論文の概要: ATM Cash demand forecasting in an Indian Bank with chaos and deep learning

• arxiv url: http://arxiv.org/abs/2008.10365v1
• Date: Mon, 24 Aug 2020 12:23:07 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-25 08:58:09.522228
• Title: ATM Cash demand forecasting in an Indian Bank with chaos and deep learning
• Title（参考訳）: カオスとディープラーニングを備えたインド銀行におけるatmキャッシュ需要予測
• Authors: Sarveswararao Vangala, Ravi Vadlamani
• Abstract要約: 本稿では,インドの大手銀行のATMキャッシュ引き出しタイムシリーズにおけるカオスをモデル化し,深層学習手法を用いて撤退を予測することを提案する。 まず,ラグを用いて各系列の状態空間を再構成し,退行時間系列に存在するカオスをモデル化した。 デイ・オブ・ザ・ウィーク」(day-of-the-week)は、1ホットエンコーディングの助けを借りて7つの機能に変換される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: This paper proposes to model chaos in the ATM cash withdrawal time series of a big Indian bank and forecast the withdrawals using deep learning methods. It also considers the importance of day-of-the-week and includes it as a dummy exogenous variable. We first modelled the chaos present in the withdrawal time series by reconstructing the state space of each series using the lag, and embedding dimension found using an auto-correlation function and Cao's method. This process converts the uni-variate time series into multi variate time series. The "day-of-the-week" is converted into seven features with the help of one-hot encoding. Then these seven features are augmented to the multivariate time series. For forecasting the future cash withdrawals, using algorithms namely ARIMA, random forest (RF), support vector regressor (SVR), multi-layer perceptron (MLP), group method of data handling (GMDH), general regression neural network (GRNN), long short term memory neural network and 1-dimensional convolutional neural network. We considered a daily cash withdrawals data set from an Indian commercial bank. After modelling chaos and adding exogenous features to the data set, we observed improvements in the forecasting for all models. Even though the random forest (RF) yielded better Symmetric Mean Absolute Percentage Error (SMAPE) value, deep learning algorithms, namely LSTM and 1D CNN, showed similar performance compared to RF, based on t-test.
• Abstract（参考訳）: 本稿では,インドの大手銀行のATMキャッシュ引き出しタイムシリーズにおけるカオスをモデル化し,深層学習手法を用いて撤退を予測することを提案する。 また、週1日の重要性も考慮し、ダミー外生変数として含んでいる。 まず,各系列の状態空間をラグを用いて再構成し,自己相関関数とcao法による埋め込み次元を求めることで,離脱時間列に存在するカオスをモデル化した。 このプロセスは、ユニ変数時系列をマルチ変数時系列に変換する。 は、ワンホットエンコーディングの助けを借りて7つの機能に変換される。 これら7つの特徴は、多変量時系列に拡張される。 将来の現金引き出しを予測するには、arima、random forest(rf)、 support vector regressor(svr)、multi-layer perceptron(mlp)、group method of data handling(gmdh)、general regression neural network(grnn)、long short memory neural network、および1-dimensional convolutional neural networkといったアルゴリズムを使用する。 インドの商業銀行からの 毎日の現金引き揚げのデータを検討しました カオスをモデル化し、データセットに外因性機能を追加した後、すべてのモデルの予測の改善を観察した。 ランダムフォレスト(RF)では,SMAPE(Symmetric Mean Absolute Percentage Error)値が向上したが,深層学習アルゴリズム(LSTMと1D CNN)では,t-testに基づくRFと同等の性能を示した。

