論文の概要: An LSTM approach to Forecast Migration using Google Trends
- arxiv url: http://arxiv.org/abs/2005.09902v2
- Date: Fri, 19 Jun 2020 13:54:24 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-01 04:46:38.696490
- Title: An LSTM approach to Forecast Migration using Google Trends
- Title(参考訳): Google Trendsを用いた予測マイグレーションに対するLSTMアプローチ
- Authors: Nicolas Golenvaux, Pablo Gonzalez Alvarez, Harold Silv\`ere Kiossou,
Pierre Schaus
- Abstract要約: 線形重力モデルを長期記憶(LSTM)アプローチに置き換え、既存の2つのアプローチと比較する。
LSTMアプローチとGoogle Trendsのデータを組み合わせることで、これらのモデルがさまざまな指標で優れています。
- 参考スコア(独自算出の注目度): 7.621862131380908
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Being able to model and forecast international migration as precisely as
possible is crucial for policymaking. Recently Google Trends data in addition
to other economic and demographic data have been shown to improve the
forecasting quality of a gravity linear model for the one-year ahead
forecasting. In this work, we replace the linear model with a long short-term
memory (LSTM) approach and compare it with two existing approaches: the linear
gravity model and an artificial neural network (ANN) model. Our LSTM approach
combined with Google Trends data outperforms both these models on various
metrics in the task of forecasting the one-year ahead incoming international
migration to 35 Organization for Economic Co-operation and Development (OECD)
countries: for example the root mean square error (RMSE) and the mean average
error (MAE) have been divided by 5 and 4 on the test set. This positive result
demonstrates that machine learning techniques constitute a serious alternative
over traditional approaches for studying migration mechanisms.
- Abstract(参考訳): できるだけ正確に国際移動をモデル化し予測できることは、政策立案に不可欠である。
最近,Google Trendsのデータは,他の経済・人口統計データに加えて,1年間の事前予測のための重力線形モデルの予測品質を改善することが示されている。
本研究では,線形モデルからlong short-term memory(lstm)アプローチに置き換え,線形重力モデルとニューラルネットワーク(ann)モデルという,既存の2つのアプローチと比較する。
LSTMアプローチとGoogle Trendsのデータを組み合わせることで、これらのモデルをさまざまな指標で比較し、例えば、ルート平均二乗誤差(RMSE)と平均平均誤差(MAE)は、テストセット上で5と4に分割された、35の経済協力開発機構(OECD)への1年先を予測します。
この肯定的な結果は、機械学習技術が、マイグレーションメカニズムを研究する従来のアプローチよりも真剣な代替手段であることを示している。
関連論文リスト
- F-FOMAML: GNN-Enhanced Meta-Learning for Peak Period Demand Forecasting with Proxy Data [65.6499834212641]
本稿では,需要予測をメタラーニング問題として定式化し,F-FOMAMLアルゴリズムを開発した。
タスク固有のメタデータを通してドメインの類似性を考慮することにより、トレーニングタスクの数が増加するにつれて過剰なリスクが減少する一般化を改善した。
従来の最先端モデルと比較して,本手法では需要予測精度が著しく向上し,内部自動販売機データセットでは平均絶対誤差が26.24%,JD.comデータセットでは1.04%削減された。
論文 参考訳(メタデータ) (2024-06-23T21:28:50Z) - Recency-Weighted Temporally-Segmented Ensemble for Time-Series Modeling [0.0]
プロセス産業における時系列モデリングは、複雑で多面的で進化するデータ特性を扱うという課題に直面している。
マルチステップ予測のための新しいチャンクベースアプローチであるRecency-Weighted Temporally-Segmented(ReWTS)アンサンブルモデルを導入する。
ノルウェーの排水処理場と飲料水処理場からの2年間のデータをもとに,比較分析を行った。
