がある予測分布の収集をもたらす。アンサンブル法に関する機械学習文献と予測組合せに関する統計的文献からの知見を整理する目的で,そのような深いアンサンブルに基づいて分布予測をどのように集約するかの疑問に取り組んだ。理論的議論,シミュレーション実験および風突風予測に関する事例研究を用いて,著者らは,出力として異なる予測分布型を有する3つのニューラルネットワークベースのアプローチのために,確率および分位ベースの集約法を系統的に比較した。著者らの結果は,予測分布の組合せが予測性能を実質的に改良できることを示した。予測密度の線形結合と比較して優れた性能を示す深いアンサンブルに対する一般的分位集合フレームワークを提案した。最後に,アンサンブルサイズの影響を検討し,実際に深層アンサンブルからの集約分布予測の推奨を導いた。【JST・京大機械翻訳】

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

風力発電 , 太陽光発電 , 流出解析

, , ,

前のページに戻る