構造的事前なしの構造化時系列予測【JST・京大機械翻訳】

Drakulic Darko; Andreoli Jean-Marc

プレプリント

J-GLOBAL ID：202202219760909757 整理番号：22P0286151

構造的事前なしの構造化時系列予測【JST・京大機械翻訳】

Structured Time Series Prediction without Structural Prior

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02月07日プレプリントサーバーでの情報更新日： 2022年02月07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)

時系列予測は,多くのドメイン(医学,地球科学,ネットワーク分析,財政,エコノメトリーなど)における応用を有する広く研究されている問題である。多変量時系列の場合,良好な性能の鍵は変量間の依存性を適切に捉えることである。しばしば,これらの変量は構造化され,すなわち,それらは抽象空間に局所化され,通常,物理的世界の側面を表し,予測量は,時間にわたる空間にわたる情報の拡散の形になる。拡散のいくつかのニューラルネットワークモデルを文献で提案した。しかしながら,既存の提案の大部分は,その点のペアワイズ拡散容量を計量するグラフの形で,空間構造に関するいくつかの先験的知識に依存する。データが既に拡散容量情報を含むので,また,通常は手作業グラフから得られたものよりより信頼できる形式で,この情報断片をしばしば必要とすることを論じた。そのようなグラフに頼らない完全データ駆動モデル,あるいは他の事前構造情報も提案した。ベースラインモデルで使用されるように,構造事前の性能に及ぼす影響を測定するために,実験の最初のセットを行い,非常に低いデータレベルを除いて,それは無視できるままであり,閾値を越えて,それは有害になるかもしれないことを示した。次に,実験の第2セットを通して,欠落データとドメイン適応の処理という2つの点でのモデルの容量を調べた。【JST・京大機械翻訳】

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

数値計算 , ニューロコンピュータ

前のページに戻る