文献

J-GLOBAL ID：202202263847275695   整理番号：22A0894205

適応ファジィ結合器を用いた積層アンサンブルモデルを用いた観光需要予測【JST・京大機械翻訳】

Tourism demand forecasting using stacking ensemble model with adaptive fuzzy combiner

著者 (3件)： Cankurt Selcuk (Faculty of Engineering and Natural Sciences, Suleyman Demirel University, Almaty, Kazakhstan) ,  Subasi Abdulhamit (Institute of Biomedicine, Faculty of Medicine, University of Turku, Turku, Finland) ,  Subasi Abdulhamit (Department of Computer Science, College of Engineering, Effat University, Jeddah, Saudi Arabia)
資料名： Soft Computing  (Soft Computing)
巻： 26  号： 7  ページ： 3455-3467  発行年： 2022年 
JST資料番号： W1043A  ISSN： 1432-7643  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： 過去数十年にわたって,いくつかのソフトコンピューティング技術が観光需要予測に適用された。これらの技術の中で,ANFISのニューロファジーモデル(適応ニューロファジー推論システム)が出現し始めた。従来のANFISモデルは,データセットの大きな次元を扱うことができず,また,62の時系列から成るデータセットで研究することができない。本研究は,多変量予測のための多数の入力変数を取り扱うためにANFISとニューラルネットワークを組み込むことによってアンサンブルモデルを開発することを試みた。提案手法は,2つのベース学習者の協調であり,それは,ニューラルネットワークモデルの型と,積層集合のフレームワークにおけるANFISのメタ学習者である。その結果,ANFIS(メタ学習者)とANNモデル(ベース学習者)の積層アンサンブルは,ベース学習者の独立対応者より優れていることを示した。数値結果は,提案したアンサンブルモデルが,それぞれ,8.50と9.18%のMAPEsを有する単一物質ANNモデルと比較して,7.26%のMAPEを達成したことを示した。最後に,本研究は,観光需要予測の文脈におけるアンサンブルシステムの新しい応用である本研究は,人工ニューラルネットワークに基づく単一エキスパートシステムのそれらと比較して,より良い結果を示した。Copyright The Author(s) 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 計算機利用 ,  予測 ,  結合器 ,  ニューラルネットワーク ,  *観光 ,  *需要予測 ,  *モデル ,  推論 ,  曖昧さ ,  エキスパートシステム ,  ファジィニューラルネットワーク
準シソーラス用語： 神経回路網モデル ,  学習者 ,  ソフトコンピューティング ,  メタ学習 ,  適応ニューロ-ファジィ推論システム , 【Automatic Indexing@JST】

著者キーワード (5件)： 人工ニューラルネットワーク(ANN) ,  ANFIS ,  多変量時系列予測 ,  スタッキングアンサンブル ,  観光需要予測

分類 (5件)： 電気めっき  (WC08023B) ,  機械的性質  (WB02030U) ,  CAI  (JE09000G) ,  砂糖以外の糖  (FJ05020L) ,  気圏環境汚染  (SB03020M)

タイトルに関連する用語 (6件)： 適応 ,  ファジィ ,  結合器 ,  アンサンブルモデル ,  観光 ,  需要予測