論文 参考訳(メタデータ) (2024-03-04T16:00:35Z) - Federated Learning with Projected Trajectory Regularization [65.6266768678291]
フェデレーション学習は、ローカルデータを共有せずに、分散クライアントから機械学習モデルの共同トレーニングを可能にする。
連合学習における重要な課題の1つは、クライアントにまたがる識別できない分散データを扱うことである。
本稿では,データ問題に対処するための予測軌道正則化(FedPTR)を備えた新しいフェデレーション学習フレームワークを提案する。
論文 参考訳(メタデータ) (2023-12-22T02:12:08Z) - Deep Learning-Based Cyber-Attack Detection Model for Smart Grids [6.642400003243118]
監視制御とデータ取得(SCADA)により、受信した負荷データに対するデータ完全性サイバー攻撃(DIA)を防止するために、人工知能に基づく新しいサイバー攻撃検出モデルを開発した。
提案モデルでは、まず回帰モデルを用いて負荷データを予測し、処理後、教師なし学習法を用いて処理データをクラスタ化する。
提案したEE-BiLSTM法は,他の2つの手法と比較して,より堅牢かつ高精度に動作可能である。
論文 参考訳(メタデータ) (2023-12-14T10:54:04Z) - QualEval: Qualitative Evaluation for Model Improvement [82.73561470966658]
モデル改善のための手段として,自動定性評価による定量的スカラー指標を付加するQualEvalを提案する。
QualEvalは強力なLCM推論器と新しいフレキシブルリニアプログラミングソルバを使用して、人間の読みやすい洞察を生成する。
例えば、その洞察を活用することで、Llama 2モデルの絶対性能が最大15%向上することを示す。
論文 参考訳(メタデータ) (2023-11-06T00:21:44Z) - Dataless Knowledge Fusion by Merging Weights of Language Models [51.8162883997512]
微調整された事前学習言語モデルは、下流のNLPモデルを構築するための主要なパラダイムとなっている。
これは、より優れた単一モデルを生み出すために、個々のモデル間で知識を融合させる障壁を生み出します。
パラメータ空間のモデルをマージするデータレス知識融合法を提案する。
論文 参考訳(メタデータ) (2022-12-19T20:46:43Z) - METRO: Efficient Denoising Pretraining of Large Scale Autoencoding
Language Models with Model Generated Signals [151.3601429216877]
本稿では,補助モデルにより生成された学習信号を用いて,大規模自動符号化言語モデルの事前学習を行う。
我々は「モデル生成dEnoising TRaining Objective」(METRO)というレシピを提案する。
結果、最大54億のパラメータからなるMETRO-LMは、GLUE、SuperGLUE、SQuADベンチマークで新しい最先端を実現する。
論文 参考訳(メタデータ) (2022-04-13T21:39:15Z) - A Clustering-aided Ensemble Method for Predicting Ridesourcing Demand in
Chicago [0.0]
本研究では,配車サービスにおけるゾーン間移動需要を予測するためのクラスタリング支援型アンサンブル手法(CEM)を提案する。
シカゴのライドソーシングトリップデータを用いて提案手法の実装と試験を行った。
論文 参考訳(メタデータ) (2021-09-08T04:58:29Z) - VAE-LIME: Deep Generative Model Based Approach for Local Data-Driven
Model Interpretability Applied to the Ironmaking Industry [70.10343492784465]
モデル予測だけでなく、その解釈可能性も、プロセスエンジニアに公開する必要があります。
LIMEに基づくモデルに依存しない局所的解釈可能性ソリューションが最近出現し、元の手法が改良された。
本稿では, 燃焼炉で生成する高温金属の温度を推定するデータ駆動型モデルの局所的解釈可能性に関する新しいアプローチ, VAE-LIMEを提案する。
論文 参考訳(メタデータ) (2020-07-15T07:07:07Z) - Using an interpretable Machine Learning approach to study the drivers of
International Migration [11.318307426609936]
我々は,国際移住をモデル化する人工知能ニューラルネットワーク(ANN)を提案する。
我々は、機械学習モデルを解釈する手法を用いて、国際移住の背後にあるドライバーの影響を十分に研究できることを示す。
論文 参考訳(メタデータ) (2020-06-05T17:13:13Z) - Introduction to Rare-Event Predictive Modeling for Inferential
Statisticians -- A Hands-On Application in the Prediction of Breakthrough
Patents [0.0]
本稿では,予測性能の最適化を目的とした定量的分析のための機械学習(ML)手法を提案する。
両フィールド間の潜在的な相乗効果について考察する。
我々は,コンピュータサイエンスの用語のデミスティフィケーションを目指して,定量的な社会科学の聴衆に手持ちの予測モデルの導入を行っている。
論文 参考訳(メタデータ) (2020-03-30T13:06:25Z)
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。