関連論文リスト

• Temporal Convolution Derived Multi-Layered Reservoir Computing [5.261277318790788]
  貯水池の状態空間への入力データの新たなマッピングを提案する。 ニューラルネットワークの並列化性,深さ,予測能力を向上する2つの新しいネットワークアーキテクチャにこの手法を組み込む。 カオス時系列では、Echo State Networksと比較して最大85.45%、Gated Recurrent Unitsと比較して90.72%のエラー削減が観察される。
  論文  参考訳（メタデータ） (2024-07-09T11:40:46Z)
• Continuous time recurrent neural networks: overview and application to forecasting blood glucose in the intensive care unit [56.801856519460465]
  連続時間自己回帰リカレントニューラルネットワーク(Continuous Time Autoregressive Recurrent Neural Network, CTRNN)は、不規則な観測を考慮に入れたディープラーニングモデルである。 重篤なケア環境下での血糖値の確率予測へのこれらのモデルの適用を実証する。
  論文  参考訳（メタデータ） (2023-04-14T09:39:06Z)
• A Novel Method Combines Moving Fronts, Data Decomposition and Deep Learning to Forecast Intricate Time Series [0.0]
  インド・サマーモンスーン・レインフォール(英語: Indian Summer Monsoon Rainfall、ISMR)は、インドの都市。 従来のワンタイム分解技術は、未来からの情報が漏れることに悩まされている。 データ漏洩を防止するために移動フロント(MF)法を提案する。
  論文  参考訳（メタデータ） (2023-03-11T12:07:26Z)
• Online Evolutionary Neural Architecture Search for Multivariate Non-Stationary Time Series Forecasting [72.89994745876086]
  本研究は、オンラインニューロ進化に基づくニューラルアーキテクチャサーチ(ONE-NAS)アルゴリズムを提案する。 ONE-NASは、オンライン予測タスクのためにリカレントニューラルネットワーク(RNN)を自動設計し、動的にトレーニングする新しいニューラルネットワーク探索手法である。 その結果、ONE-NASは従来の統計時系列予測法よりも優れていた。
  論文  参考訳（メタデータ） (2023-02-20T22:25:47Z)
• A predictive physics-aware hybrid reduced order model for reacting flows [65.73506571113623]
  反応流問題の解法として,新しいハイブリッド型予測次数モデル (ROM) を提案する。 自由度は、数千の時間的点から、対応する時間的係数を持ついくつかのPODモードへと減少する。 時間係数を予測するために、2つの異なるディープラーニングアーキテクチャがテストされている。
  論文  参考訳（メタデータ） (2023-01-24T08:39:20Z)
• MGADN: A Multi-task Graph Anomaly Detection Network for Multivariate Time Series [0.0]
  時系列の異常検出,特に多変量時系列(複数センサ付き時系列)は,ここ数年にわたって注目されてきた。 ニューラルネットワークを含む既存の方法は、タイムスタンプの観点からのみ、関係に集中する。 提案手法では,グラフニューラルネットワークから派生したGATを用いて,センサ間の接続を求める。 また,VAE(Variational Auto-Encoder)による予測損失と復元損失を両立させる手法も提案している。
  論文  参考訳（メタデータ） (2022-11-22T10:17:42Z)
• TimesNet: Temporal 2D-Variation Modeling for General Time Series Analysis [80.56913334060404]
  時系列解析は、天気予報、異常検出、行動認識などの応用において非常に重要である。 従来の手法では、1D時系列から直接これを達成しようと試みていた。 複雑な経時的変化を、複数の経時的変化と経時的変化に明らかにする。
  論文  参考訳（メタデータ） (2022-10-05T12:19:51Z)
• HyperTime: Implicit Neural Representation for Time Series [131.57172578210256]
  暗黙の神経表現(INR)は、データの正確で解像度に依存しないエンコーディングを提供する強力なツールとして最近登場した。 本稿では、INRを用いて時系列の表現を分析し、再構成精度とトレーニング収束速度の点で異なるアクティベーション関数を比較した。 本稿では,INRを利用して時系列データセット全体の圧縮潜在表現を学習するハイパーネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2022-08-11T14:05:51Z)
• An advanced spatio-temporal convolutional recurrent neural network for storm surge predictions [73.4962254843935]
  本研究では, 人工ニューラルネットワークモデルを用いて, 嵐の軌跡/規模/強度履歴に基づいて, 強風をエミュレートする能力について検討する。 本研究では, 人工嵐シミュレーションのデータベースを用いて, 強風を予測できるニューラルネットワークモデルを提案する。
  論文  参考訳（メタデータ） (2022-04-18T23:42:18Z)
• SITHCon: A neural network robust to variations in input scaling on the time dimension [0.0]
  機械学習では、畳み込みニューラルネットワーク(CNN)はコンピュータビジョンと時間とともに拡張されたパターンの認識の両方に非常に影響を与えている。 本稿では,対数的に分散した時間メモリを用いたSITHCon(Scale-Invariant Temporal History Convolution Network)を提案する。
  論文  参考訳（メタデータ） (2021-07-09T18:11:50Z)
• Low-Rank Autoregressive Tensor Completion for Multivariate Time Series Forecasting [15.927264813606637]
  センサーネットワークから収集された時系列は、しばしば大規模なものであり、かなりの腐敗と欠落した値で不完全である。 多変量時系列データをモデル化するための低ランク自己回帰テンソル補完(LATC)フレームワークを提案する。 実世界の3つのデータセットに関する数値実験により,LATCにおけるグローバル・ローカル・トレンドの統合の優位性を示した。
  論文  参考訳（メタデータ） (2020-06-18T11:31:16Z)

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。