Fugu-MT 論文翻訳(概要): Machine Learning Applied to Peruvian Vegetables Imports

論文の概要: Machine Learning Applied to Peruvian Vegetables Imports

arxiv url: http://arxiv.org/abs/2301.03587v1
Date: Sun, 8 Jan 2023 21:05:31 GMT
ステータス: 処理完了
システム内更新日: 2023-01-11 17:03:55.299934
Title: Machine Learning Applied to Peruvian Vegetables Imports
Title（参考訳）: ペルーの野菜輸入に適用される機械学習
Authors: Hugo Ticona-Salluca, Fred Torres-Cruz, Ernesto Nayer Tumi-Figueroa
Abstract要約: 2021年から2022年にかけてペルーから輸入された野菜の輸入状況は、月々記録されている。より良い性能のモデルが選択され、予測された値の精度が評価される。
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 current research work is being developed as a training and evaluation object. the performance of a predictive model to apply it to the imports of vegetable products into Peru using artificial intelligence algorithms, specifying for this study the Machine Learning models: LSTM and PROPHET. The forecast is made with data from the monthly record of imports of vegetable products(in kilograms) from Peru, collected from the years 2021 to 2022. As part of applying the training methodology for automatic learning algorithms, the exploration and construction of an appropriate dataset according to the parameters of a Time Series. Subsequently, the model with better performance will be selected, evaluating the precision of the predicted values so that they account for sufficient reliability to consider it a useful resource in the forecast of imports in Peru.
Abstract（参考訳）: 現在の研究は、訓練と評価の対象として開発されている。人工知能アルゴリズムを使用して、ペルーへの野菜製品の輸入に適用するための予測モデルのパフォーマンス。この研究のために、機械学習モデル:LSTMとPROPHETを指定する。 2021年から2022年にかけて収集されたペルーの野菜製品(キログラム)の月間輸入記録のデータで予測されている。自動学習アルゴリズムのトレーニング手法の適用の一環として、時系列のパラメータに従って適切なデータセットの探索と構築を行う。その後、より優れた性能のモデルが選択され、予測値の精度が評価され、ペルーの輸入予測に有用な資源であると考えるのに十分な信頼性が説明される。

関連論文リスト

GIFT-Eval: A Benchmark For General Time Series Forecasting Model Evaluation [90.53485251837235]
時系列基礎モデルはゼロショット予測に優れ、明示的なトレーニングなしで多様なタスクを処理する。 GIFT-Evalは、多様なデータセットに対する評価を促進するための先駆的なベンチマークである。 GIFT-Evalには、144,000の時系列と17700万のデータポイントの23のデータセットが含まれている。
論文参考訳（メタデータ） (2024-10-14T11:29:38Z)
Learning Augmentation Policies from A Model Zoo for Time Series Forecasting [58.66211334969299]
本稿では,強化学習に基づく学習可能なデータ拡張手法であるAutoTSAugを紹介する。限界サンプルを学習可能なポリシーで強化することにより、AutoTSAugは予測性能を大幅に改善する。
論文参考訳（メタデータ） (2024-09-10T07:34:19Z)
Machine Learning-Based Completions Sequencing for Well Performance Optimization [0.0]
このプロジェクトの主な目的は、多次元予測変数の効果を統合できる効果的な機械学習モデルを開発することである。 3つのモデルは全て、7.35から20.01万バレルの石油の根平均二乗誤差(RMSE)値で累積生産予測を行った。包括的機能エンジニアリングやハイブリッドモデルやサロゲートモデルの使用を推奨するなど、大幅な改善の可能性がある。
論文参考訳（メタデータ） (2024-02-23T21:11:17Z)
Forecasting Imports in OECD Member Countries and Iran by Using Neural Network Algorithms of LSTM [0.0]
本研究は、2021年から2025年までの20年間、OECD加盟国とイランの輸入をANNを用いて予測することを目的とする。 1970年から2019年にかけて、世界銀行、WTO、IFMなどの有効な資源から50年以上のデータを収集した。本研究はLSTMを用いてPycharmのデータ分析を行い, トレーニングデータとして75%, テストデータとして25%のデータを解析し, 解析結果を99%の精度で予測した。
論文参考訳（メタデータ） (2024-01-06T17:34:26Z)
Towards a Prediction of Machine Learning Training Time to Support Continuous Learning Systems Development [5.207307163958806]
我々は全文を実証研究する。 ZhengらによるFPTC(Time Complexity)アプローチ。本稿では,ロジスティック回帰とランダムフォレスト分類のための定式化について検討する。本研究では,本研究から,学習時間の予測が文脈とどのように密接に関連しているかを観察する。
論文参考訳（メタデータ） (2023-09-20T11:35:03Z)
ASPEST: Bridging the Gap Between Active Learning and Selective Prediction [56.001808843574395]
選択予測は、不確実な場合の予測を棄却する信頼性のあるモデルを学ぶことを目的としている。アクティブラーニングは、最も有意義な例を問うことで、ラベリングの全体、すなわち人間の依存度を下げることを目的としている。本研究では,移動対象領域からより情報のあるサンプルを検索することを目的とした,新たな学習パラダイムである能動的選択予測を導入する。
論文参考訳（メタデータ） (2023-04-07T23:51:07Z)
Machine Learning Algorithms for Time Series Analysis and Forecasting [0.0]
時系列データは、販売記録から患者の健康進化指標まで、あらゆる場所で使用されている。様々な統計的および深層学習モデル、特にARIMA、Prophet、LSTMが検討されている。我々の研究は、誰でも予測プロセスの理解を深め、現在使われている様々な芸術モデルの状態を識別するために利用できる。
論文参考訳（メタデータ） (2022-11-25T22:12:03Z)
Strict baselines for Covid-19 forecasting and ML perspective for USA and Russia [105.54048699217668]
Covid-19は、2年間にわたって蓄積されたデータセットを収集し、予測分析に使用できるようにする。本研究は、米国とロシアの2カ国の地域データに基づいて、Covid-19の拡散のダイナミクスを予測するための様々な種類の方法に関する一貫した研究結果である。
論文参考訳（メタデータ） (2022-07-15T18:21:36Z)
Learning to be a Statistician: Learned Estimator for Number of Distinct Values [54.629042119819744]
列内の異なる値の数(NDV)を推定することは、データベースシステムにおける多くのタスクに有用である。本研究では、ランダム(オンライン/オフライン)サンプルから正確なNDV推定を導出する方法に焦点を当てる。教師付き学習フレームワークにおいて,NDV推定タスクを定式化し,モデルを推定対象として学習することを提案する。
論文参考訳（メタデータ） (2022-02-06T15:42:04Z)
Deep learning-based multi-output quantile forecasting of PV generation [34.51430520593065]
本稿では,近年のディープラーニングのブレークスルーを生かして,確率的PV予測器を開発する。 Encoder-decoderと名付けられたこの予測ツールは、日中多出力PV量子化予測を計算するために実装されている。モデルは、非パラメトリックなアプローチである量子回帰を用いて訓練される。
論文参考訳（メタデータ） (2021-06-02T16:28:10Z)
Parameter Space Factorization for Zero-Shot Learning across Tasks and Languages [112.65994041398481]
本稿では,ニューラルパラメータの空間に対するベイズ生成モデルを提案する。タスク言語の組み合わせから得られたデータに基づいて、そのような潜伏変数よりも後部を推測する。我々のモデルは、最先端のゼロショットの言語間転送手法よりも、同等か良い結果が得られる。
論文参考訳（メタデータ） (2020-01-30T16:58:56Z)

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。