論文の概要: onlineforecast: An R package for adaptive and recursive forecasting

• arxiv url: http://arxiv.org/abs/2109.12915v1
• Date: Mon, 27 Sep 2021 10:01:35 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-29 02:11:19.262788
• Title: onlineforecast: An R package for adaptive and recursive forecasting
• Title（参考訳）: onlineforecast:適応的かつ再帰的な予測のためのrパッケージ
• Authors: Peder Bacher, Hj\"orleifur G. Bergsteinsson, Linde Fr\"olke, Mikkel L. S{\o}rensen, Julian Lemos-Vinasco, Jon Liisberg, Jan Kloppenborg M{\o}ller, Henrik Aalborg Nielsen, Henrik Madsen
• Abstract要約: R package onlineforecastは、オンライン予測のためのデータとモデルの一般的なセットアップを提供する。 線形回帰に基づくモデルの時間適応的なフィッティング機能を備えている。 このパッケージには、総合的なウィグレットと、エネルギーシステムにおけるオンライン予測アプリケーションの例が付属している。
• 参考スコア（独自算出の注目度）: 1.2647816797166165
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Systems that rely on forecasts to make decisions, e.g. control or energy trading systems, require frequent updates of the forecasts. Usually, the forecasts are updated whenever new observations become available, hence in an online setting. We present the R package onlineforecast that provides a generalized setup of data and models for online forecasting. It has functionality for time-adaptive fitting of linear regression-based models. Furthermore, dynamical and non-linear effects can be easily included in the models. The setup is tailored to enable effective use of forecasts as model inputs, e.g. numerical weather forecast. Users can create new models for their particular system applications and run models in an operational online setting. The package also allows users to easily replace parts of the setup, e.g. use kernel or neural network methods for estimation. The package comes with comprehensive vignettes and examples of online forecasting applications in energy systems, but can easily be applied in all fields where online forecasting is used.
• Abstract（参考訳）: 制御システムやエネルギー取引システムなどの意思決定に予測に依存するシステムは、予測の頻繁な更新を必要とする。 通常、予測は、新しい観測が利用可能になるたびに更新される。 オンライン予測のためのデータとモデルの汎用的なセットアップを提供するr package onlineforecastを提案する。 線形回帰に基づくモデルの時間適応的適合のための機能を持つ。 さらに、動的および非線形効果はモデルに容易に組み込むことができる。 この設定は、例えば数値天気予報のようなモデル入力として予測を効果的に活用できるように調整されている。 ユーザーは特定のシステムアプリケーション用に新しいモデルを作成し、運用中のオンライン環境でモデルを実行することができる。 このパッケージでは、カーネルやニューラルネットワークメソッドを使って推定するなど、セットアップの一部を簡単に置き換えることも可能だ。 このパッケージには包括的なヴィグネットとエネルギーシステムにおけるオンライン予測アプリケーションの例が付属しているが、オンライン予測が使用されるすべての分野に容易に適用できる。

関連論文リスト

• Probabilistic Weather Forecasting with Hierarchical Graph Neural Networks [17.64833210797824]
  本稿では,Graph-EFMと呼ばれる確率的天気予報モデルを提案する。 このモデルは、柔軟な潜在変数の定式化とグラフベースの予測フレームワークを結合する。 Graph-EFMのアンサンブル予測は、同等の決定論的モデルよりも同等または低いエラーを達成する。
  論文  参考訳（メタデータ） (2024-06-07T09:01:25Z)
• Generalizing Weather Forecast to Fine-grained Temporal Scales via Physics-AI Hybrid Modeling [55.13352174687475]
  本稿では,天気予報をより微細なテンポラルスケールに一般化する物理AIハイブリッドモデル(WeatherGFT)を提案する。 具体的には、小さな時間スケールで物理進化をシミュレートするために、慎重に設計されたPDEカーネルを用いる。 我々は、異なるリードタイムでのモデルの一般化を促進するためのリードタイムアウェアトレーニングフレームワークを導入する。
  論文  参考訳（メタデータ） (2024-05-22T16:21:02Z)
• Aardvark weather: end-to-end data-driven weather forecasting [30.219727555662267]
  Aardvark Weatherは、エンドツーエンドのデータ駆動型天気予報システムである。 生の観測を取り込み、グローバルなグリッド化された予測とローカルステーションの予測を出力する。 興味事の量よりもパフォーマンスを最大化するために、エンドツーエンドに最適化することができる。
  論文  参考訳（メタデータ） (2024-03-30T16:41:24Z)
• 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)
• Weather Prediction with Diffusion Guided by Realistic Forecast Processes [49.07556359513563]
  気象予報に拡散モデル(DM)を適用した新しい手法を提案する。 提案手法は,同一のモデリングフレームワークを用いて,直接予測と反復予測の両方を実現できる。 我々のモデルの柔軟性と制御性は、一般の気象コミュニティにとってより信頼性の高いDLシステムに力を与えます。
  論文  参考訳（メタデータ） (2024-02-06T21:28:42Z)
• An Adaptive Approach for Probabilistic Wind Power Forecasting Based on Meta-Learning [7.422947032954223]
  本稿では,オフラインおよびオンライン学習手順を含む,確率的風力予測(WPF)への適応的アプローチについて検討する。 オフライン学習では、メタ学習の内外ループ更新を通じてベース予測モデルを訓練する。 オンライン学習の段階では、ベース予測モデルがオンライン予測に適用され、漸進的な学習技術が組み合わされる。
  論文  参考訳（メタデータ） (2023-08-15T18:28:22Z)
• 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)
• Conditioned Human Trajectory Prediction using Iterative Attention Blocks [70.36888514074022]
  本研究では,都市環境における歩行者位置予測を目的とした,簡易かつ効果的な歩行者軌道予測モデルを提案する。 我々のモデルは、複数のアテンションブロックとトランスフォーマーを反復的に実行できるニューラルネットワークアーキテクチャである。 ソーシャルマスク, 動的モデル, ソーシャルプーリング層, 複雑なグラフのような構造を明示的に導入することなく, SoTAモデルと同等の結果が得られることを示す。
  論文  参考訳（メタデータ） (2022-06-29T07:49:48Z)
• Smoothed Bernstein Online Aggregation for Day-Ahead Electricity Demand Forecasting [0.0]
  本稿では,日頭電力需要予測におけるIEEE DataPortコンペティションの勝利方法について述べる。 日頭負荷予測手法は、複数点予測モデルのオンライン予測組み合わせに基づいている。 このアプローチは柔軟で、新型コロナウイルス(COVID-19)のシャットダウンの前後で発生した新しいエネルギーシステムに迅速に適用することができる。
  論文  参考訳（メタデータ） (2021-07-13T17:51:21Z)
• POLA: Online Time Series Prediction by Adaptive Learning Rates [4.105553918089042]
  繰り返しニューラルネットワークモデルの学習速度を自動的に調整し、時系列パターンの変化に適応するPOLAを提案する。 POLAは、他のオンライン予測方法よりも総合的に、あるいは優れた予測性能を示す。
  論文  参考訳（メタデータ） (2021-02-17T17:56:12Z)
• Learning Interpretable Deep State Space Model for Probabilistic Time Series Forecasting [98.57851612518758]
  確率的時系列予測は、その歴史に基づいて将来の分布を推定する。 本稿では,非線形エミッションモデルと遷移モデルとをネットワークによってパラメータ化した,確率的時系列予測のための深部状態空間モデルを提案する。 実験では,我々のモデルが正確かつ鋭い確率予測を生成することを示す。
  論文  参考訳（メタデータ） (2021-01-31T06:49:33Z)

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。