权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

線形ガウス状態空間モデルを使った諸予測と、高次元での実用化に向けた高速化

使用线性高斯状态空间模型进行各种预测并加速高维实际应用

基本信息

批准号：
22KJ2458
负责人：
吉田航
金额：
$ 1.6万
依托单位：
Kyushu University
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2023
资助国家：
日本
起止时间：
2023-03-08 至 2025-03-31
项目状态：
未结题

来源：
https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22KJ2458/
关键词：
時系列解析多変量解析クロスバリデーション

项目摘要

多変量線形ガウス状態空間モデルについて研究している。本研究では、真のパラメータを用いずにカルマンフィルタを実行した場合でも、いくつかの条件を満たせば、予測誤差の共分散行列が収束することを証明した。このことを応用すると、データの次元が大きい場合でも、データ間の相関を利用した予測を、高速に実行することができる。本手法は、バス、食堂の混雑度予測へと応用を行なっている。同じく、状態空間モデルの一種である、動的回帰モデルの研究も行なっている。本モデルでは、線形回帰における回帰係数の、時間的変動を考慮することができる。その反面、モデル選択が計算上困難である。そこで、2つのパラメータに対してスパース推定を行うことで、回帰係数を (i) 時変 (ii) 非0で一定 (iii) 0で一定の3パターンのうち、どれに属するか効率よく選択する方法を考えている。Parametric bootstrap smoothingについても研究を行なっている。この研究では、リサンプリングする際に使用する分布の分散が、真の分散であることが予測精度の面で最適であるとは限らないことを、数値実験によって示し、クロスバリデーションによって、予測の意味で良いリサンプリング分布を選択する方法を考えている。また、ridge推定により回帰分析をする際のparametric bootstrap smoothingにおける特徴について、研究を試みている。現在のところ、特殊な条件下では、分散を発散させると、得られる推定量が真の回帰係数を自由度で割った値に近づくことが分かっている。

Multi-dimensional linear ガウス state space モデルについて research している. This research is based on the actual use of the real のパラメーをいずにカルマンフィルタを実行したでも,いくつかのconditionsを満たせば、prediction errorのcodispersion rowが convergenceすることをproveした.このことを応用すると、データのdimensional が大きいoccasionでも、データ间のrelated をutilizationしたforecastを、highwayに実行することができる. This technique is used to predict the degree of chaos in the cafeteria and use it to do the same. Same as じく, state space モデルのkind of である, dynamic return 丰モデルの research も行なっている. This paper has a linear return coefficient, a linear return coefficient, and a change in time considering the change of time. It is difficult to calculate the reverse side of その, and the selection of モデル択が.そこで, 2つのパラメータに対してスパース inference を行うことで, return coefficient を (i) time value (ii) non-zero, constant (iii) 0で必の3パターンのうち、どれに性するかefficiencyよく选択するmethodを考えている. Parametric bootstrap smoothingについても研究を行なっている.このResearchでは、リサンプリングするinteriorにUsingするdistributionのdispersionが、 The true dispersion and prediction accuracy are the most suitable and accurate prediction accuracy.を、Shu値実験によってshowし、クロスバリデーションによって、　The meaning of measurement is the distribution of good quality and the method of selection and measurement.また, ridge estimation and analysis, parametric bootstrap smoothing, special 徴について, and research and testing. Now のところ, special な conditions では, disperse を発san させると, get られる push Quantitative が真の帰 coefficient を Degrees of freedom で Cut ったに Nearly づくことがかっている.