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

• On conditional diffusion models for PDE simulations [53.01911265639582]
  スパース観測の予測と同化のためのスコアベース拡散モデルについて検討した。 本稿では,予測性能を大幅に向上させる自動回帰サンプリング手法を提案する。 また,条件付きスコアベースモデルに対する新たなトレーニング戦略を提案する。
  論文  参考訳（メタデータ） (2024-10-21T18:31:04Z)
• MITA: Bridging the Gap between Model and Data for Test-time Adaptation [68.62509948690698]
  テスト時間適応(TTA)は、モデルの一般化性を高めるための有望なパラダイムとして登場した。 本稿では,Met-In-The-MiddleをベースとしたMITAを提案する。
  論文  参考訳（メタデータ） (2024-10-12T07:02:33Z)
• Margin Matching Preference Optimization: Enhanced Model Alignment with Granular Feedback [64.67540769692074]
  人間のフィードバックからの強化学習など、アライメント技術で微調整された大規模言語モデル(LLM)は、これまでで最も有能なAIシステムの開発に役立っている。 マージンマッチング選好最適化(MMPO)と呼ばれる手法を導入し、相対的な品質マージンを最適化し、LLMポリシーと報酬モデルを改善する。 人間とAIの両方のフィードバックデータによる実験によると、MMPOはMT-benchやRewardBenchといった一般的なベンチマークにおいて、ベースラインメソッドよりも一貫してパフォーマンスが向上している。
  論文  参考訳（メタデータ） (2024-10-04T04:56:11Z)
• Stock Price Prediction and Traditional Models: An Approach to Achieve Short-, Medium- and Long-Term Goals [0.0]
  在庫価格予測のためのディープラーニングモデルと従来の統計手法の比較分析は、ナイジェリア証券取引所のデータを用いている。 深層学習モデル、特にLSTMは、データの複雑な非線形パターンをキャプチャすることで従来の手法より優れている。 この結果は、金融予測と投資戦略を改善するための深層学習の可能性を強調している。
  論文  参考訳（メタデータ） (2024-09-29T11:20:20Z)
• Designing Time-Series Models With Hypernetworks & Adversarial Portfolios [0.0]
  本稿では,M6コンペティションの予測と投資の課題において,それぞれ4位と6位を達成した手法について述べる。 予測課題では、ハイパーネットを用いた新しいメタ学習モデルを用いて、予測タスクの特定のファミリーに合わせたパラメトリックモデルを設計した。 投資課題では、ポートフォリオの重みを調整し、現在のランキングに応じて、応募と他の参加者との相関関係を大きくあるいはより小さいものにしました。
  論文  参考訳（メタデータ） (2024-07-29T18:06:29Z)
• 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)
• 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)
• 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。