文献

J-GLOBAL ID：202202231691655890   整理番号：22A0772367

降水量予測のための自動ハイパーパラメータ最適化DNNモデル【JST・京大機械翻訳】

An automatic hyperparameter optimization DNN model for precipitation prediction

著者 (7件)： Peng Yuzhong (School of Computer & Information Engineering, Nanning Normal University, Nanning, China) ,  Peng Yuzhong (College of Computer Science & Technology, Fudan University, Shanghai, China) ,  Gong Daoqing (School of Computer & Information Engineering, Nanning Normal University, Nanning, China) ,  Deng Chuyan (School of Computer & Information Engineering, Nanning Normal University, Nanning, China) ,  Li Hongya (Department of Science, Shangqiu University Applied Science and Technology College, Kaifeng, China) ,  Cai Hongguo (Department of Mathematics and Computer Science, The Guangxi College of Education, Nanning, China) ,  Zhang Hao (College of Computer Science & Technology, Fudan University, Shanghai, China)
資料名： Applied Intelligence  (Applied Intelligence)
巻： 52  号： 3  ページ： 2703-2719  発行年： 2022年 
JST資料番号： W0297A  ISSN： 0924-669X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 深層ニューラルネットワーク(DNN)は,近年多くの降雨予測タスクに関して顕著な成功を得ている。しかし,DNNの性能はハイパーパラメータ設定に大きく依存した。最良の性能を有するDNNを設計するために,DNNと調査中の問題領域の両方における広範囲な専門知識が必要である。しかし,多くのDNNユーザはこの要求を満たしていない。したがって,DNNにおいて広範囲な専門知識を持たないユーザにとって,その降雨予測問題に対する最適DNNアーキテクチャの設計は難しい。本論文では,改良遺伝子発現プログラミングを用いて,DNNのための新しい自動ハイパーパラメータ最適化法を提案した。提案方法は,降水モデリングと予測のためにDNNのハイパーパラメータを自動的に最適化できる。MAE,MSE,RMSE,およびR-Squaredを含む4つの計量に関する提案アルゴリズムの性能を検証するために,3つの実際の降水データセットを用いて大規模な実験を行った。結果は以下を示した。1)提案方法によって最適化されたDNNは,多重線形回帰(MLR),バックプロパゲーション(BP),サポートベクトルマシン(SVM),ランダムフォレスト(RF),およびDNNを含む既存の降水予測方法より優れている。2)提案したDNNハイパーパラメータ最適化法は,遺伝的アルゴリズム,Bayes検索,グリッド検索,ランダム化検索,および準ランダム探索を含む最先端のDNNハイパーパラメータ最適化法より優れている。Copyright The Author(s), under exclusive licence to Springer Science+Business Media, LLC, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *最適化 ,  *降水 ,  *降水量 ,  降水予報 ,  計算機アーキテクチャ ,  逆伝搬法 ,  遺伝的アルゴリズム ,  サポートベクトルマシン
準シソーラス用語： *パラメータ最適化 ,  ランダムフォレスト ,  多重線形回帰 ,  *ハイパーパラメータ ,  ディープニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (6件)： 深層ニューラルネットワーク ,  降水予測 ,  神経構造最適化 ,  神経アーキテクチャ探索 ,  ハイパーパラメータ最適化 ,  遺伝子発現プログラミング

分類 (3件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 降水量 ,  予測 ,  ハイパーパラメータ ,  最適化 ,  モデル