文献

J-GLOBAL ID：202202264156832998   整理番号：22A0964249

ニューラルネットワークを用いた金融データ時系列予測と比較研究【JST・京大機械翻訳】

Financial Data Time Series Forecasting Using Neural Networks and a Comparative Study

著者 (6件)： Khandelwal Ritvik (Dwarkadas J. Sanghvi College of Engineering,Electronics and Telecommunication,Mumbai,India) ,  Marfatia Prasham (Dwarkadas J. Sanghvi College of Engineering,Electronics and Telecommunication,Mumbai,India) ,  Shah Shubham (Shah and Anchor Kutchhi Engineering College,Computer Science,Mumbai,India) ,  Joshi Varun (Mukesh Patel School of Technology Management and Engineering,Computer Science,Mumbai,India) ,  Kamath Pratik (Mukesh Patel School of Technology Management and Engineering,Computer Science,Mumbai,India) ,  Chavan Kshitij (Mukesh Patel School of Technology Management and Engineering,Computer Science,Mumbai,India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： ICONAT  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： 機械学習とDeep学習に基づくアルゴリズムは,時系列予測課題を解決する新しい方法である。これらの方法は従来の回帰モデルよりも良い結果をもたらすことが証明された。研究は,Long Short Term Memite and Autoregressive Integrated Moving平均モデルのような人工Reカレントニューラルネットワークが,この応用のトップモデルであることを結論づけた。本研究は,畳込みニューラルネットワーク,Long Short Term記憶,双方向LSTMおよび自己回帰統合移動平均モデルのようなニューラルネットワーク間の解析と比較を報告する。上記のモデルの比較分析は,BiLSTMがARIMA,CNN,およびLSTMモデルより良いことを示した。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： アルゴリズム ,  学習 ,  *ニューラルネットワーク ,  *金融 ,  回帰モデル ,  機械学習
準シソーラス用語： ARIMAモデル ,  *時系列予測 ,  比較分析 ,  自己回帰 ,  畳込みニューラルネットワーク ,  長短期記憶 , 【Automatic Indexing@JST】

分類 (3件)： 医用画像処理  (JE04020T) ,  NMR一般  (BM07041R) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： ニューラルネットワーク ,  金融 ,  時系列予測 ,  研究