Fugu-MT 論文翻訳(概要): Stack Index Prediction Using Time-Series Analysis

論文の概要: Stack Index Prediction Using Time-Series Analysis

arxiv url: http://arxiv.org/abs/2108.08120v1
Date: Wed, 18 Aug 2021 12:43:26 GMT
ステータス: 処理完了
システム内更新日: 2021-08-19 19:28:05.518091
Title: Stack Index Prediction Using Time-Series Analysis
Title（参考訳）: 時系列解析を用いたスタックインデックス予測
Authors: Raja CSP Raman, Rohith Mahadevan, Divya Perumal, Vedha Sankar, Talha Abdur Rahman
Abstract要約: 我々は、科学技術のトレンドを科学的に理解し、分析し、予測することを目指している。収集したデータに機械学習モデルを適用し、異なる分野の進展の傾向を理解し、分析し、予測する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The Prevalence of Community support and engagement for different domains in the tech industry has changed and evolved throughout the years. In this study, we aim to understand, analyze and predict the trends of technology in a scientific manner, having collected data on numerous topics and their growth throughout the years in the past decade. We apply machine learning models on collected data, to understand, analyze and forecast the trends in the advancement of different fields. We show that certain technical concepts such as python, machine learning, and Keras have an undisputed uptrend, finally concluding that the Stackindex model forecasts with high accuracy and can be a viable tool for forecasting different tech domains.
Abstract（参考訳）: テクノロジー業界におけるさまざまなドメインに対するコミュニティサポートとエンゲージメントの流行は、長年にわたって変化し、進化してきた。本研究では,過去10年間のさまざまなトピックとその成長に関するデータを収集し,科学技術の動向を科学的に理解し,分析し,予測することを目的とする。収集したデータに機械学習モデルを適用し、異なる分野の進展の傾向を理解し、分析し、予測する。我々は、python、機械学習、kerasのような特定の技術的概念は議論の余地のない上昇傾向を示し、最終的にstackindexモデルが高い精度で予測し、異なる技術領域を予測するための実行可能なツールとなることを結論付ける。

関連論文リスト

Human Action Anticipation: A Survey [86.415721659234]
行動予測に関する文献は、行動予測、活動予測、意図予測、目標予測など、様々なタスクにまたがる。我々の調査は、この断片化された文献を結びつけることを目的としており、最近の技術革新とモデルトレーニングと評価のための新しい大規模データセットの開発をカバーしています。
論文参考訳（メタデータ） (2024-10-17T21:37:40Z)
Ontology Embedding: A Survey of Methods, Applications and Resources [54.3453925775069]
オントロジはドメイン知識とメタデータを表現するために広く使われている。 1つの簡単な解決策は、統計分析と機械学習を統合することである。埋め込みに関する多くの論文が出版されているが、体系的なレビューの欠如により、研究者はこの分野の包括的な理解を妨げている。
論文参考訳（メタデータ） (2024-06-16T14:49:19Z)
From Pixels to Insights: A Survey on Automatic Chart Understanding in the Era of Large Foundation Models [98.41645229835493]
グラフ形式のデータの可視化は、データ分析において重要な役割を担い、重要な洞察を提供し、情報的な意思決定を支援する。大規模言語モデルのような大規模な基盤モデルは、様々な自然言語処理タスクに革命をもたらした。本研究は,自然言語処理,コンピュータビジョン,データ解析の分野における研究者や実践者の包括的資源として機能する。
論文参考訳（メタデータ） (2024-03-18T17:57:09Z)
Comparative Evaluation of Weather Forecasting using Machine Learning Models [2.0971479389679337]
本研究では,ダッカ市の1つの気象観測所から得られた20年間のデータセットを用いて,降水パターンと降水パターンの予測における機械学習アルゴリズムの寄与を分析することに焦点を当てた。グラディエントブースティング、AdaBoosting、Artificial Neural Network、Stacking Random Forest、Stacking Neural Network、Stacking KNNなどのアルゴリズムを評価して比較する。
論文参考訳（メタデータ） (2024-02-02T08:25:28Z)
Quantitative Technology Forecasting: a Review of Trend Extrapolation Methods [0.0]
我々は、トレンド外挿技術の適用に対処する文献の予測技術について、体系的なレビューを行う。機械学習ベースのハイブリッドモデルのような新しい手法が近年出現している。ハイブリッドモデルが従来の手法よりも優れているかどうかを判断するためには、より多くの努力と証拠が必要であるため、技術予測へのハイブリッドモデルの開発と適用の傾向が拡大すると予想している。
論文参考訳（メタデータ） (2024-01-04T21:41:08Z)
Towards Graph Foundation Models: A Survey and Beyond [66.37994863159861]
ファンデーションモデルは、さまざまな人工知能アプリケーションにおいて重要なコンポーネントとして現れてきた。基礎モデルがグラフ機械学習研究者を一般化し、適応させる能力は、新しいグラフ学習パラダイムを開発する可能性について議論する。本稿では,グラフ基礎モデル(GFM)の概念を紹介し,その重要な特徴と基礎技術について概説する。
論文参考訳（メタデータ） (2023-10-18T09:31:21Z)
Mapping Computer Science Research: Trends, Influences, and Predictions [0.0]
我々は、トレンド研究領域を予測するために、決定木やロジスティック回帰モデルを含む高度な機械学習技術を採用している。分析の結果,研究論文(参照数)に引用される参考資料の数は,トレンド研究領域を決定する上で重要な役割を担っていることが明らかとなった。ロジスティック回帰モデルは、傾向を予測するために決定木モデルより優れ、高い精度、精度、リコール、F1スコアを示す。
論文参考訳（メタデータ） (2023-08-01T16:59:25Z)
A review of predictive uncertainty estimation with machine learning [0.0]
機械学習アルゴリズムを用いて予測不確実性推定の話題を概観する。我々は確率的予測を評価するための関連する指標(一貫性スコアリング関数と適切なスコアリングルール)について論じる。このレビューでは、ユーザーのニーズに合わせて新しいアルゴリズムを開発する方法についての理解を深める。
論文参考訳（メタデータ） (2022-09-17T10:36:30Z)
Data-Centric Epidemic Forecasting: A Survey [56.99209141838794]
この調査は、様々なデータ駆動の方法論および実践的進歩を掘り下げるものである。疫学的なデータセットと,流行予測に関連する新しいデータストリームを列挙する。また,これらの予測システムの現実的な展開において生じる経験や課題についても論じる。
論文参考訳（メタデータ） (2022-07-19T16:15:11Z)
A Stochastic Time Series Model for Predicting Financial Trends using NLP [4.081440927534578]
近年のディープニューラルネットワーク技術の進歩により、研究者は金融トレンドを予測するための高精度なモデルを開発することができる。本稿では,ST-GAN (Time-Series Generative Adversarial Network) と呼ばれる新しいディープラーニングモデルを提案する。我々は、GAN(Generative Adversarial Network)のような最先端技術を用いて、テキストデータと数値データの相関関係を時間とともに学習する。
論文参考訳（メタデータ） (2021-02-02T04:03:01Z)
Using satellite imagery to understand and promote sustainable development [87.72561825617062]
持続可能な開発成果を理解するために衛星画像を用いた成長する文献を合成する。我々は、重要な人間関係の結果と、衛星画像の量の増大と解像度について、地上データの質を定量化する。不足およびノイズの多いトレーニングデータの観点から、モデル構築に対する最近の機械学習アプローチをレビューする。
論文参考訳（メタデータ） (2020-09-23T05:20:00Z)

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。