文献

J-GLOBAL ID：202202275177912690   整理番号：22A0918653

時系列予測のための関係整列移動学習アルゴリズム【JST・京大機械翻訳】

A relationship-aligned transfer learning algorithm for time series forecasting

著者 (2件)： Ye Rui (College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics, Nanjing 211106, China) ,  Dai Qun (College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics, Nanjing 211106, China)
資料名： Information Sciences  (Information Sciences)
巻： 593  ページ： 17-34  発行年： 2022年 
JST資料番号： D0636A  ISSN： 0020-0255  CODEN： ISIJBC  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 多くの優れた方法が時系列予測のために設計されたが,それらはしばしば同じドメインから十分な訓練データを必要とし,それはいくつかの実世界アプリケーションで実現することが困難であった。この問題を軽減するために,本論文では,移動学習過程を異なるデータセットにわたって実装する,関係アラインメント転送学習(aRATL)アルゴリズムを提案した。一方,いくつかの実際のシナリオでは,代替ソースデータセットと目標データセットの間の関係はあいまいである。この課題に取り組むために,データレベルでの類似性を計算する代わりに,RATLは,そのパラメータが目標タスクの完了を容易にするソースモデルを選択する傾向がある。RATLにおける知識移転は,表現関係アラインメントと回帰関係アラインメント段階を含む。前者は,ソースとターゲットモデルの間で,三重項の形式で,関係のアラインメントによって,目標モデルの表現能力を強化することを目的とする。後者は,ソースモデルから回帰経験を借ることを目的とする。ソース回帰モデルにより得られた予測は必ずしも正確でないが,RATLは良い結果をもたらすが,悪いものを無視する。この提案アルゴリズムの有効性は,いくつかの他の最先端の方法と比較して,5つのベンチマーク時系列データセットに関する大規模な実験によって支えられた。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アラインメント ,  *アルゴリズム ,  表現 ,  *学習 ,  応用プログラム ,  モデル ,  論文 ,  回帰モデル ,  過程 ,  ベンチマーク ,  *学習アルゴリズム
準シソーラス用語： 訓練データ ,  時系列データ ,  知識移転 ,  *時系列予測 ,  学習過程 , 【Automatic Indexing@JST】

著者キーワード (3件)： 時系列予測(TSF) ,  転移学習(TL) ,  類似性三重項

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 時系列予測 ,  整列 ,  学習アルゴリズム