Fugu-MT 論文翻訳(概要): Modern strategies for time series regression

論文の概要: Modern strategies for time series regression

arxiv url: http://arxiv.org/abs/2010.15997v1
Date: Thu, 29 Oct 2020 23:56:57 GMT
ステータス: 処理完了
システム内更新日: 2022-10-01 23:27:59.440610
Title: Modern strategies for time series regression
Title（参考訳）: 時系列回帰の現代的戦略
Authors: Stephanie Clark, Rob J Hyndman, Dan Pagendam, Louise M Ryan
Abstract要約: 機械学習の文献で最近提案されている手法と同様に,古典的な統計手法についても論じる。アプローチは比較および対比され、現在利用可能なほとんどのアプローチには長所と短所があると考えられる。
参考スコア（独自算出の注目度）: 0.38233569758620045
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper discusses several modern approaches to regression analysis involving time series data where some of the predictor variables are also indexed by time. We discuss classical statistical approaches as well as methods that have been proposed recently in the machine learning literature. The approaches are compared and contrasted, and it will be seen that there are advantages and disadvantages to most currently available approaches. There is ample room for methodological developments in this area. The work is motivated by an application involving the prediction of water levels as a function of rainfall and other climate variables in an aquifer in eastern Australia.
Abstract（参考訳）: 本稿では,予測変数のいくつかが時間によってインデックス付けされる時系列データを含む回帰分析の現代的アプローチについて論じる。機械学習の文献で最近提案されている手法と同様に,古典的な統計手法についても論じる。これらのアプローチは比較・対比され、現在利用可能なほとんどのアプローチに利点とデメリットがあることが分かるだろう。この地域には方法論開発のための十分なスペースがある。この研究の動機は、オーストラリア東部の帯水層における降雨量やその他の気候変数の関数として水位を予測することにある。

関連論文リスト

Evaluation of deep learning models for Australian climate extremes: prediction of streamflow and floods [0.17999333451993949]
近年、洪水のような気候の極端は、オーストラリアにとって重要な環境と経済の危険を生み出している。ディープラーニングの手法は、短時間の地平線上で、小規模から中規模の極端な事象を予測することを約束している。大規模な急激な洪水に対処するアンサンブルベースの機械学習アプローチを提案する。
論文参考訳（メタデータ） (2024-07-20T23:45:04Z)
Machine Learning for Stochastic Parametrisation [0.0]
パラメトリゼーションにおけるデータ駆動型アプローチの可能性について論じる。この分野の初期の研究を取り上げ、残る新たな課題に注意を向ける。
論文参考訳（メタデータ） (2024-02-12T08:38:53Z)
Comparing Data-Driven and Mechanistic Models for Predicting Phenology in Deciduous Broadleaf Forests [47.285748922842444]
我々は、気象時系列から表現指標を予測するために、ディープニューラルネットワークを訓練する。このアプローチは従来のプロセスベースのモデルよりも優れています。
論文参考訳（メタデータ） (2024-01-08T15:29:23Z)
Learning Robust Precipitation Forecaster by Temporal Frame Interpolation [65.5045412005064]
本研究では,空間的不一致に対するレジリエンスを示す頑健な降水予測モデルを構築した。提案手法は,textit4cast'23コンペティションの移行学習リーダーボードにおいて,textit1位を確保したモデルにおいて,予測精度が大幅に向上した。
論文参考訳（メタデータ） (2023-11-30T08:22:08Z)
Tipping Point Forecasting in Non-Stationary Dynamics on Function Spaces [78.08947381962658]
タップポイントは急激で、急激で、しばしば非定常力学系の進化における不可逆的な変化である。我々は、関数空間間のマッピングを学習する新しいリカレントニューラル演算子(RNO)を用いて、そのような非定常系の進化を学習する。本稿では,物理制約から逸脱をモニタリングすることで,チップ点の予測を行う共形予測フレームワークを提案する。
論文参考訳（メタデータ） (2023-08-17T05:42:27Z)
The Capacity and Robustness Trade-off: Revisiting the Channel Independent Strategy for Multivariate Time Series Forecasting [50.48888534815361]
本稿では、Channel Dependent(CD)戦略でトレーニングされたモデルが、Channel Dependent(CD)戦略でトレーニングされたモデルよりも優れていることを示す。以上の結果から,CD手法は高いキャパシティを持つが,分散ドリフト時系列を正確に予測する堅牢性に欠けることがわかった。本稿では,CI戦略を超越した正規化(PRReg)による予測残差法(Predict Residuals with Regularization, PRReg)を提案する。
論文参考訳（メタデータ） (2023-04-11T13:15:33Z)
A case study of spatiotemporal forecasting techniques for weather forecasting [4.347494885647007]
実世界のプロセスの相関は時間的であり、それらによって生成されたデータは空間的および時間的進化の両方を示す。時系列モデルが数値予測の代替となる。本研究では,分解時間予測モデルにより計算コストを低減し,精度を向上することを示した。
論文参考訳（メタデータ） (2022-09-29T13:47:02Z)
Back2Future: Leveraging Backfill Dynamics for Improving Real-time Predictions in Future [73.03458424369657]
公衆衛生におけるリアルタイム予測では、データ収集は簡単で要求の多いタスクである。過去の文献では「バックフィル」現象とそのモデル性能への影響についてはほとんど研究されていない。我々は、与えられたモデルの予測をリアルタイムで洗練することを目的とした、新しい問題とニューラルネットワークフレームワークBack2Futureを定式化する。
論文参考訳（メタデータ） (2021-06-08T14:48:20Z)
Quantifying Uncertainty in Deep Spatiotemporal Forecasting [67.77102283276409]
本稿では,正規格子法とグラフ法という2種類の予測問題について述べる。我々はベイジアンおよび頻繁な視点からUQ法を解析し、統計的決定理論を通じて統一的な枠組みを提示する。実際の道路ネットワークのトラフィック、疫病、空気質予測タスクに関する広範な実験を通じて、異なるUQ手法の統計計算トレードオフを明らかにする。
論文参考訳（メタデータ） (2021-05-25T14:35:46Z)
Prediction of short and long-term droughts using artificial neural networks and hydro-meteorological variables [0.0]
ニューラルネットワーク(ANN)のモデルは、標準降水指数(SPI)を異なる時間スケールで使用することにより、短期および長期の干ばつを予測するために使用される。その結果,全ての水文-気象変数の応用は,異なる時間スケールでのSPIの予測を著しく改善することがわかった。
論文参考訳（メタデータ） (2020-06-03T23:20:34Z)
Hydrological time series forecasting using simple combinations: Big data testing and investigations on one-year ahead river flow predictability [0.0]
我々は,水文時系列予測の新しい単純で柔軟な方法論を提示し,評価する。この手法は(a)少なくとも2つの個人予測法と(b)予測の中央結合器に依存している。評価は, 約600駅から90年の平均河川流量時系列データを用いて行った。
論文参考訳（メタデータ） (2020-01-02T18:45:43Z)

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。