文献

J-GLOBAL ID：202202237823066403   整理番号：22A1164676

気候予測:全球気温データを用いた長期短期記憶モデル【JST・京大機械翻訳】

Climate Forecasting:Long short Term Memory Model using Global Temperature Data

著者 (3件)： Akhila P. (Koneru Lakshmaiah Education Foundation,Department of Computer Science and Engineering,Vaddeswaram,AP,India) ,  Anjana R. L. S. (Koneru Lakshmaiah Education Foundation,Department of Computer Science and Engineering,Vaddeswaram,AP,India) ,  Kavitha M. (Koneru Lakshmaiah Education Foundation,Department of Computer Science and Engineering,Vaddeswaram,AP,India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： ICCMC  ページ： 469-473  発行年： 2022年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 気候は,特定の地域で経験した気象の長期パターンである。気候条件の変化は,日常生活において多くの影響を引き起こす。それは,農業と産業区域に関して巨大な影響を持った。深層学習技術は気候予測に広く適用可能である。気候を予測するために,人工再帰ニューラルネットワーク(RNN)設計である長期短期メモリ(LSTM)と呼ばれる深層学習技術を使用した。LSTMネットワークは時系列データに基づく予測に適している。本論文では,気候予測に関する既存の研究を分析し,日付,平均温帯,温度不確実性,国名,状態名等のようなパラメータを有する全球温度データセットを実用化のために利用した。LSTMモデル性能を,平均二乗誤差(MSE),平均絶対誤差(MAE),二乗平均平方根誤差(RMSE),および平均絶対パーセンタイル誤差(MAPE)の観点から解析した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 記憶装置 ,  *気温 ,  農業 ,  不確実性 ,  気象 ,  ニューラルネットワーク ,  *気候 ,  気象条件 ,  温帯
準シソーラス用語： 短期記憶 ,  時系列データ ,  平均二乗誤差 ,  *気候予報 ,  深層学習 ,  LSTMネットワーク , 【Automatic Indexing@JST】

分類 (5件)： 医用画像処理  (JE04020T) ,  NMR一般  (BM07041R) ,  図形・画像処理一般  (JE04010I) ,  音声処理  (JE05000E) ,  符号理論  (ND02030R)

タイトルに関連する用語 (6件)： 気候予測 ,  球 ,  気温 ,  長期 ,  短期記憶 ,  モデル