論文の概要: A Novel GDP Prediction Technique based on Transfer Learning using CO2
Emission Dataset
- arxiv url: http://arxiv.org/abs/2005.02856v1
- Date: Sat, 2 May 2020 15:30:03 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-07 12:59:53.080995
- Title: A Novel GDP Prediction Technique based on Transfer Learning using CO2
Emission Dataset
- Title(参考訳): CO2エミッションデータセットを用いたトランスファー学習に基づく新しいGDP予測手法
- Authors: Sandeep Kumar and Pranab K. Muhuri
- Abstract要約: 最も繁栄している州は、温室効果ガス(特にCO2)の放出量が最も高い州である。
本稿では、GDP予測のためのドメイン適応トランスファーラーニングと呼ばれる、新しいトランスファーラーニングに基づくGDP予測手法について報告する。
その結果, 一般化回帰ニューラルネットワーク, エクストリーム学習マシン, サポートベクトル回帰の3つのよく知られた回帰手法について比較検討した。
- 参考スコア(独自算出の注目度): 11.719414585804014
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In the last 150 years, CO2 concentration in the atmosphere has increased from
280 parts per million to 400 parts per million. This has caused an increase in
the average global temperatures by nearly 0.7 degree centigrade due to the
greenhouse effect. However, the most prosperous states are the highest emitters
of greenhouse gases (specially, CO2). This indicates a strong relationship
between gaseous emissions and the gross domestic product (GDP) of the states.
Such a relationship is highly volatile and nonlinear due to its dependence on
the technological advancements and constantly changing domestic and
international regulatory policies and relations. To analyse such vastly
nonlinear relationships, soft computing techniques has been quite effective as
they can predict a compact solution for multi-variable parameters without any
explicit insight into the internal system functionalities. This paper reports a
novel transfer learning based approach for GDP prediction, which we have termed
as Domain Adapted Transfer Learning for GDP Prediction. In the proposed
approach per capita GDP of different nations is predicted using their CO2
emissions via a model trained on the data of any developed or developing
economy. Results are comparatively presented considering three well-known
regression methods such as Generalized Regression Neural Network, Extreme
Learning Machine and Support Vector Regression. Then the proposed approach is
used to reliably estimate the missing per capita GDP of some of the war-torn
and isolated countries.
- Abstract(参考訳): 過去150年間で、大気中のCO2濃度は280ppmから400ppmに増加した。
これにより、温室効果により、世界平均気温が0.7度近く上昇した。
しかし、最も繁栄している州は温室効果ガス(特にco2)の放出源である。
これは、州のガス排出と国内総生産(GDP)との強い関係を示している。
このような関係は、技術的進歩に依存し、国内外の規制政策や関係を常に変化させるため、非常に不安定で非線形である。
このような非常に非線形な関係を解析するために、ソフトコンピューティング技術は、内部システム機能に関する明確な洞察なしに、多変数パラメータのコンパクトな解を予測できるため、非常に効果的である。
本稿では、GDP予測のためのドメイン適応トランスファー学習と呼ばれる、GDP予測のための新しいトランスファー学習アプローチについて報告する。
各国の国民一人当たりのGDPは、開発または発展途上国のデータに基づいて訓練されたモデルを通じて、CO2排出量を用いて予測される。
その結果, 一般化回帰ニューラルネットワーク, エクストリーム学習マシン, サポートベクトル回帰の3つのよく知られた回帰手法について比較検討した。
次に、提案手法を用いて、戦国・孤立国の一部の国民一人当たりGDPの不足を確実に推定する。
関連論文リスト
- Dynamic nowcast of the New Zealand greenhouse gas inventory [0.0]
ニュージーランドの国内排ガス在庫は、現在15~27カ月前に報告されている。
