論文の概要: Machine Learning Advances for Time Series Forecasting

• arxiv url: http://arxiv.org/abs/2012.12802v3
• Date: Fri, 9 Apr 2021 11:24:04 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-25 21:21:44.914330
• Title: Machine Learning Advances for Time Series Forecasting
• Title（参考訳）: 時系列予測のための機械学習の進歩
• Authors: Ricardo P. Masini, Marcelo C. Medeiros and Eduardo F. Mendes
• Abstract要約: 時系列予測のための線形と非線形の両方の選択肢を検討する。 論文で検討されている非線形手法は、フィードフォワードおよびリカレントバージョンにおける浅層および深層ニューラルネットワークと、ランダムフォレストやブーストツリーなどの木に基づく手法である。 機械学習の経済・金融への応用を議論し、高周波金融データによる図解を提供します。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper we survey the most recent advances in supervised machine learning and high-dimensional models for time series forecasting. We consider both linear and nonlinear alternatives. Among the linear methods we pay special attention to penalized regressions and ensemble of models. The nonlinear methods considered in the paper include shallow and deep neural networks, in their feed-forward and recurrent versions, and tree-based methods, such as random forests and boosted trees. We also consider ensemble and hybrid models by combining ingredients from different alternatives. Tests for superior predictive ability are briefly reviewed. Finally, we discuss application of machine learning in economics and finance and provide an illustration with high-frequency financial data.
• Abstract（参考訳）: 本稿では,時系列予測のための教師付き機械学習と高次元モデルの最新動向について述べる。 線形および非線形の代替を考える。 線形手法のうち、ペナルティ化された回帰とモデルのアンサンブルに特に注意を払う。 本稿で考慮された非線形手法は、フィードフォワードおよびリカレントバージョンにおける浅層および深層ニューラルネットワークと、ランダム森林や隆起木などの木に基づく手法である。 異なる代替品の材料を組み合わせることで、アンサンブルとハイブリッドモデルも検討する。 優れた予測能力を示すテストは、簡単にレビューされる。 最後に、経済学および金融分野における機械学習の適用について論じ、高周波金融データを用いたイラストを提供する。

関連論文リスト

• Model Merging in LLMs, MLLMs, and Beyond: Methods, Theories, Applications and Opportunities [89.40778301238642]
  モデルマージは、機械学習コミュニティにおける効率的なエンパワーメント技術である。 これらの手法の体系的かつ徹底的なレビューに関する文献には大きなギャップがある。
  論文  参考訳（メタデータ） (2024-08-14T16:58:48Z)
• Predictive Churn with the Set of Good Models [64.05949860750235]
  近似機械学習モデルの集合に対する競合予測の効果について検討する。 ラーショモン集合内のモデル間の係り受けに関する理論的結果を示す。 当社のアプローチは、コンシューマ向けアプリケーションにおいて、より予測し、削減し、混乱を避けるためにどのように使用できるかを示します。
  論文  参考訳（メタデータ） (2024-02-12T16:15:25Z)
• Financial Time-Series Forecasting: Towards Synergizing Performance And Interpretability Within a Hybrid Machine Learning Approach [2.0213537170294793]
  本稿では、ハイブリッド機械学習アルゴリズムの比較研究を行い、モデル解釈可能性の向上に活用する。 本稿では,金融時系列予測において出現する潜伏関係や複雑なパターンの発掘を目的とした,分解,自己相関関数,指数的三重予測など,時系列統計の事前処理技術に関する体系的な概要を述べる。
  論文  参考訳（メタデータ） (2023-12-31T16:38:32Z)
• Deep learning models for price forecasting of financial time series: A review of recent advancements: 2020-2022 [6.05458608266581]
  ディープラーニングモデルは、価格予測タスクのための従来の統計モデルと機械学習モデルを置き換えるものだ。 このレビューは、ディープラーニングに基づく予測モデルについて深く掘り下げ、モデルアーキテクチャ、実践的応用、およびそれぞれの利点と欠点に関する情報を提示する。 この貢献には、価格予測のための複雑な構造を持つディープラーニングモデルの有効性を検討するなど、将来の研究に向けた潜在的方向性も含まれている。
  論文  参考訳（メタデータ） (2023-04-21T03:46:09Z)
• Bayesian Bilinear Neural Network for Predicting the Mid-price Dynamics in Limit-Order Book Markets [84.90242084523565]
  伝統的な時系列計量法は、価格力学を駆動する多層相互作用の真の複雑さを捉えることができないことが多い。 最先端の2次最適化アルゴリズムを採用することで、時間的注意を払ってベイジアン双線形ニューラルネットワークを訓練する。 予測分布を用いて推定パラメータとモデル予測に関連する誤差や不確実性を解析することにより、ベイズモデルと従来のML代替品を徹底的に比較する。
  論文  参考訳（メタデータ） (2022-03-07T18:59:54Z)
• Using Data Assimilation to Train a Hybrid Forecast System that Combines Machine-Learning and Knowledge-Based Components [52.77024349608834]
  利用可能なデータがノイズの多い部分測定の場合,カオスダイナミクスシステムのデータ支援予測の問題を検討する。 動的システムの状態の部分的測定を用いることで、不完全な知識ベースモデルによる予測を改善するために機械学習モデルを訓練できることを示す。
  論文  参考訳（メタデータ） (2021-02-15T19:56:48Z)
• A Bayesian Perspective on Training Speed and Model Selection [51.15664724311443]
  モデルのトレーニング速度の測定値を用いて,その限界確率を推定できることを示す。 線形モデルと深部ニューラルネットワークの無限幅限界に対するモデル選択タスクの結果を検証する。 以上の結果から、勾配勾配勾配で訓練されたニューラルネットワークが、一般化する関数に偏りがある理由を説明するための、有望な新たな方向性が示唆された。
  論文  参考訳（メタデータ） (2020-10-27T17:56:14Z)
• Generative Temporal Difference Learning for Infinite-Horizon Prediction [101.59882753763888]
  我々は、無限確率的地平線を持つ環境力学の予測モデルである$gamma$-modelを導入する。 トレーニングタイムとテストタイムの複合的なエラーの間には、そのトレーニングが避けられないトレードオフを反映しているかについて議論する。
  論文  参考訳（メタデータ） (2020-10-27T17:54:12Z)
• Neural networks in day-ahead electricity price forecasting: Single vs. multiple outputs [0.0]
  電力価格予測において、ニューラルネットワークは最も人気のある機械学習手法である。 本稿では、ディープニューラルネットワークを用いた2つの一般的な構造を包括的に比較する。 その結果、5つの異なる電力交換所のデータから、後者を使用することで、かなりの精度の利点が確認された。
  論文  参考訳（メタデータ） (2020-08-18T16:20:31Z)
• A machine learning based plasticity model using proper orthogonal decomposition [0.0]
  データ駆動の物質モデルは、古典的な数値的アプローチよりも多くの利点がある。 データ駆動型マテリアルモデルを開発する1つのアプローチは、機械学習ツールを使用することである。 弾性と塑性の両面において,機械学習に基づく材料モデリングフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-01-07T15:46:16Z)

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。