文献

J-GLOBAL ID：202202248702453774   整理番号：22A0979120

畳込みおよびスパイキングニューラルネットワークを用いた時空間相関による風速予測【JST・京大機械翻訳】

Wind Speed Prediction with Spatio Temporal Correlation using Convolutional and Spiking Neural Networks

著者 (4件)： Agrawal Tanay (Birla Institute of Technology and Science Pilani, Pilani Campus,Department of Mathematics,Jhunjhunu,Rajasthan,India,333031) ,  Sheoran Sarita (Birla Institute of Technology and Science Pilani, Pilani Campus,Department of Mathematics,Jhunjhunu,Rajasthan,India,333031) ,  Pasari Sumanta (Birla Institute of Technology and Science Pilani, Pilani Campus,Department of Mathematics,Jhunjhunu,Rajasthan,India,333031) ,  Shukla Sakshi (Birla Institute of Technology and Science Pilani, Pilani Campus,Department of Mathematics,Jhunjhunu,Rajasthan,India,333031)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： Confluence  ページ： 197-200  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： 固有の間欠性のために,時空相関による信頼できる風速予測は,グリッド運用とエネルギー取引を含む,いくつかの実際的応用のための重要な作業である。本論文は,人工ニューラルネットワーク(ANNs)の使用を通してこの問題に対処することを目的とする。提案モデルは,風速の時空特性を得るために,畳込みニューラルネットワーク(CNN)とスパイキングニューラルネットワーク(SNN)の統合である。CNNsは,データの空間的特徴を捕えるために利用され,SNNsは風速と学習空間特徴の間の関係を見つけるのに使用される。実データに関する実験結果は,オンラインモデルが時空相関を効率的に検索することを示した。それは,多層パーセプトロン,ディシジョンツリー,およびサポートベクトル回帰のような機械学習技術を含む従来のモデルより良い。5分から1時間にわたる試験範囲と提案モデルは,2つの尺度,すなわち,アレイ平均絶対百分率誤差(A-MAPE)とアレイ根二乗平均誤差(A-RMSE)を用いて比較したすべてのテスト層に対して改良を示した。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： *畳込み ,  *風速 ,  学習 ,  ニューラルネットワーク ,  ディシジョンツリー ,  間欠性 ,  多層パーセプトロン
準シソーラス用語： 空間相関 ,  オンライン ,  *スパイキングニューラルネットワーク ,  サポートベクトル回帰 ,  機械学習技術 ,  *風速予測 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (5件)： 音声処理  (JE05000E) ,  符号理論  (ND02030R) ,  専用演算制御装置  (JC04030Y) ,  図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 畳込み ,  スパイキングニューラルネットワーク ,  空間相関 ,  風速予測