深層学習を用いた時系列情報予測に関する研究

基于深度学习的时间序列信息预测研究

• 批准号: 19K01591
• 负责人: 六井 淳
• 金额: $ 2.75万
• 依托单位: University of Shizuoka
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2019
• 资助国家: 日本
• 起止时间: 2019-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-19K01591/
• 关键词: LSTM; 社会的時系列; グレンジャー因果検定; GRU; LSTNet; サポートベクター回帰; ESN; RNN; 重回帰分析; 敵対的生成ネットワーク; テンソル因子分解; 時間遅れ付きLSTM; Quasi-RNN; リカレントニューラルネット; 時系列予測

本研究では、複数のLSTMを並列に動作させる機構を組み合わせることで、蜘蛛の糸のように複雑に収束する1系列を可能な限り少ない誤差で予測する新たなRNNの枠組みを提案した[1][2]．更に、本研究では、データ間の関連性について、グレンジャー因果検定とクラスタリングを組み合わせ、真に有用な関連時系列を取捨選択する手法を構築した．更に、多変量時系列を統合させる際には、非線形回帰手法のサポートベクトル回帰を用いることで飛躍的に予測精度を向上させた[3]．提案手法は計算コストの増加が問題点であったが、ESNを用いて計算コストの向上を図った[4]．[1] Jun Rokui,“Historical time series prediction framework based on recurrent neural network using multivariate time series”,IIAI-AAI2021,pp.486-489,2021.[2] Jun Rokui, Rin Adachi,“Cell-expanded Long Short-term Memory", Joint 12th International Conference on Soft Computing and Intelligent Systems and 23rd International Conference on Advanced Intelligent Systems,2022.[3] 松浦　匠吾,六井　淳,"Recurrent Neural Networkに基づく複数時系列関係を考慮した時系列予測”,FIT2021講演論文集,第二分冊,pp27-32,2021.[4] 大嶽　和氣,六井　淳,"Echo State Networkを用いた高速な多変量時系列予測”,The 36st Annual Conference of the Japanese Society for Artificial Intelligence 2022,2022．

This study で は, plural の LSTM を parallel に action さ せ る agency を team み close わ せ る こ と で, spiders の si の よ う に complex 雑 に 収 beam す る 1 series を may な limits り less な す で い error to test new た る な RNN の 枠 group み を proposal し た [1] [2]. More に, this study で は, デ ー タ between の masato even sex に つ い て, グ レ ン ジ ャ ー causal 検 set と ク ラ ス タ リ ン グ を group み close わ せ, really useful に な masato even when series を trade-off sentaku す る gimmick を build し た. に, series を when variations of more integrated さ せ る interstate に は, nonlinear 帰 gimmick の サ ポ ー ト ベ ク ト ル back 帰 を with い る こ と で に to measurement accuracy of leap を upward さ せ た [3]. The proposal approach involves コスト calculation, コスト addition, が problem points であったが, ESNを calculation, コスト コスト upward を graph った[4]. [1] Jun Rokui,“Historical time series prediction framework based on recurrent neural network using multivariate time series,IIAI-AAI2021,pp.486-489,2021.[2] Jun Rokui, Rin Adachi, "Cell-expanded Long Short-term Memory" Joint 12th International Conference on Soft Computing and Intelligent Systems and 23rd International Conference on Advanced Intelligent Systems,2022.[3] Shogo Matsuura, Jun Rokui,"Recurrent Neural "Networkに basis づく complex number time series relation を Considering <s:1> た time series pretest",FIT2021 lecture and Paper Collection, Volume 2, pp27-32,2021.[4] Katsuyuki Ohtaka, Jun Rokui,"Echo State Networkを Using た た high-speed な multivariable time series pretest ",The 36st Annual Conference of the Japanese Society for Artificial Intelligence 2022,2022.