文献

J-GLOBAL ID：202202240441042451   整理番号：22A1088428

遺伝的アルゴリズム-LSTM技術を用いた信用スコア予測【JST・京大機械翻訳】

Credit Score Prediction using Genetic Algorithm-LSTM Technique

著者 (5件)： Adisa Juliana (Tshwane University of Technology,Department of Computer Systems and Engineering,Pretoria,South Africa) ,  Ojo Samuel (Tshwane University of Technology,Department of Computer Systems and Engineering,Pretoria,South Africa) ,  Owolawi Pius (Tshwane University of Technology,Department of Computer Systems and Engineering,Pretoria,South Africa) ,  Pretorius Agnieta (Tshwane University of Technology,Department of Computer Systems and Engineering,Pretoria,South Africa) ,  Ojo Sunday O. (Durban University of Technology,Department of Information Technology,Durban,South Africa)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： ICTAS  ページ： 1-6  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： データマイニングにおいて,予測の目標は,正確な結果を提供できるより効果的なモデルを開発することである。以前の文献は,異なる分類技術を研究し,複数の分類器をアンサンブルに組み合わせることが,ほとんどの単一分類器手法より優れていることを見出した。アンサンブル分類器の性能はいくつかの因子によって影響を受ける。最良の分類技術を決定する方法。どの組合せ法が使用するか。本論文は,Long Short-Termメモリ(LSTM)を適用し,これは,金融領域に対して本質的に適切であるが,信用スコアリング予測にはほとんど適用されない,最も先進的な深層学習アルゴリズムの一つである。本研究は,深層学習アルゴリズムの最適パラメータを決定する最適化アプローチを示した。LSTMパラメータを最適化アルゴリズムを用いて決定した。LSTMパラメータは,時代,バッチサイズ,ニューロン数,学習速度,およびドロップアウトを含む。結果は,最適化LSTMモデルが単一分類器とアンサンブルモデルの両方より優れていることを示した。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 ,  最適化 ,  ニューロン ,  最適化手法 ,  金融 ,  深層 ,  *遺伝的アルゴリズム ,  学習アルゴリズム ,  データマイニング
準シソーラス用語： 学習速度 ,  スコア化 ,  最適パラメータ ,  長短期記憶 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 遺伝的アルゴリズム ,  LSTM ,  信用 ,  スコア ,  予測