文献

J-GLOBAL ID：202202283561111505   整理番号：22A0067225

時系列予測のためのGauss過程の状態空間近似【JST・京大機械翻訳】

State Space Approximation of Gaussian Processes for Time Series Forecasting

著者 (2件)： Benavoli Alessio (School of Computer Science and Statistics (SCSS), Trinity College Dublin, Dublin, Ireland) ,  Corani Giorgio (Istituto Dalle Molle di Studi sull’Intelligenza Artificiale (IDSIA), USI - SUPSI Lugano, Lugano, Switzerland)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 13114  ページ： 21-35  発行年： 2022年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
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： 複雑な十分な付加カーネルを持つGaussプロセス(GP)は,最先端のアプローチ(arima,ETS)と比較して,時系列予測において競合結果を提供する。(i)訓練中に,カーネルの不要な成分を自動関連性決定によって無関係にする;(ii)事前は各ハイパーパラメータに割り当てられる。しかし,GPs計算複雑度は,時間的に立方的に成長し,観測数とともにメモリで二次的に成長する。GPの状態空間(SS)近似は,線形複雑度を有するGPベースの推論を計算することができる。本論文では,SSモデルを時系列予測に適用し,SSモデルが完全GPの性能に匹敵する性能を提供し,最先端のモデル(arima,ETS)より優れていることを示した。さらに,SS表現は,例えば,カーネルとETSを結合することによって,新しいモデルを導くことを可能にした。Copyright Springer Nature Switzerland AG 2021 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 ,  *Gauss過程 ,  *近似法 ,  計算量
準シソーラス用語： *時系列予測 ,  状態空間 ,  ハイパーパラメータ ,  自動関連決定 , 【Automatic Indexing@JST】

著者キーワード (3件)： 時系列予測 ,  Gauss過程 ,  状態空間近似

分類 (3件)： 数値計算  (JE02000J) ,  人工知能  (JE08000Z) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (4件)： 時系列予測 ,  Gauss過程 ,  状態空間 ,  近似