本稿では,ニュージーランドの温室効果ガス排出量を現在(動的に見積もる)機械学習手法を提案する。
主な発見は、2020年以来の国内総排出量の0.2%減少である。
論文 参考訳(メタデータ) (2024-02-16T22:19:43Z) - Model-based Causal Bayesian Optimization [74.78486244786083]
乗算重み付き因果ベイズ最適化のための最初のアルゴリズム(CBO-MW)を提案する。
グラフ関連の量に自然に依存するCBO-MWに対する後悔の限界を導出する。
我々の実験は、共有モビリティシステムにおいて、ユーザの需要パターンを学習するためにCBO-MWをどのように使用できるかの現実的なデモを含む。
論文 参考訳(メタデータ) (2023-07-31T13:02:36Z) - A Comparative Study of Machine Learning Algorithms for Anomaly Detection
in Industrial Environments: Performance and Environmental Impact [62.997667081978825]
本研究は,環境の持続可能性を考慮した高性能機械学習モデルの要求に応えることを目的としている。
Decision TreesやRandom Forestsといった従来の機械学習アルゴリズムは、堅牢な効率性とパフォーマンスを示している。
しかし, 資源消費の累積増加にもかかわらず, 最適化された構成で優れた結果が得られた。
論文 参考訳(メタデータ) (2023-07-01T15:18:00Z) - Understanding Augmentation-based Self-Supervised Representation Learning
via RKHS Approximation and Regression [53.15502562048627]
最近の研究は、自己教師付き学習とグラフラプラシアン作用素のトップ固有空間の近似との関係を構築している。
この研究は、増強に基づく事前訓練の統計的分析に発展する。
論文 参考訳(メタデータ) (2023-06-01T15:18:55Z) - A comparative study of statistical and machine learning models on
near-real-time daily emissions prediction [0.0]
二酸化炭素排出量の急激な上昇は、地球温暖化と気候変動の大きな原因である。
本稿は、2020年1月1日から2022年9月30日までの日中排出量予測に適したモデルを選択することを目的とする。
論文 参考訳(メタデータ) (2023-02-02T15:14:27Z) - Spatiotemporal modeling of European paleoclimate using doubly sparse
Gaussian processes [61.31361524229248]
計算負担を軽減するため,近年の大規模分散時間GPを構築した。
我々は,古気候の確率モデルを構築するために,この2倍のスパースGPをうまく利用した。
論文 参考訳(メタデータ) (2022-11-15T14:15:04Z) - Real-time high-resolution CO$_2$ geological storage prediction using
nested Fourier neural operators [58.728312684306545]
炭素捕獲貯蔵(CCS)は、地球規模の脱炭酸に不可欠な役割を担っている。
CCS展開のスケールアップには, 貯留層圧力上昇とガス配管マイグレーションの高精度かつ高精度なモデリングが必要である。
我々は,高分解能な3D CO2ストレージモデリングのための機械学習フレームワークであるNested Fourier Neural Operator (FNO)を,盆地スケールで導入した。
論文 参考訳(メタデータ) (2022-10-31T04:04:03Z) - Approximate Bayesian inference and forecasting in huge-dimensional
multi-country VARs [0.0]
パネルベクトル自動回帰モデルは、マクロ経済予測と構造分析のための一般的なツールです。
非常に柔軟な方法で国間の流出を可能にします。
推定されるパラメータの数は、過度なパラメータ化の懸念につながる可能性がある。
論文 参考訳(メタデータ) (2021-03-08T18:02:59Z) - Panel semiparametric quantile regression neural network for electricity
consumption forecasting [0.0]
中国は、改革と開放の長期的な深化の中で、電力産業で大きな成果を上げている。
複雑な地域経済・社会・自然条件では、電力資源は均等に分配されず、中国の一部の地域では電気不足の原因となっている。
人工ニューラルネットワークと半パラメトリック量子回帰を利用したパネル半パラメトリック量子回帰ニューラルネットワーク(PSQRNN)を提案する。
論文 参考訳(メタデータ) (2021-03-01T02:47:26Z) - When and How to Lift the Lockdown? Global COVID-19 Scenario Analysis and
Policy Assessment using Compartmental Gaussian Processes [111.69190108272133]
新型コロナウイルス(COVID-19)の世界的な感染拡大を受け、多くの国が前例のないロックダウン措置を講じている。
さまざまなロックダウンポリシーシナリオの下で、新型コロナウイルスの死亡率を予測するデータ駆動モデルが不可欠だ。
本稿では,グローバルな状況下での新型コロナウイルスロックダウンポリシーの効果を予測するためのベイズモデルを開発する。
論文 参考訳(メタデータ) (2020-05-13T18:21:50Z) - Analysis of Greenhouse Gases [0.0]
気候変動は、温室効果ガス(GHG)、海、陸、氷、雲の複雑な相互作用の結果である。
IPCCは、温室効果ガスの排出が対流圏の平均温度に与える影響について報告した。
予測では、世紀の終わりまでには0.8Cから5Cに温度が上昇すると予想されている。
論文 参考訳(メタデータ) (2020-03-21T17:50:30Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。